L’IA est déjà utilisée en entreprise, mais son intégration et ses résultats restent inégaux

L’intelligence artificielle occupe une place croissante dans les stratégies d’investissement des entreprises, mais cela ne prouve pas à lui seul que les façons de travailler ont changé. L’accès, l’usage fréquent et l’intégration aux processus sont des étapes distinctes : mettre des outils à la disposition du personnel ne revient pas à les incorporer aux opérations et à la prise de décision.

L’étude mondiale State of AI in the Enterprise 2026 de Deloitte, fondée sur plus de 3 200 responsables d’entreprise et du secteur technologique dans 24 pays, illustre cette différence : environ 60 % des travailleurs ont accès à des solutions d’IA approuvées par leur organisation, mais moins de six employés sur dix parmi ceux qui y ont accès les utilisent chaque jour. De plus, seule une organisation sur quatre a mis en production au moins 40 % de ses initiatives d’IA. La disponibilité des outils ne signifie ni usage durable ni déploiement en production.

Chaque pourcentage doit être interprété en fonction de sa définition et de la population étudiée. « Utiliser l’IA » peut recouvrir des pratiques différentes, tandis qu’une prévision de dépenses exprime une intention future et non un investissement réalisé. Les taux d’adoption et les résultats des enquêtes auprès des entreprises ne doivent donc pas être traités comme des mesures directes de la productivité de l’ensemble de l’économie. L’accès, l’investissement et l’impact sont des indicateurs distincts.

Dans sa présentation espagnole de l’étude, Deloitte indique que 85 % des entreprises interrogées prévoient d’accroître leurs investissements dans l’IA au cours du prochain exercice fiscal ; près d’un tiers anticipent une hausse supérieure à 20 %. Le rapport indique également que 68 % citent l’efficacité et la productivité comme le principal bénéfice obtenu. Le premier chiffre exprime une prévision de dépenses ; le second, un bénéfice déclaré, et non une mesure de la productivité de l’ensemble des entreprises espagnoles.

Le résultat de Deloitte provient de son enquête auprès des entreprises et non d’un recensement de toutes celles du pays. D’autres mesures peuvent s’appuyer sur des définitions et des échantillons différents ; leurs taux d’adoption ne sont donc pas nécessairement directement comparables. CaixaBank Research décrit l’adoption de l’IA dans les entreprises espagnoles comme rapide, mais encore limitée et hétérogène. Ces constats indiquent une progression qui varie d’une entreprise à l’autre, et non une transformation uniforme.

Pour une direction d’entreprise, le chiffre national ne remplace pas un diagnostic interne. Il est plus utile de déterminer si l’organisation donne accès aux outils, si le personnel les utilise régulièrement et s’ils ont été intégrés à des processus précis. La maturité se mesure au travail effectivement réalisé avec l’IA, et pas seulement aux licences ou aux budgets annoncés.

Deloitte indique qu’une organisation sur quatre seulement a mis en production au moins 40 % de ses initiatives d’IA. Ce chiffre décrit l’avancement des projets dans l’échantillon mondial ; il ne signifie pas que les autres organisations n’ont aucun système en production. Il montre toutefois que passer de l’expérimentation d’une solution à son déploiement opérationnel reste difficile pour nombre des organisations étudiées. Un projet pilote et un système en production correspondent à deux étapes différentes.

Le rapport indique aussi que 84 % des organisations n’ont pas repensé les postes de travail ni les flux opérationnels pour intégrer l’IA. Ce résultat aide à comprendre l’écart entre la disponibilité des outils et la transformation de l’activité : lorsque l’adoption consiste simplement à ajouter une technologie aux processus existants, l’intégration organisationnelle reste à faire. La refonte du travail demeure un chantier important, au même titre que l’adoption technologique.

La Banque interaméricaine de développement apporte un éclairage régional, et non une estimation applicable à l’Espagne ou à l’Europe : en Amérique latine et dans les Caraïbes, son analyse distingue l’usage des outils des retombées économiques déclarées et de l’intégration aux opérations centrales. Cette comparaison permet de séparer les notions, sans rendre les résultats des régions équivalents. La diffusion d’une technologie et la création de valeur doivent être évaluées séparément.

