Le taux d’adoption de l’IA par les entreprises françaises est passé de 33 % à 40 % en un an. Sur le papier, c’est une progression. Dans les faits, ça cache un problème bien plus profond.
Selon le MIT NANDA, 95 % des projets IA déployés en entreprise n’ont produit aucun gain mesurable. C’est le paradoxe central d’une note publiée par l’Institut Montaigne et signée par Charleyne Biondi, docteure en sciences politiques de l’Université Columbia. Son diagnostic est clair : le problème n’est pas un retard d’adoption, c’est la qualité de l’intégration.
« La donnée la plus instructive, ce ne sont pas les 95 %, ce sont les 5 % restants, qui captent cinq à dix fois plus de valeur que la moyenne sur les mêmes technologies », explique Charleyne Biondi. Ce chiffre mérite qu’on s’y arrête.
Modernisation sans transformation : le piège invisible
Ce que l’Institut Montaigne appelle la “modernisation sans transformation”, c’est le cas le plus fréquent. Les collaborateurs sont équipés d’outils IA, les gains existent, mais ils restent au niveau individuel. La fiche de poste ne change pas. La chaîne de valeur n’est pas repensée. Et les résultats ne remontent jamais au compte de résultat.
Concrètement : ton équipe rédige des briefs plus vite avec ChatGPT, mais le process de validation en aval prend toujours autant de temps. Le gain disparaît dans le pipeline.
C’est exactement ce que j’observe sur les projets d’automatisation business que je documente depuis deux ans. Les équipes adoptent des outils, mais sans revoir leurs workflows de fond en comble. Résultat : l’outil s’ajoute à la pile, il ne remplace pas la friction.
Les trois pièges qui s’enchaînent
La note identifie une séquence de trois écueils mécaniquement liés.
Piège 1 : le retard stratégique. Les entreprises encore en position d’attente. Elles observent, testent à la marge, attendent que “le marché se stabilise”. Pendant ce temps, les 5 % qui intègrent vraiment creusent l’écart.
Piège 2 : l’intégration superficielle. C’est le cas le plus répandu. On équipe les collaborateurs sans transformer les processus ni les conditions de compétitivité. « C’est le piège de la micro-productivité : on automatise des gains individuels, on devient plus efficace en surface, mais les conditions de la compétitivité ne changent pas », décrit Charleyne Biondi.
Piège 3 : la dépendance captive. Le plus insidieux. « Une situation de dépendance captive ressemble à première vue à une réussite », résume Charleyne Biondi. L’organisation a profondément intégré l’IA, redessiné ses processus, obtenu des résultats mesurables. La dépendance se révèle plus tard, quand la tarification évolue ou que migrer vers un autre fournisseur devient trop complexe.
Le cas Anthropic est cité en exemple direct. Quand le gouvernement américain impose des contrôles à l’exportation et qu’Anthropic obtempère, les entreprises qui ont bâti leur stack opérationnelle dessus se retrouvent exposées sans avoir vu le risque venir.
Comme pour le Web 2.0, ce sont des accumulations de petites décisions d’urgence, chacune rationnelle prise isolément, qui construisent la dépendance. On connaît le film avec AWS, avec Salesforce, avec Google Workspace. Avec l’IA agentique, le risque est encore plus profond parce qu’on touche directement à toute la machinerie opérationnelle.
C’est une réflexion qui rejoint ce que j’aborde sur le choix d’un CRM ou d’un outil d’email marketing : la question de la portabilité des données et de l’interopérabilité doit être posée avant de signer, pas après deux ans de dépendance.
Sept recommandations concrètes
La note formule sept recommandations sur deux niveaux.
Pour les dirigeants (3 priorités)
Remonter les décisions d’intégration IA au COMEX. Trop souvent, ces décisions ont été traitées comme des décisions techniques, déléguées à la DSI ou poussées en bottom-up par les fournisseurs eux-mêmes. L’IA agentique est un sujet stratégique, pas un choix d’outillage.
Refonder le rôle des managers intermédiaires. Superviser un agent IA n’est pas une extension de la supervision d’un collaborateur humain. Le mandat change de nature. Les managers intermédiaires ont besoin d’un nouveau cadre, pas d’une formation de deux heures sur Copilot.
Construire les compétences au moment où elles sont utiles. Pas en amont dans des programmes déconnectés de la transformation réelle, mais dans les équipes qui mènent les projets, quand elles en ont besoin.
Pour les pouvoirs publics (4 leviers)
Faire de la commande publique une doctrine de transformation. Exiger dans tout marché public d’IA quatre conditions non négociables : interopérabilité, auditabilité, portabilité des données et sécurité des identités non-humaines. « Ce n’est pas tant une politique de préférence nationale, mais une politique de qualité architecturale », insiste Charleyne Biondi.
