Il existe une liste. Elle circule depuis 2023, à peu près identique d'une conférence à l'autre : rédaction assistée, synthèse documentaire, service client, analyse de verbatims, formation interne, prototypage marketing, aide à la décision. Sept cas d'usage, sept promesses de retour sur investissement rapide. Le problème n'est pas cette liste — elle est raisonnable. Le problème est le chiffre collé à côté de chaque ligne.
Car des mesures existent. Elles sont publiques, elles sont sérieuses, et certaines proviennent d'essais contrôlés randomisés portant sur des milliers de salariés. Elles ne disent simplement pas ce que la diapositive prétend. Cette enquête a repris chaque chiffre à sa source primaire pour établir une chose simple : ce qui est mesuré, sur qui, et ce qui ne l'est pas du tout.
L'enquête en 30 secondes
D'où viennent les chiffres de productivité les plus cités ?
Quatre études dominent la littérature. Elles ont en commun un protocole expérimental, ce qui les distingue radicalement des sondages d'éditeurs.
La première, publiée dans Science le 13 juillet 2023 par Shakked Noy et Whitney Zhang (MIT), a réparti au hasard 453 professionnels diplômés entre un groupe ayant accès à ChatGPT et un groupe témoin, sur des tâches d'écriture professionnelle de niveau intermédiaire : notes de synthèse, communiqués, courriels structurés. Résultat : le temps moyen baisse de 40 % et la qualité évaluée en aveugle monte de 18 %. C'est le fameux « +40 % ». Il porte sur des tâches d'écriture courtes, réalisées en ligne, par des participants rémunérés à la tâche.
La deuxième est signée Erik Brynjolfsson, Danielle Li et Lindsey Raymond, publiée dans le Quarterly Journal of Economics en 2025 après une première version de travail au NBER. Elle suit le déploiement échelonné d'un assistant conversationnel auprès de 5 179 agents de support client d'un même éditeur de logiciels. Le gain est de 14 % de problèmes résolus par heure en moyenne — la version publiée arrondit l'estimation à 15 % selon les spécifications retenues. Surtout, l'effet est massivement hétérogène : +34 % pour les agents les moins expérimentés, effet quasi nul pour les meilleurs. L'IA ne rend pas tout le monde plus productif ; elle diffuse les pratiques des meilleurs vers les débutants.
La troisième est l'expérience Harvard–BCG conduite par Fabrizio Dell'Acqua et ses coauteurs auprès de 758 consultants, publiée en 2023 puis dans Organization Science en 2025. Sur dix-huit tâches situées dans le périmètre de compétence du modèle, les consultants équipés de GPT-4 traitent 12,2 % de tâches en plus, 25,1 % plus vite, avec une qualité supérieure de plus de 40 %. Sur une tâche délibérément placée hors de ce périmètre, les mêmes consultants équipés d'IA ont 19 points de pourcentage de chances en moins de produire la bonne réponse que ceux qui travaillaient sans. C'est l'origine de la notion de « frontière dentelée » : la limite entre ce que le modèle fait bien et ce qu'il fait mal est invisible pour l'utilisateur.
La quatrième, de Zheyuan Cui, Mert Demirer, Sonia Jaffe, Leon Musolff, Sida Peng et Tobias Salz, agrège trois essais randomisés menés chez Microsoft, Accenture et un industriel du Fortune 100, sur 4 867 développeurs. L'accès à GitHub Copilot fait progresser le nombre de tâches achevées de 26,08 %, avec un écart-type de 10,3 points — autrement dit un intervalle de confiance large, que les reprises marketing omettent systématiquement.
Pourquoi la même méthode donne-t-elle +26 % ici et -19 % là ?
Le 10 juillet 2025, l'organisation à but non lucratif METR a publié un essai randomisé qui contredit frontalement le précédent. Seize développeurs expérimentés, 246 tâches réelles, sur des projets open source où ils avaient en moyenne cinq ans d'ancienneté. Avec accès aux outils d'IA de la frontière technologique de début 2025, ils ont mis 19 % de temps en plus pour accomplir leurs tâches.
Le plus intéressant n'est pas l'écart, c'est l'aveuglement. Avant l'expérience, les participants prévoyaient un gain de 24 %. Après l'avoir vécue, sans connaître les résultats, ils estimaient encore avoir gagné 20 %. Ils s'étaient trompés de trente-neuf points sur leur propre productivité.