L’intégration en entreprise soulève également des questions de compétences et de gestion. Deloitte indique qu’en Espagne, 59 % des organisations forment l’ensemble de leur personnel afin d’améliorer ses connaissances pratiques de l’IA et que 54 % ont lancé des démarches de reconversion. Ces chiffres décrivent des mesures déclarées par les organisations interrogées ; ils ne précisent pas à eux seuls la portée ou les résultats de chaque programme. La formation fait partie des réponses des entreprises au déploiement de l’IA.

Le même rapport indique que 70 % des organisations espagnoles interrogées expriment une inquiétude élevée ou très élevée quant à l’utilisation de leurs données propriétaires, et que 49 % considèrent la réglementation et la gouvernance comme l’un des principaux obstacles à l’adoption de l’IA générative. Il s’agit de perceptions recueillies par enquête, et non d’un décompte d’incidents ou d’un classement des risques. La gestion des données et la gouvernance font partie du débat sur l’adoption.

Dans une décision concrète, ces sujets se traduisent par des questions sur l’usage et la supervision des outils : quelles informations sont utilisées, qui est responsable du processus et comment leur utilisation est contrôlée. Les réponses nécessaires dépendent de l’usage professionnel et des données concernées. Une analyse au cas par cas évite de supposer que toutes les applications répondent aux mêmes exigences.

Avant de déployer une solution, l’entreprise peut établir une valeur de référence pour le processus qu’elle souhaite modifier. Selon l’objectif, elle peut suivre le temps consacré à une tâche, le volume traité, les erreurs ou le délai de réponse. Elle doit ensuite comparer le même indicateur et prendre en compte les coûts pertinents d’intégration, de licences, de formation et d’exploitation. Sans mesure préalable, il est difficile d’attribuer l’évolution à l’initiative.

Il est également utile de distinguer une amélioration opérationnelle d’un résultat financier. Une tâche réalisée plus rapidement peut être un résultat important, mais sa valeur économique dépend de ses effets sur le travail et les coûts de l’entreprise. Le rendement ne se déduit ni d’une prévision d’investissement ni de l’impression générale que l’IA améliore la productivité. L’indicateur doit correspondre à l’objectif précis du projet.

Pour décider de poursuivre ou d’étendre un projet pilote, la direction peut désigner la personne responsable du processus, préciser le résultat attendu et définir les critères d’évaluation des progrès. Les chiffres de Deloitte sur les initiatives en production montrent l’intérêt de distinguer expérimentation et déploiement. Une décision de passage à l’échelle exige des informations sur le cas d’usage précis, plutôt que de reposer uniquement sur l’intérêt général pour la technologie.

Les différences entre les organisations ne s’expliquent pas uniquement par le budget : l’intégration de l’IA implique aussi des changements dans les processus, la formation et la gouvernance, des aspects présents dans l’analyse de Deloitte. Les chiffres cités ne permettent toutefois pas d’attribuer les résultats à un seul facteur ni de conclure que la taille d’une entreprise détermine sa capacité à en tirer profit. Mieux vaut éviter les explications universelles tirées d’une seule enquête.

Avant d’étendre une initiative, la direction peut examiner quatre points :

• Processus : quelle activité l’initiative vise à modifier.
• Indicateur : quel résultat sera observé et quel est son point de départ.
• Responsabilité : qui suivra le déploiement et ses résultats.
• Coûts : quelles ressources seront nécessaires en plus de l’outil.

Ces questions ne garantissent pas un rendement. Elles aident à préciser ce qui est évalué et à distinguer un essai d’une application opérationnelle.

En 2026, les chiffres de Deloitte et de CaixaBank Research décrivent des investissements actifs et une adoption inégale ; ils ne constituent pas une mesure définitive de l’effet de l’IA sur la productivité de l’ensemble de l’économie espagnole. Pour chaque entreprise, la décision utile consiste à vérifier si une application précise s’intègre au processus visé et quels résultats elle produit. Les signes d’usage et d’intégration sont plus instructifs qu’une prévision budgétaire, même si l’impact économique doit être mesuré séparément.