L'IA arrive dans 20 % des entreprises de l'UE, mais ce chiffre ne mesure pas son usage intensif

La statistique européenne des entreprises situe à près de 20 % la proportion de sociétés ayant déclaré utiliser au moins une technologie d'intelligence artificielle en 2025. Ce chiffre concerne les entreprises de l'UE d'au moins dix salariés et provient de l'enquête EU-ICT-Firm d'Eurostat, analysée par Funcas.

La définition est large : il suffit qu'une entreprise indique utiliser au moins une technologie incluse dans le questionnaire pour être comptée comme adoptante. Ainsi, le pourcentage enregistre la présence déclarée de l'IA, pas la fréquence, l'étendue ni le poids économique de l'usage.

Cette distinction a des conséquences pour les dirigeants et les analystes. Une compagnie qui emploie un outil dans une équipe réduite et une autre qui l'intègre dans de nombreuses opérations peuvent compter de la même manière dans le taux agrégé. La donnée sert à suivre la diffusion, mais ne permet pas à elle seule de déduire la valeur générée par l'IA ni le nombre de processus transformés.

La série de Funcas situe la proportion d'entreprises adoptantes dans l'Union européenne à environ 7,6 % en 2021 et à près de 20 % en 2025. Cette hausse montre une diffusion considérable sur la période, bien qu'elle ne soit pas une mesure directe de la productivité ni de la maturité technologique.

La moyenne européenne masque des différences substantielles. En 2025, le Danemark, la Finlande et la Suède dépassaient 35 %, tandis que la Roumanie, la Pologne, la Bulgarie et la Grèce restaient sous les 10 %. L'Espagne a enregistré 20,3 %, pratiquement alignée sur la moyenne de l'UE ; l'Allemagne a atteint 26 %, la France 18,2 %, l'Italie 16,4 % et le Portugal 11,5 %.

L'analyse de Funcas relie les différences d'adoption à des facteurs structurels, notamment le niveau de développement économique, la capacité de recherche et la numérisation des processus. La comparaison n'est pas un classement de la qualité des entreprises : la composition sectorielle, la taille des sociétés et les conditions nationales peuvent aussi influencer les résultats.

Pour interpréter la donnée, il faut examiner qui entre dans le décompte et ce qui est considéré comme un usage. Le taux cité correspond aux entreprises d'au moins dix salariés déclarant utiliser au moins une technologie d'IA. Il ne représente pas toutes les entreprises, y compris les micro-entreprises exclues de ce seuil.

L'enquête ne révèle pas non plus les différents degrés de déploiement. Une réponse affirmative n'indique pas si l'outil est utilisé occasionnellement ou de manière continue, par combien de personnes, à quelle fonction il sert ni s'il est connecté à des processus critiques. Funcas souligne que les données ne mesurent pas l'intensité par des variables comme le nombre de travailleurs ou les heures consacrées.

Par conséquent, les pourcentages d'enquêtes ou de rapports distincts ne sont pas toujours comparables. La population observée, les secteurs inclus, les technologies interrogées et le concept mesuré peuvent varier. Avant de confronter les chiffres, il convient de vérifier la population, la question, l'année et la méthodologie : une mesure de préparation à l'IA n'équivaut pas à un taux d'usage déclaré.

Le taux d'adoption ne suffit pas pour conclure qu'une entreprise est passée de l'expérimentation de l'IA à son incorporation dans les opérations centrales. Pour évaluer cette transition, des données sont nécessaires sur les processus affectés, les décisions soutenues par des systèmes d'IA, le nombre d'employés qui les utilisent et les résultats obtenus par rapport à une référence comparable.

Le Baromètre de progression de l'IA d'Accenture offre une perspective différente. L'étude suit les 3 000 plus grandes entreprises du monde et évalue les capacités liées à la préparation pour tirer parti de l'IA, avec un score européen de 43,1 contre 48,9 en Amérique du Nord. C'est un indicateur de préparation des grandes entreprises, pas un taux d'adoption de l'ensemble des entreprises européennes.

Les deux mesures répondent à des questions différentes : Eurostat estime combien d'entreprises d'un univers défini déclarent un usage quelconque ; Accenture évalue les capacités d'un groupe de grandes entreprises. Pour décider où investir, une entreprise devrait distinguer entre usage initial, préparation organisationnelle et intégration effective, plutôt que de les résumer par un seul pourcentage.

Adopter l'IA peut exiger des données exploitables, une infrastructure, des compétences et des changements organisationnels. L'étude de Funcas constate que l'adoption commence plus tôt et progresse plus vite dans les pays à plus fort développement économique ; elle signale également des différences liées à la capacité scientifique et technique et au degré de numérisation des processus de production.

L'adoption déclarée et la préparation des entreprises sont des indicateurs observés dans les études citées ; une projection, en revanche, exprime une estimation sur une évolution future possible. Elles ne doivent pas être traitées comme des mesures interchangeables : le fait qu'une prévision envisage plus d'investissement ou de déploiement ne prouve pas que ce changement s'est déjà produit.

L'écart peut exister au sein d'un même pays ou d'une même entreprise. La présence de l'IA ne renseigne pas à elle seule sur sa contribution : le résultat dépend de conditions complémentaires que le taux binaire ne capture pas.

La Commission européenne présente la Loi sur l'IA comme un cadre basé sur les risques visant à promouvoir l'innovation et, en même temps, une intelligence artificielle sûre et fiable. Cette approche place le risque au cœur du cadre européen, aux côtés de l'objectif de stimuler l'adoption et la compétitivité.

La Commission indique également que le Bureau européen de l'intelligence artificielle participe à l'application et au respect de la Loi en collaboration avec les États membres. Pour les entreprises, cela rend pertinent d'intégrer les responsabilités liées aux systèmes d'IA dans les décisions de déploiement, en plus de considérer les données, l'infrastructure et les compétences.

La réglementation ne remplace pas l'évaluation entreprise de chaque initiative. Un taux général d'adoption informe sur la diffusion, mais ne détermine pas comment gérer un cas concret ni quelle valeur il peut apporter. Le chiffre agrégé oriente ; la décision exige d'examiner le système et son usage.

La donnée européenne proche de 20 % est utile comme référence de diffusion, avec un périmètre délimité : entreprises d'au moins dix salariés déclarant au moins un usage de l'IA. Elle n'atteste pas qu'un cinquième des sociétés a transformé ses opérations ni ne permet à elle seule d'estimer le retour sur investissement.

Lors de la comparaison de pays, de fournisseurs ou d'études, il est judicieux d'ordonner la question avant le pourcentage : mesure-t-on l'usage, la préparation ou l'intensité ? Les petites entreprises sont-elles incluses ? Quelle année est observée ? La source étudie-t-elle des entreprises ou recueille-t-elle des réponses de dirigeants ? Comparer des métriques équivalentes aide à séparer l'usage observé des attentes.

Pour une entreprise, une évaluation utile peut suivre trois plans : identifier les outils effectivement en usage ; localiser les processus ou décisions qui ont changé ; et examiner les résultats, les coûts, les risques et les besoins de formation. Ainsi, une statistique de marché peut orienter une décision concrète : prioriser les cas dont la valeur et la gestion peuvent être évaluées, plutôt que de viser l'adoption comme objectif isolé.