Les deux résultats sont-ils incompatibles ? Non, et la raison méthodologique mérite d'être dite. Cui et ses coauteurs mesurent un volume de tâches livrées par des développeurs d'entreprise, en majorité sur des bases de code qu'ils ne maîtrisent pas intégralement, et l'effet est le plus fort chez les moins expérimentés. METR mesure la durée de tâches précises sur des dépôts que les participants connaissent par cœur — le cas exact où l'apport de l'IA est le plus faible et le coût de relecture le plus élevé. Les deux mesurent l'IA ; ils ne mesurent pas les mêmes gens sur le même travail.
À noter, pour l'honnêteté du dossier : METR a annoncé le 24 février 2026 modifier le protocole de ses expériences de productivité, jugé insuffisamment robuste pour des modèles qui évoluent en quelques mois. Le résultat de 2025 reste publié ; il décrit un état de l'art daté.
Effets mesurés par essai randomisé, en écart absolu au groupe témoin
Que disent les chiffres français, loin des plaquettes ?
Deux sources publiques françaises mesurent l'adoption. Elles donnent des résultats spectaculairement différents, et l'écart s'explique.
L'INSEE, dans Insee Première n° 2120 publié le 21 juillet 2026, établit que 18 % des entreprises françaises de dix salariés ou plus déclaraient utiliser au moins une technologie d'intelligence artificielle en 2025 — contre 10 % en 2024 et 6 % en 2023. La France reste légèrement sous la moyenne de l'Union européenne (20 %). L'écart de taille est brutal : 15 % chez les 10-49 salariés, 31 % chez les 50-249, 58 % au-delà de 250. Le premier frein invoqué par les non-utilisatrices n'est ni le prix ni la technique : 71 % déclarent n'y voir aucune utilité, devant le manque d'expertise (54 %).
La Banque de France, dans le Bulletin n° 266 publié le 3 septembre 2026, annonce au contraire que plus des deux tiers des entreprises d'au moins vingt salariés utilisent des outils d'IA générative au début de 2026, et 83 % au-delà de mille salariés. L'enquête a été menée du 25 février au 3 avril 2026 auprès d'environ 7 000 entreprises de l'industrie, de la construction et des services marchands, soit la moitié de l'économie française.
Dix-huit pour cent contre plus des deux tiers : la contradiction est apparente, pas réelle. Trois différences de méthode l'expliquent. Les périodes d'abord — 2025 pour l'INSEE, début 2026 pour la Banque de France, sur un phénomène qui triple en deux ans. Le champ ensuite — dix salariés et plus contre vingt et plus, ce qui écarte les plus petites structures, les moins équipées. La définition surtout : l'INSEE applique le questionnaire européen harmonisé, qui interroge sur des technologies d'IA déployées par l'entreprise ; la Banque de France interroge sur l'usage d'outils d'IA générative, ce qui englobe un salarié ouvrant un assistant conversationnel dans son navigateur. La seconde mesure une pratique, la première un investissement.
Le chiffre qui compte pour un dirigeant est ailleurs, et il est le même dans les deux mondes : 31 % seulement des entreprises utilisatrices déclarent avoir déjà constaté un gain de productivité lié à l'IA générative. Deux tiers des utilisatrices, donc, ne voient rien — ou ne mesurent rien, ce qui n'est pas la même chose et que l'enquête ne permet pas de départager.
L'IA dans les entreprises françaises : adoption rapide, gains rares
0 %
Entreprises d'au moins 20 salariés déclarant utiliser des outils d'IA générative début 2026 (Banque de France)
0 %
Sociétés de 10 salariés ou plus utilisant au moins une technologie d'IA en 2025, contre 6 % en 2023 (INSEE)
0 %
Part des entreprises utilisatrices déclarant avoir constaté un gain de productivité (Banque de France)
0 %
Non-utilisatrices déclarant ne voir aucune utilité à l'IA pour leur activité (INSEE)
Quels cas d'usage sont réellement documentés par une mesure publique ?
En confrontant la liste des sept usages canoniques à la littérature, trois groupes se dégagent — et l'inégalité de preuve est frappante.
Trois cas d'usage disposent d'une mesure expérimentale. Le support client de premier niveau (Brynjolfsson et al., 5 179 agents), la production de code (Cui et al., 4 867 développeurs, et METR en contre-point), la rédaction professionnelle courte (Noy et Zhang, 453 participants). Ce sont des tâches à sortie vérifiable : on peut compter les tickets clos, les tâches livrées, les minutes écoulées.
Deux cas d'usage ne disposent que de retours d'entreprise auto-déclarés. La synthèse documentaire et l'analyse de verbatims. Les gains y sont plausibles — l'expérience BCG portait pour partie sur ce type de travail — mais aucun essai contrôlé public ne les isole. Le risque y est spécifique et connu : une synthèse fausse ressemble exactement à une synthèse juste, et personne ne relit le document source pour vérifier. C'est la frontière dentelée dans son expression la plus coûteuse.
