Ce que mesure réellement la pénétration des nouvelles technologies en Espagne

L’indicateur de CaixaBank Research part d’une question précise : quelle place le capital associé aux nouvelles technologies occupe-t-il dans l’économie espagnole ? Publiée le 13 février 2020, l’étude construit une mesure destinée à estimer cette pénétration et à examiner son lien possible avec la croissance future. Elle porte sur le stock de capital technologique, et non sur la fréquence d’utilisation d’une application donnée.

Pour établir cette mesure, l’analyse s’appuie sur les données EU KLEMS concernant quatre catégories de capital : les logiciels et bases de données, la recherche et développement, les ordinateurs et les équipements de télécommunications. Elle rapporte le stock combiné aux heures travaillées et exprime le résultat en euros constants de 2010 par heure. L’unité relie le capital au travail, plutôt que de compter les entreprises utilisatrices.

Les auteurs expliquent que ce choix répond à une difficulté de mesure : au moment de l’étude, aucune donnée ne quantifiait directement l’intelligence artificielle en termes économiques. Ils utilisent donc des catégories d’actifs susceptibles de contribuer au développement de ces technologies, même si elles ont également d’autres usages. La mesure représente ainsi un ensemble large de capacités technologiques, et non une valorisation distincte de l’IA.

La date compte également. L’étude a été publiée en 2020 et ses résultats décrivent les séries et la période analysées à l’époque. Elle permet de comprendre une méthode et une trajectoire historique, mais ne doit pas être interprétée comme une mesure actuelle de l’économie espagnole.

Un indicateur de capital par heure travaillée et une enquête sur l’utilisation des technologies par les entreprises ne mesurent pas la même chose. Le premier rapporte un stock d’actifs au travail ; la seconde demande aux entreprises si elles utilisent certaines technologies. Ces angles sont complémentaires, mais leurs pourcentages et leurs unités ne sont pas interchangeables.

L’enquête TIC de l’INE distingue aussi ses périodes de référence : les variables d’utilisation des technologies correspondent au premier trimestre de l’année de l’enquête, tandis que les ventes par commerce électronique se rapportent à l’année précédente. Dans l’édition publiée le 22 octobre 2026, le taux d’adoption de l’IA décrit donc le premier trimestre 2026, tandis que les données sur les ventes en ligne portent sur 2025.

Parmi les entreprises de 10 salariés ou plus, l’INE a enregistré que 33,6 % utilisaient des technologies d’intelligence artificielle au premier trimestre 2026 et que 39,4 % achetaient des services de cloud computing. Parmi les entreprises de moins de 10 salariés, 21,4 % déclaraient utiliser l’IA. La taille de l’entreprise influe sur le taux observé.

Ces chiffres permettent de comparer des groupes selon l’usage déclaré, mais ils ne renseignent pas à eux seuls sur le niveau d’investissement de chaque entreprise ni sur les résultats économiques associés. D’autres indicateurs sont nécessaires pour étudier ces dimensions, notamment les dépenses, l’intensité d’utilisation ou l’évolution des indicateurs opérationnels.

Dans sa comparaison entre économies avancées, l’étude plaçait les États-Unis en tête pour le capital technologique par heure travaillée. La France et l’Allemagne se situaient dans une position intermédiaire, tandis que l’Espagne et le Royaume-Uni apparaissaient à des niveaux inférieurs. CaixaBank Research relevait également une forte progression de l’indicateur espagnol pendant les deux décennies examinées. Un niveau plus bas peut coexister avec une progression rapide.

L’article estimait que l’Espagne pourrait se rapprocher des niveaux de la France ou de l’Allemagne en une dizaine d’années si la tendance observée se maintenait. Il s’agissait d’une projection conditionnelle, et non d’un résultat confirmé par la suite ni d’une garantie. L’estimation reposait sur la persistance de la tendance relevée dans cette analyse.

La ventilation sectorielle de l’Espagne faisait apparaître des écarts entre les activités ayant un niveau élevé de capital technologique et celles situées à des niveaux moyens ou faibles. L’étude associait les niveaux supérieurs aux secteurs que l’Eurostat classe parmi les industries de haute technologie ou les services intensifs en connaissance. L’analyse couvrait 31 secteurs de l’industrie et des services, à l’exclusion de l’agriculture et des mines pour cette ventilation ; ces deux activités figuraient néanmoins dans l’agrégat national utilisé pour comparer les pays.

