Adoption de l'IA dans l'UE : de 7,6 % à 20 % en quatre ans, selon Funcas

Le document de travail de Funcas publié en mai 2026 révèle un changement structurel dans l'adoption de l'intelligence artificielle au sein de l'Union européenne. Le taux d'entreprises utilisant l'IA est passé de 7,6 % en 2021 à 20 % en 2025, une augmentation que l'institution analyse à travers la théorie de la diffusion technologique. Ce saut n'est pas uniforme, mais il marque la transition d'une phase de curiosité expérimentale à une intégration opérationnelle dans les processus métier d'une partie significative du tissu entrepreneurial européen. La consolidation de cette métrique suggère que la technologie a dépassé l'étape de test initial pour devenir un composant fonctionnel de la stratégie d'entreprise.

Il est crucial de distinguer entre la diffusion mesurée et la perception de l'adoption. Alors que les enquêtes de Funcas capturent l'usage effectif rapporté par les entreprises, d'autres sources comme l'INE ou Deloitte offrent des chiffres plus élevés pour l'Espagne (21,1 % et 61 % respectivement), ce qui suggère un possible écart méthodologique ou une pénétration plus importante sur le marché ibérique. La divergence entre la moyenne de l'UE de 20 % et le chiffre espagnol de 61 % indique que l'adoption n'est pas homogène et que les indicateurs doivent être interprétés avec prudence selon la source et le critère d'« usage » appliqué. Cette variabilité oblige les analystes à contextualiser chaque donnée dans son cadre de référence spécifique avant de tirer des conclusions générales sur l'état de l'industrie.

Les prévisions de Gartner pour 2026, présentées lors de l'IT Symposium/Xpo 2025, positionnent l'IA comme l'axe central de la transformation numérique. Parmi les dix tendances stratégiques, les plateformes natives d'IA et la supercalculique d'IA se démarquent, combinant CPU, GPU et ASIC pour les charges de travail intensives. Gartner estime que plus de 40 % des entreprises leaders adopteront des architectures de calcul hybrides d'ici 2028, validant la tendance d'investissement observée au cours des quatre dernières années. Cette projection renforce l'idée que l'infrastructure de calcul spécialisée devient un actif stratégique indispensable pour maintenir la compétitivité sur les marchés mondiaux.

De son côté, le MIT Technology Review a identifié la recherche générative par IA et l'intégration de modèles de langage spécifiques à un domaine (DSLM) comme technologies émergentes clés. Ces outils permettent aux équipes plus petites de développer des applications avec une plus grande rapidité, réduisant la barrière d'entrée technique. La convergence de ces prédictions avec les données d'adoption de Funcas suggère que le marché répond à la disponibilité d'infrastructures plus accessibles et spécialisées, plutôt qu'à une innovation disruptive ex nihilo. L'accessibilité de ces plateformes démocratise le développement de solutions intelligentes, permettant aux organisations de plus petite taille de concourir dans des domaines qui nécessitaient auparavant des ressources de R&D massives.

Les données de la Banque d'Espagne (EBAE 2025) montrent que près de 20 % des entreprises espagnoles utilisent des systèmes d'IA, un taux inférieur à celui de l'Allemagne mais supérieur à celui de l'Italie. Cependant, le rapport de Deloitte cité par la Revue Intelligence Artificielle affirme que 61 % des entreprises espagnoles ont déjà mis en œuvre des solutions d'IA, plaçant l'Espagne sept points au-dessus de la moyenne européenne (54 %). Cette contradiction met en évidence la complexité de la mesure de l'adoption : tandis que la Banque d'Espagne mesure l'usage des « systèmes d'IA » au sens strict, Deloitte pourrait inclure des outils d'IA générative à seuil bas. La différence dans la définition de ce qui constitue une « solution d'IA » est le facteur déterminant qui explique l'amplitude de cet écart statistique entre les deux principales sources.

En termes sectoriels, l'adoption est plus élevée dans les services technologiques et dans les grandes entreprises productives et jeunes. Les secteurs de la banque, de l'assurance et du détail stimulent la demande sous la pression concurrentielle, où l'IA est passée d'un avantage différentiel à un impératif de survie. En revanche, les PME présentent une pénétration beaucoup plus faible, de 11 % selon l'ONTSI, contre 44 % pour les grandes entreprises, ce qui souligne l'écart d'échelle en matière de capacité d'investissement et de talent. Cette disparité structurelle indique que la taille de l'organisation reste un prédicteur plus fort de l'adoption que le secteur d'activité lui-même, du moins dans la phase actuelle de maturité technologique.

Malgré la croissance, les barrières à l'adoption persistent. Selon Zoho, 33 % des entreprises citent le manque de talent comme principal obstacle. Le rapport de la CEPAL sur l'Amérique latine, bien que géographiquement distinct, reflète une barrière structurelle similaire : le faible investissement en capital immatériel et la rareté des talents qualifiés limitent l'expansion de l'IA. En Espagne, 47 % des répondants souhaitent soutenir l'adoption de l'IA générative mais admettent ne pas avoir les connaissances nécessaires, ce qui indique un écart de compétences critique. Ce manque de profils spécialisés ne freine pas seulement la mise en œuvre, mais augmente également le coût d'opportunité des entreprises qui dépendent de consultants externes pour gérer leurs projets d'intelligence artificielle.

D'autres barrières incluent la qualité des données, la gouvernance et la réglementation. Le Règlement européen sur l'IA, en vigueur depuis février 2025, introduit des obligations de conformité qui peuvent ralentir la mise en œuvre dans les entreprises sans infrastructure de gouvernance robuste. De plus, le manque de stratégie claire est un problème récurrent : 12 % des décideurs en Espagne ont mis en œuvre l'IA sans une planification adéquate, ce qui conduit à des intégrations inefficaces et à des résultats qui ne répondent pas aux attentes de retour sur investissement. La complexité réglementaire exige une restructuration des flux de travail internes pour garantir la conformité, un processus qui nécessite du temps et des ressources que de nombreuses organisations n'ont pas encore prévus dans leurs budgets annuels.

Il existe une tension entre l'adoption réelle mesurée dans les enquêtes et les attentes d'investissement futures. Alors que 20 % de l'UE utilise déjà l'IA, les prévisions de Gartner et du MIT pointent vers une accélération en 2026-2028 portée par l'IA physique et les systèmes multi-agents. Cette divergence suggère que l'adoption actuelle n'est que la pointe de l'iceberg, et que la majeure partie de la valeur économique sera générée dans la phase de mise à l'échelle et d'optimisation, et non dans la mise en œuvre initiale. L'investissement futur sera moins orienté vers l'acquisition de licences et davantage vers l'intégration en profondeur de ces systèmes dans la chaîne de valeur, cherchant des efficiences opérationnelles qui justifient les dépenses effectuées ces dernières années.

La durabilité de cette croissance dépendra de la capacité des entreprises à surmonter les barrières de talent et de gouvernance. La démocratisation d'outils comme ChatGPT ou Copilot a abaissé la barrière d'entrée, mais l'approfondissement de l'usage nécessite un investissement en capital immatériel et une formation continue. Sans politiques actives de formation et stratégies sectorielles, le risque est que l'adoption stagne dans des pilotes superficiels, incapables de générer une productivité réelle à grande échelle. Le succès à long terme ne sera pas mesuré par la quantité d'outils installés, mais par la capacité des organisations à transformer ces données en décisions stratégiques actionnables et mesurables.