IA au travail : le fossé se creuse entre PME, grandes entreprises et générations

L’écart d’adoption de l’intelligence artificielle ne se réduit pas, il s’élargit. Les grandes entreprises sont aujourd’hui deux fois et demie plus nombreuses que les petites à s’en servir, et la même fracture traverse les équipes d’une génération à l’autre. Deux rapports publiés cet automne, l’un par l’OCDE, l’autre par l’INSEE, en donnent la raison principale, et ce n’est pas le budget.

Une technologie qui se diffuse par le haut, et qui y reste

Dans la zone OCDE, 20 % des entreprises d’au moins dix salariés utilisaient l’intelligence artificielle en 2025, contre 52 % des grandes entreprises. L’écart n’a rien d’étonnant en soi, puisque toute innovation commence par les organisations qui ont les moyens de l’absorber.

Ce qui change cette fois, c’est qu’il ne se résorbe pas. Le rapport Digital Economy and Society Outlook 2026 de l’OCDE prévoit une convergence entre tailles d’entreprise pour le cloud d’ici 2030, mais pas pour l’IA : à la fin de la décennie, l’adoption des grandes entreprises pourrait encore dépasser la moyenne de près de 80 %. Le retard ne se rattrape pas de lui-même.

L’explication tient en partie à un chiffre peu commenté. Seules 12 % des entreprises associent l’IA au cloud et à l’analyse de données, alors que c’est précisément cette combinaison qui produit des gains mesurables. Déployée seule, sur des données dispersées et des processus que personne n’a outillés, l’IA reste une curiosité coûteuse.

En France, l’adoption suit la taille de l’entreprise

Ce que mesure l’INSEE

18 % des entreprises implantées en France utilisaient au moins une technologie d’IA en 2025, contre 10 % un an plus tôt, d’après l’INSEE. La progression est rapide et place la France juste sous la moyenne européenne.

La moyenne masque pourtant l’essentiel, puisque le taux passe de 15 % chez les entreprises de 10 à 49 salariés à 31 % entre 50 et 249, puis à 58 % au-delà de 250 salariés. L’adoption ne dépend donc ni du secteur ni de l’appétence des dirigeants autant qu’on l’imagine, elle suit la taille avec une régularité presque gênante.

Pourquoi le budget n’est pas le premier obstacle

Interrogées sur leur non-adoption, 71 % des entreprises concernées répondent qu’elles n’y voient pas d’utilité, et 54 % qu’elles manquent d’expertise. Le coût n’arrive qu’ensuite, ce qui déplace sensiblement le sujet : ce qui fait défaut, c’est un usage identifié et quelqu’un pour le mettre en place, deux manques qui relèvent de l’analyse et de la formation bien plus que de l’équipement.

Le cas des grandes entreprises restées à l’écart le confirme, puisque le manque d’expertise y devient le premier frein, cité par 73 % d’entre elles. Les budgets existent, les outils sont disponibles sur étagère, et ce sont les compétences internes qui manquent. Un référentiel de compétences tenu à jour fait partie de ces préalables qu’on repousse volontiers et qui finissent par coûter du temps.

Le faux procès fait au bâtiment et aux transports

La taille n’explique pas tout. Le même relevé affiche 59 % d’adoption dans l’information et la communication et 33 % dans les activités scientifiques et techniques, contre 10 % dans la construction et 9 % dans les transports.

On en conclut un peu vite que certains secteurs sont en retard, alors que les outils les plus répandus traitent du texte, du code et de l’image, c’est-à-dire la matière première quotidienne des secteurs les mieux équipés. Sur un chantier ou un quai de chargement, le travail ne prend pas cette forme, et les usages pertinents se trouvent ailleurs : planification, gestion documentaire, suivi réglementaire, réponse aux appels d’offres.

La comparaison utile n’est donc pas celle de votre taux d’adoption avec la moyenne nationale, mais celle de vos usages avec ceux de votre métier. Un transporteur qui automatise ses réponses aux appels d’offres gagne davantage qu’une société de services qui aurait équipé tout le monde d’un assistant que personne n’ouvre.

L’autre fracture traverse vos équipes

Un rapport de un à cinq entre les générations

Le rapport de l’OCDE documente un second écart, moins commenté et plus directement RH : 68 % des 16-24 ans utilisent l’IA générative, contre 14 % des 55-74 ans. Ce rapport de un à presque cinq se rejoue à l’intérieur de chaque entreprise, souvent dans le même service.