Deux cas d'usage ne disposent d'aucune mesure publique. La formation interne et l'aide à la décision. Ils figurent pourtant en tête des plaquettes, précisément parce que leur rendement est indémontrable : personne ne saura dire dans dix-huit mois si la note d'options générée par un modèle a amélioré la décision.
Cette hiérarchie a une conséquence de gouvernance directe. Un dirigeant qui commence par les deux derniers usages engage un budget sur le segment où aucun indicateur ne pourra jamais lui donner tort — ni raison.
Le cas Klarna prouve-t-il quelque chose ?
C'est le déploiement le plus cité au monde, et son histoire tient en trois épisodes contradictoires que les plaquettes ne citent jamais ensemble.
Épisode un, le 27 février 2024. Klarna publie un communiqué : son assistant construit avec OpenAI a traité 2,3 millions de conversations en un mois, soit les deux tiers du service client, dans 23 marchés et plus de 35 langues. Il abat « le travail de 700 agents à temps plein », fait tomber le temps de résolution de 11 minutes à moins de 2, réduit de 25 % les demandes répétées, et doit améliorer le résultat de 40 millions de dollars sur l'année.
Épisode deux, mai 2025. Le directeur général Sebastian Siemiatkowski déclare à Bloomberg que l'entreprise est allée trop loin, qu'elle s'est trop concentrée sur les coûts et que le résultat a été « une qualité inférieure ». Klarna recrute à nouveau des agents humains, sous un format flexible, et s'engage à ce qu'un client puisse toujours joindre une personne.
Épisode trois, depuis. Klarna a continué de communiquer des économies annuelles révisées à la hausse, sans publier la méthode de calcul qui permettrait de les vérifier.
Ce dossier n'invalide pas l'automatisation du support : le gain de temps de traitement, lui, est resté. Il établit autre chose, et c'est le seul enseignement solide qu'on puisse en tirer : l'indicateur choisi détermine la conclusion. Mesuré en coût par contact, le déploiement est un succès. Mesuré en qualité perçue, il a été un recul assez net pour que l'entreprise fasse marche arrière publiquement. Aucune des deux mesures n'est mensongère.
Que coûte un déploiement, une fois la licence payée ?
C'est la ligne absente de tous les calculs de retour sur investissement, et elle est chiffrée.
Le coût de relecture. En septembre 2025, BetterUp Labs et le Social Media Lab de Stanford ont publié dans la Harvard Business Review une enquête auprès de 1 150 salariés américains sur ce qu'ils ont nommé le workslop : un contenu produit par IA qui a l'apparence du travail achevé sans en avoir la substance. 41 % des répondants déclaraient en avoir reçu dans le mois écoulé, pour un temps de traitement moyen de 1 heure et 56 minutes par incident, soit une estimation de 186 dollars par salarié et par mois. Ce coût est structurellement invisible : il tombe sur le destinataire, pas sur l'émetteur, donc jamais dans le calcul de celui qui déploie l'outil.
Le coût d'abandon. S&P Global Market Intelligence, dans une enquête de mars 2025 auprès de plus de mille répondants en Amérique du Nord et en Europe, mesure que 42 % des entreprises ont abandonné la majorité de leurs initiatives d'IA, contre 17 % l'année précédente, et que 46 % des preuves de concept sont arrêtées avant la mise en production. Un budget d'expérimentation qui n'est pas provisionné comme une perte probable est un budget mal construit.
Le coût de conformité. La CNIL a finalisé le 22 juillet 2025 ses recommandations sur l'application du RGPD au développement des systèmes d'IA. Le point qui concerne toutes les entreprises, y compris celles qui n'entraînent aucun modèle : envoyer des données personnelles dans une invite est un traitement, avec base légale, information des personnes et durée de conservation. Ce n'est ni interdit ni gratuit.
Le coût de mesure. Il faut un point de référence avant déploiement. Aucune des enquêtes citées ne permet de savoir combien d'entreprises en établissent un — et l'expérience METR suggère que l'estimation à dire d'expert se trompe dans les grandes largeurs.
Trois ans de chiffres sur le rendement de l'IA générative
Le chiffre fondateur : -40 % de temps
Noy et Zhang publient dans Science un essai randomisé sur 453 professionnels : temps de rédaction en baisse de 40 %, qualité en hausse de 18 %. La même année, l'expérience Harvard-BCG sur 758 consultants mesure +12,2 % de tâches et plus de 40 % de qualité dans la frontière du modèle, mais 19 points de bonnes réponses en moins hors de cette frontière.
Comment un dirigeant peut-il mesurer son propre rendement ?