Produire deux biens communs. Des données publiques sémantisées et des retours d’expérience sur les propres déploiements agentiques de l’État, diffusables à coût marginal vers les PME. C’est un levier de nivellement par le haut pour les acteurs qui n’ont pas les moyens d’une DSI dédiée.
Créer un crédit d’impôt ciblé pour les TPE-PME-ETI. Il couvrirait quatre catégories : exposition sémantique des données, refonte des processus critiques, gouvernance opérationnelle des agents et formation des équipes. C’est la mesure la plus concrète de la note, et aussi la plus directement actionnables pour les entrepreneurs.
Soutenir une infrastructure agentique européenne indépendante. La note cite explicitement des acteurs comme Dust, n8n ou Prisme.ai, déjà compétitifs sur la couche orchestrateur et moteur de contexte, mais structurellement défavorisés face aux géants américains sur le capital et la distribution. Pour ceux qui construisent des workflows no-code, n8n est déjà un outil à connaître.
Ce que ça change concrètement pour toi
Si tu diriges une PME ou une startup, les chiffres sont parlants. Le taux d’adoption des PME françaises atteint 38 %, mais repose presque exclusivement sur des outils génériques sans refonte des processus. Autrement dit : beaucoup d’entreprises ont un abonnement ChatGPT Team ou un Copilot actif, mais aucun processus n’a vraiment changé.
La France affiche 40 % d’adoption contre 54 % en moyenne européenne. Charleyne Biondi relativise cet écart : « C’est une statistique mal posée. Elle suggère que l’enjeu central c’est le taux d’adoption, or ce n’est pas ça. » Le chiffre vraiment préoccupant est ailleurs : seules 19 % des entreprises françaises utilisent l’IA de manière transformatrice.
Sur la vitesse d’adoption, l’écart avec l’Europe se creuse. Sur la qualité de l’intégration, c’est encore ouvert.
Pour toi, concrètement, ça veut dire trois choses :
- Avoir un outil IA dans ta stack ne suffit pas. La question est de savoir quels processus tu as repensés autour.
- La portabilité de tes données et l’interopérabilité de tes outils doivent entrer dans tes critères de choix dès le départ. Un bon guide sur le stockage cloud commence justement par là.
- La gouvernance des agents IA est un sujet de COMEX, pas un sujet IT. Si personne autour de ta table de direction ne suit ce dossier, c’est une faille structurelle.
Mon avis
À mon avis, cette note de l’Institut Montaigne dit à voix haute ce que beaucoup d’équipes vivent sans savoir le formuler. L’IA en entreprise n’est pas un problème d’accès à la technologie. C’est un problème de design organisationnel. Les 5 % qui captent vraiment de la valeur ont tous fait la même chose : ils ont repensé leurs processus avant de choisir leurs outils. Pas l’inverse. Pour les entrepreneurs et les marketeurs qui construisent leur stack aujourd’hui, c’est le vrai message à retenir. Si tu veux aller plus loin sur les sujets de stratégie digitale et d’automation, je centralise mes ressources sur mon hub principal.
FAQ
Pourquoi 95 % des projets IA en entreprise ne produisent aucun gain mesurable ?
Selon le MIT NANDA cité par l’Institut Montaigne, la majorité des déploiements restent superficiels. Les outils sont adoptés mais les processus ne sont pas repensés. Les gains individuels existent, mais ils ne remontent pas au compte de résultat parce que la chaîne de valeur n’a pas changé.
Qu’est-ce que la “dépendance captive” dans le contexte de l’IA ?
C’est une situation où une entreprise a profondément intégré un fournisseur IA au point qu’il devient impossible ou trop coûteux de migrer. La dépendance se révèle quand la tarification change ou quand le fournisseur modifie ses conditions, comme dans le cas Anthropic cité dans la note.
Quelle est la différence entre adoption et intégration transformatrice de l’IA ?
L’adoption mesure le pourcentage d’entreprises qui utilisent un outil IA. L’intégration transformatrice mesure celles qui ont repensé leurs processus en profondeur autour. En France, 40 % adoptent l’IA mais seulement 19 % l’utilisent de façon transformatrice.
Quels critères privilégier pour choisir un fournisseur IA en entreprise ?
L’Institut Montaigne recommande quatre critères non négociables : interopérabilité, auditabilité, portabilité des données et sécurité des identités non-humaines. Ces critères s’appliquent aussi bien à la commande publique qu’aux choix privés.
Le retard de la France sur l’IA est-il rattrapable ?
Selon Charleyne Biondi, oui, mais à condition d’agir maintenant et de changer de question. L’enjeu n’est pas d’augmenter le taux d’adoption, mais d’améliorer la qualité de l’intégration. Sur ce terrain, l’écart avec l’Europe n’est pas encore creusé.