Le précédent d’internet invite pourtant à la nuance, puisque son usage chez les 55-74 ans est passé de 58 % en 2015 à 87 % en 2025. La fracture numérique s’est donc largement comblée en dix ans, mais celle de l’IA ne suit pas la même trajectoire et rien n’indique qu’elle se comblera seule.

Pourquoi les plus de 55 ans s’en passent

On y voit souvent une résistance au changement, alors que les raisons avancées par les intéressés disent autre chose : 43 % déclarent n’en voir aucun besoin, quand le manque de compétences n’est cité que par 12 % d’entre eux et la méconnaissance de l’outil par 9 %.

C’est, presque mot pour mot, la réponse des PME qui n’ont pas adopté l’IA. Les deux fractures tiennent à la même chose, l’absence d’usage visible dans le travail réel, et elles appellent par conséquent le même type de réponse.

Un exemple suffit à le montrer. Un gestionnaire de paie de 58 ans n’attend pas qu’on lui explique ce qu’est un modèle de langage, il lui faut voir une fois qu’une relance de dossier incomplet se rédige en vingt secondes plutôt qu’en dix minutes. C’est aussi pour cette raison qu’une formation générique sur l’IA produit peu d’effet, là où le reverse mentoring fonctionne bien, parce qu’il part d’un geste montré par un collègue sur un dossier que l’on connaît déjà.

Les leviers qui ne coûtent rien

Les deux fractures se traitent avec les mêmes outils, et l’ordre dans lequel on s’y prend compte davantage que les moyens engagés.

• Commencer par les tâches plutôt que par les outils. Les trois tâches qui coûtent le plus de temps pour le moins de valeur ajoutée, dans chaque équipe, constituent une liste d’usages candidats plus fiable que n’importe quel catalogue de solutions.
• Recenser ce que vos salariés savent déjà faire. Une partie d’entre eux utilise l’IA à titre personnel sans l’avoir mentionné, par prudence ou parce que la question ne leur a jamais été posée, et une cartographie des compétences fait remonter ces usages en même temps qu’elle désigne vos relais internes.
• Désigner des référents dans les équipes plutôt qu’un expert unique. La demande porte rarement sur l’expertise technique, elle porte sur quelqu’un à qui poser une question sans se sentir dépassé.
• Poser un cadre avant d’ouvrir les vannes. Données personnelles, confidentialité des informations clients, obligations issues de l’AI Act : une note d’une page, lisible, évite les usages clandestins que personne ne maîtrise.
• Mesurer sur deux trimestres plutôt que sur quelques semaines, parce que les gains apparaissent quand l’usage devient une habitude et qu’un pilote interrompu au bout d’un mois ne démontre rien.

Aucune de ces étapes ne suppose une licence supplémentaire, mais toutes supposent du temps de RH, qui reste la ressource la moins souvent budgétée dès qu’il est question d’intelligence artificielle.

Ce qui fait échouer les déploiements

Le scénario se répète d’une entreprise à l’autre. On achète les licences, on les distribue largement, on observe, et trois mois plus tard l’usage reste marginal, ce dont on conclut que l’IA n’était pas adaptée à la maison.

L’ordre inverse donne de meilleurs résultats : un usage précis, une équipe volontaire, un résultat mesuré, puis l’extension. La démarche se présente moins bien en comité de direction, mais elle tient dans la durée et protège des promesses excessives qui circulent sur le sujet, dont les idées reçues sur l’IA en RH offrent un bon échantillon.

Reste la question de la mesure, souvent négligée. Le nombre de licences actives ne dit rien de la valeur produite, là où le temps rendu à une équipe, le délai de traitement d’un dossier ou le nombre d’erreurs évitées en disent beaucoup. Ces indicateurs existent déjà dans la plupart des services, et il suffit de les relever avant le déploiement pour disposer d’un point de comparaison ensuite.

Ce que ces données disent aux RH

L’OCDE et l’INSEE convergent sur un constat que les directions RH ont intérêt à faire valoir. Si l’écart d’adoption se creuse, ce n’est pas parce que certaines entreprises seraient plus riches ni certains salariés plus doués, mais parce que l’IA ne produit d’effet qu’avec trois conditions réunies : des données propres, des processus clairs et des compétences disponibles.

Ces trois conditions relèvent de l’organisation plutôt que de l’achat. C’est décevant pour qui espérait traiter le sujet par une ligne budgétaire, et plutôt encourageant pour les RH, qui tiennent déjà l’essentiel des leviers. Une PME qui s’y prend dans le bon ordre n’a aucune raison structurelle de rester en arrière.