Les auteurs notaient que les écarts sectoriels ne convergeaient pas pendant la période analysée. Ils envisageaient aussi que les progrès futurs puissent s’étendre à des activités moins intensives en technologie, mais présentaient cette évolution comme une possibilité. La relation observée ne permet pas, à elle seule, d’établir les causes des écarts ni leur évolution future.

L’enquête de l’INE donne un aperçu plus récent de l’adoption déclarée par les entreprises. Outre l’usage de l’IA, elle indique que 34,3 % des entreprises de 10 salariés ou plus ont réalisé des analyses de données avec leur propre personnel et que 39,4 % ont acheté des services de cloud au premier trimestre 2026. Ces chiffres mesurent des pratiques déclarées, et non le capital technologique par heure travaillée.

L’écart selon la taille de l’entreprise est important pour interpréter l’adoption : l’usage de l’IA atteignait 33,6 % dans les entreprises de 10 salariés ou plus, contre 21,4 % dans celles de moins de 10 salariés. Ces proportions concernent des groupes différents ; le chiffre des grandes entreprises ne constitue donc pas automatiquement un objectif approprié pour une petite entreprise.

L’INE avertit que les données de 2025 ne sont pas strictement comparables à celles des années précédentes, en raison de modifications de la classification des activités CNAE et du champ de la population étudiée. La comparabilité entre éditions comporte des limites à prendre en compte pour évaluer les évolutions dans le temps.

Lues ensemble, les deux mesures permettent de distinguer l’accumulation de ressources technologiques de l’adoption déclarée par les entreprises. Il ne convient ni d’additionner ni de fusionner leurs chiffres : ils renvoient à des unités, des questions et des périodes de référence différentes.

La mesure du capital technologique rassemble des catégories larges. Les logiciels, bases de données, ordinateurs, télécommunications et dépenses de R&D peuvent contribuer au déploiement de l’IA, mais servent aussi à d’autres fins. L’indicateur ne distingue pas l’investissement exclusivement consacré à l’IA de l’ensemble plus vaste d’actifs utilisé comme approximation.

Le ratio par heure travaillée met en relation capital et travail et permet de comparer les dotations relatives. À lui seul, toutefois, il ne quantifie ni le rendement de chaque investissement ni la part de productivité attribuable à la technologie. Pour étudier ces effets, il faut rapprocher la mesure des résultats économiques et d’autres facteurs.

L’article indique également qu’une partie des robots industriels pouvait être classée dans des catégories générales de machines. Il devient alors plus difficile d’identifier leur contenu technologique dans les statistiques de capital. Cette remarque éclaire la portée de la classification, mais ne transforme pas l’indicateur en décompte direct des robots.

L’analyse de CaixaBank Research fournit donc une approximation de l’importance économique du capital technologique au cours de la période étudiée, ainsi que des écarts entre pays et secteurs. Mesurer le stock et évaluer ses effets sont deux tâches distinctes : la première ne démontre pas, à elle seule, un impact causal sur la croissance.

Pour une entreprise, la question pratique ne consiste pas seulement à savoir si d’autres organisations adoptent l’IA ou les services cloud, mais aussi à déterminer quel problème précis elle veut résoudre et comment elle reconnaîtra une amélioration. Les statistiques de l’INE replacent dans leur contexte les usages déclarés de certaines technologies ; la mesure de CaixaBank Research fournit un repère historique sur le capital technologique. Aucune ne remplace l’analyse de l’entreprise elle-même.

Une évaluation interne peut préciser quel actif ou service est ajouté, quel processus l’utilisera et quel résultat sera observé. Selon l’objectif, ce résultat peut être le temps nécessaire pour accomplir une tâche, le taux d’erreur ou le coût opérationnel. Définir un niveau de référence au préalable permet de comparer les changements sans confondre adoption et bénéfice.

Lorsqu’on lit des chiffres nationaux, il convient de vérifier l’année, la taille des entreprises couvertes et la définition de l’indicateur. Il faut aussi distinguer le capital accumulé, l’usage déclaré et les résultats. L’enquête de l’INE, par exemple, attribue des périodes de référence différentes à l’usage des TIC et aux ventes en ligne.

La conclusion est circonscrite : l’étude de 2020 estimait le capital technologique de l’économie espagnole et décrivait les écarts entre pays et secteurs pendant la période analysée ; l’enquête de l’INE publiée en 2026 recense l’usage déclaré de l’IA, du cloud et de l’analyse de données selon les groupes d’entreprises. Les deux mesures éclairent des aspects différents et ne déterminent pas à elles seules la contribution de chaque technologie à la croissance.