Comment CaixaBank Research mesure la pénétration des nouvelles technologies en Espagne

L’étude de CaixaBank Research, publiée le 13 février 2020, pose une question économique : quelle place les technologies associées à l’avenir occupent-elles dans l’activité espagnole, et quel lien cette place pourrait-elle avoir avec la croissance ? Elle ne dénombre pas les entreprises qui utilisent l’intelligence artificielle, mais construit un indicateur du capital technologique par heure travaillée.

Le sens du terme « pénétration » dépend de l’indicateur retenu. Dans cette analyse, il désigne l’intensité du capital lié aux nouvelles technologies dans l’économie ; il n’indique directement ni la proportion d’entreprises ayant déployé un outil particulier, ni le nombre de salariés qui l’utilisent, ni les résultats de chaque déploiement.

Publiée en 2020, l’étude décrit l’évolution du capital associé aux nouvelles technologies au cours des deux décennies précédentes et compare pays et secteurs à partir des données d’EU KLEMS. Ses résultats portent sur cette période et ne mesurent pas l’adoption technologique en 2026.

Pour estimer le développement de technologies qui ne faisaient pas l’objet d’une mesure économique directe, les auteurs utilisent les données d’EU KLEMS sur le stock de capital. Ils regroupent quatre postes : logiciels et bases de données, recherche et développement, ordinateurs et équipements de télécommunications. Cette sélection comprend des actifs numériques ainsi que des éléments susceptibles de favoriser leur création et leur fonctionnement.

La somme de ces postes est divisée par le nombre d’heures travaillées dans chaque pays ou secteur. Le résultat s’exprime en euros constants de 2010 de capital lié aux nouvelles technologies par heure travaillée. Cette normalisation permet de comparer l’intensité du capital technologique entre économies et activités, et de la mettre en regard d’autres types de capital, comme les transports ou les machines.

Selon l’article, l’intelligence artificielle était alors un phénomène relativement nouveau, sans données permettant de la quantifier en termes économiques. Les auteurs ont donc retenu des catégories de capital plus larges, liées directement ou indirectement à des technologies susceptibles de contribuer à son développement. Il ne s’agit pas d’une mesure spécifique de l’IA : certains actifs inclus peuvent avoir des usages sans rapport avec elle.

Dans la comparaison internationale de l’étude, les États-Unis affichaient le stock de capital technologique par heure travaillée le plus élevé parmi les pays avancés examinés. La France et l’Allemagne se situaient à un niveau intermédiaire, tandis que l’Espagne et le Royaume-Uni se plaçaient plus bas. Le texte relevait une importance croissante de ces technologies dans tous les pays pendant la période étudiée, malgré des positions de départ différentes.

L’analyse soulignait également le rythme de croissance de l’Espagne. Sur la base de cette tendance historique, ses auteurs estimaient que le pays pourrait rejoindre les niveaux de la France ou de l’Allemagne en une dizaine d’années, si le rythme observé se maintenait. Cette projection conditionnelle date de 2020 ; elle ne constate pas que ce rapprochement s’est ensuite produit.

L’étude signalait une limite à la comparaison : certaines technologies peuvent être comptabilisées dans des catégories de capital plus générales. CaixaBank Research indiquait qu’une partie des robots utilisés en Allemagne pouvait être classée dans les « autres machines », en dehors des postes retenus dans son panier technologique. L’indicateur peut donc ne pas rendre compte de tous les actifs lorsque leur classification statistique ne correspond pas à la définition de l’analyse.

Pour l’Espagne, l’article compare 31 secteurs de l’industrie et des services et relève des différences dans le stock de capital associé aux nouvelles technologies. Les activités les plus intensives correspondaient globalement aux industries de haute technologie et aux services à forte intensité de connaissances selon la classification d’Eurostat. L’analyse sectorielle exclut l’agriculture et les mines.

Cette correspondance ne prouve pas, à elle seule, qu’un équipement technologique plus important entraîne une production plus avancée. La classification d’Eurostat tient notamment compte des dépenses de recherche et développement, du contenu technologique des biens et services et des brevets ; les dépenses de R&D entrent aussi dans la mesure du capital de l’étude. Les deux classifications partagent certains éléments, de sorte que leur association ne constitue pas une preuve causale indépendante.

L’article de 2020 indiquait que, durant la période étudiée, aucun rapprochement n’était observé entre les groupes de secteurs à forte et à faible intensité technologique. Cette conclusion se limite aux données analysées à l’époque : elle n’établit pas que l’écart se soit maintenu ensuite et ne décrit pas, à elle seule, l’effet des technologies diffusées plus tard.

Le capital par heure travaillée ne répond pas à des questions telles que la proportion d’entreprises qui utilise l’IA, les tailles d’entreprise qui l’adoptent le plus ou les principaux obstacles à son déploiement. Pour y répondre, il faut des enquêtes auprès des entreprises, avec une population et une période de référence définies. Un capital agrégé plus élevé ne signifie pas automatiquement que davantage d’entreprises sont utilisatrices : ces indicateurs mesurent des dimensions différentes.

Par exemple, l’INE a indiqué que 21,1 % des entreprises espagnoles de dix salariés ou plus utilisaient des technologies d’IA au premier trimestre 2025 ; 44,3 % souscrivaient à des services payants d’informatique en nuage. Ces pourcentages décrivent l’utilisation déclarée dans une enquête auprès des entreprises ; ils ne mettent pas à jour la série du capital par heure travaillée d’EU KLEMS.

En octobre 2026, l’INE a publié un taux d’utilisation de l’IA de 33,6 % parmi les entreprises de dix salariés ou plus au premier trimestre de cette année. L’institut précise que, depuis l’année de référence 2025, le passage à la classification CNAE-2025 et l’ajout d’activités au champ de l’enquête rendent ces données difficilement comparables, au sens strict, avec les précédentes. La date et la définition font partie du chiffre et doivent accompagner toute comparaison.

L’étude permet de comparer pays ou secteurs selon le capital technologique par heure travaillée, mais ne mesure ni les capacités installées ni l’utilisation effective dans une entreprise donnée. Le choix de déployer un outil dépend des besoins et des caractéristiques de chaque organisation ; l’indicateur macroéconomique ne remplace pas cette évaluation interne.

Pour comparer les pays ou les secteurs, la méthode fournit une mesure commune de l’intensité du capital technologique rapportée aux heures travaillées. Son interprétation dépend des catégories retenues et de la manière dont les actifs sont comptabilisés dans chaque activité. C’est un outil de comparaison structurelle, pas une évaluation des performances d’une entreprise ni une prévision automatique de croissance.

Il convient de distinguer le stock de capital estimé de l’adoption déclarée dans les enquêtes : le premier décrit des actifs regroupés dans un indicateur économique ; la seconde mesure la proportion d’entreprises qui déclare utiliser certaines technologies. L’analyse de CaixaBank Research fournit le premier type de mesure, tandis que l’enquête de l’INE permet de consulter le second pour des périodes précises.