Aucune étude ne donnera à une entreprise son chiffre. Elles donnent une méthode, et elle tient en quatre exigences que les résultats publiés rendent difficilement contestables.
Choisir un usage à sortie comptable. Les trois cas d'usage documentés par essai randomisé ont un point commun : un compteur existait avant l'IA. Tickets clos, tâches livrées, documents produits. Commencer par un usage sans compteur, c'est renoncer d'avance à savoir.
Relever la mesure avant, pas après. L'écart de trente-neuf points entre la perception et la réalité mesuré par METR n'est pas une curiosité : c'est le résultat attendu de toute évaluation faite de mémoire, par des gens qui ont investi du temps dans l'outil.
Cibler les moins expérimentés. C'est le résultat le plus robuste et le plus contre-intuitif de la littérature : +34 % chez les agents novices contre un effet quasi nul chez les meilleurs. Un déploiement qui commence par les experts d'une équipe optimise le segment où le gain est le plus faible.
Provisionner la relecture. Sur un usage à contenu — synthèse, note, proposition — le temps de vérification doit être compté dans le coût, pas retranché du gain. Sans quoi le calcul consiste à mesurer la vitesse de production et à ignorer le prix de la correction.
Ce que cette enquête n'a pas pu établir
Quatre limites, dites franchement.
Aucune de ces mesures ne porte sur une PME française. Les échantillons expérimentaux sont américains, sectoriels et souvent internes à de grandes organisations technologiques. Transposer +14 % de tickets par heure d'un éditeur de logiciels américain à un cabinet de dix personnes en France n'a aucun fondement statistique, et cette enquête n'en a trouvé aucun qui l'autoriserait.
Le rendement euro par euro n'existe nulle part en source primaire vérifiable. Les études mesurent du temps, des volumes et de la qualité, jamais un retour sur investissement financier. Les taux de ROI médians à trois chiffres qui circulent proviennent d'acteurs vendant du conseil ou de la licence, sur des échantillons de clients et selon des méthodes non publiées. Ils n'ont pas été repris ici.
Les modèles changent plus vite que les protocoles. Les résultats de 2023 portent sur GPT-4 dans sa première version ; ceux de METR sur l'état de l'art de début 2025. METR a d'ailleurs annoncé en février 2026 revoir son propre design pour cette raison. Toute mesure publiée décrit un état technique périmé au moment où on la lit — dans les deux sens.
La part de mesure et la part de perception ne sont pas séparables dans les enquêtes déclaratives françaises. Quand 31 % des entreprises utilisatrices déclarent un gain de productivité, on ignore combien l'ont mesuré et combien l'ont ressenti. Les 69 % restants recouvrent aussi bien une absence de gain qu'une absence d'instrument.
FAQ
L'IA générative augmente-t-elle vraiment la productivité ?
Oui, sur des tâches précises et pour certaines populations : +14 % de tickets résolus par heure pour 5 179 agents de support, +26 % de tâches achevées pour 4 867 développeurs, -40 % de temps sur des tâches de rédaction courtes. Ces gains sont concentrés sur les profils les moins expérimentés. Un essai randomisé de METR mesure au contraire une perte de 19 % de temps chez des développeurs très expérimentés travaillant sur du code qu'ils connaissent.
Combien d'entreprises françaises utilisent l'IA générative ?
Plus des deux tiers des entreprises d'au moins vingt salariés au début de 2026, selon l'enquête de la Banque de France publiée le 3 septembre 2026 auprès d'environ 7 000 entreprises. L'INSEE mesurait 18 % de sociétés de dix salariés ou plus utilisant une technologie d'IA en 2025. L'écart tient à la date, au champ et à la définition retenue : l'INSEE interroge sur des technologies déployées par l'entreprise, la Banque de France sur l'usage d'outils.
Par quel cas d'usage faut-il commencer ?
Par un usage dont la sortie était déjà comptée avant l'IA : volume de tickets, tâches livrées, documents produits. Les trois cas d'usage documentés par essai contrôlé — support client, production de code, rédaction courte — partagent cette propriété. Les usages sans compteur, comme l'aide à la décision ou la formation interne, ne permettront jamais d'établir un rendement, ni positif ni négatif.
Peut-on envoyer des données clients dans un assistant conversationnel ?
C'est un traitement de données personnelles au sens du RGPD, qui suppose une base légale, une information des personnes concernées et une durée de conservation définie. La CNIL a finalisé le 22 juillet 2025 ses recommandations sur l'application du RGPD aux systèmes d'IA. L'usage n'est pas interdit, mais il ne se décide pas au niveau du salarié qui rédige l'invite.
L'enquête en slides
