En résumé : l’adoption de l’IA par les PME a doublé en un an en France. Mais derrière les chiffres encourageants, les disparités restent fortes et les freins bien réels. Panorama d’un basculement en cours, entre accélération et points de vigilance.

Une adoption qui a changé d’échelle

Le doute n’est plus permis sur la dynamique, l’étude Bpifrance Le Lab sur l’IA générative, publiée en février 2026, établit que 55 % des TPE-PME françaises utilisent désormais l’IA générative, contre 31 % fin 2024. En parallèle, Bpifrance a investi 220 millions d’euros en capital-développement IA en 2025, contre 17 millions l’année précédente (Bpifrance Le Lab, février 2026). Le signal est clair : l’écosystème public pousse dans la même direction que le marché.

Lire également : L'intelligence artificielle et le machine learning : transformer notre quotidien à une vitesse fulgurante

Le baromètre France Num 2025, réalisé auprès de 11 021 entreprises, confirme la tendance avec un angle complémentaire : 26 % des TPE-PME déclarent utiliser l’IA (contre 13 % en 2024), et l’usage a doublé dans tous les secteurs. Dans le tourisme et la construction, il a même quadruplé (France Num, septembre 2025).

À l’international, le tableau est encore plus avancé. Selon McKinsey (The State of AI, novembre 2025), 88 % des organisations utilisent l’IA dans au moins une fonction, et 72 % utilisent spécifiquement l’IA générative, contre 33 % un an plus tôt.

A découvrir également : L'intelligence artificielle : comment elle transforme les stratégies marketing et améliore l'expérience client

Les PME rattrapent leur retard sur les grandes entreprises

Un point souvent sous-estimé : le fossé entre grandes et petites entreprises se réduit rapidement. Aux États-Unis, la Small Business Administration relève qu’en février 2024, les grandes entreprises utilisaient l’IA 1,8 fois plus que les petites (11,1 % contre 6,3 %). En août 2025, l’écart s’est nettement resserré : 10,5 % contre 8,8 % (SBA, 2025). Les PME n’ont plus qu’environ un an de retard sur les grandes structures en matière d’adoption, alors que pour des technologies précédentes comme le haut débit, ce décalage se comptait en années.

Côté américain toujours, la US Chamber of Commerce rapporte que 96 % des petites entreprises prévoient d’adopter les technologies émergentes dont l’IA, et que 58 % utilisent déjà l’IA générative en 2025 (US Chamber, 2025).

En France, l’étude Bpifrance Le Lab de juin 2025 (1 209 dirigeants interrogés) montre que 43 % des PME-ETI ont adopté une stratégie IA formalisée. Quatre profils de dirigeants se dessinent : les Innovateurs, les Expérimentateurs, les Bloqués et les Sceptiques. Les deux premiers groupes représentent désormais la majorité.

L’impact économique : des gains réels mais un effet macro encore invisible

C’est le paradoxe le plus intéressant de 2026. Les entreprises qui adoptent l’IA rapportent des gains concrets : selon McKinsey, les cas d’usage les mieux documentés (coding, service client) montrent des gains de productivité médians d’environ 30 % (Goldman Sachs, 2023-2026). Pourtant, Jan Hatzius, chef économiste de Goldman Sachs, estimait en février 2026 que l’impact de l’IA sur le PIB américain en 2025 restait « basically zero » au niveau macroéconomique.

Comment expliquer cet écart ? Goldman Sachs trace un parallèle avec l’adoption du moteur électrique et du PC : l’impact macro ne se manifeste que lorsqu’environ 50 % des entreprises concernées ont réellement adopté la technologie. Goldman prévoit un effet visible sur le PIB à partir de 2027, et estime que l’IA pourrait augmenter le PIB mondial de 7 % (soit environ 7 000 milliards de dollars) sur dix ans.

Pour une PME, la lecture est simple : les bénéfices individuels sont déjà réels, mais la majorité du marché n’a pas encore bougé. C’est précisément cette fenêtre qui crée un avantage compétitif pour les premiers adopteurs.

Les freins qui persistent

Malgré l’accélération, des obstacles bien identifiés freinent encore une partie des PME.

Le premier est le manque de repères. France Num relève des disparités sectorielles marquées : 41 % d’adoption dans le numérique, contre 9 % dans l’agriculture (France Num, 2025). Les secteurs éloignés de la tech peinent à identifier les cas d’usage concrets.

Le deuxième frein est la sécurité. 52 % des dirigeants de TPE-PME se disent inquiets du piratage de données, un chiffre en hausse de 16 points depuis 2020 (France Num, 2025). Cette préoccupation légitime ralentit les décisions, surtout quand les solutions proposées n’apportent pas de garanties claires.

Le troisième est l’illusion du « pas concerné ». Aux États-Unis, la US Chamber of Commerce note que 82 % des très petites entreprises (moins de 5 employés) estiment que l’IA ne s’applique pas à elles (US Chamber, 2025). Ce taux baisse fortement avec la taille de l’entreprise, ce qui suggère un problème d’information et de pédagogie plutôt qu’un vrai manque d’applicabilité.

Ce qui peut faire basculer les hésitants

Pour les PME qui n’ont pas encore franchi le pas, trois leviers font la différence en 2026.

Commencer par un cas d’usage à fort ROI. Pas un « projet IA » ambitieux, mais une tâche précise, récurrente et chronophage. Le contenu marketing, le traitement d’emails ou le reporting sont les points d’entrée les plus courants.

S’appuyer sur un diagnostic externe. Des structures spécialisées comme L’Agence Sauvage proposent des audits IA gratuits qui permettent d’identifier en 30 minutes le premier levier d’automatisation pertinent, sans engagement ni prérequis technique.

Mesurer avant d’élargir. McKinsey observe que seules 6 % des organisations sont de véritables « high performers » en IA (McKinsey, 2025). Le facteur différenciant n’est pas la vitesse d’adoption, c’est la rigueur d’exécution : tester, mesurer, ajuster, puis passer au cas d’usage suivant.

L’adoption de l’IA par les PME n’est plus une question de « si », mais de « comment ». Les chiffres de 2026 montrent que le mouvement est lancé. Reste à s’assurer qu’il profite au plus grand nombre, et pas seulement aux entreprises qui avaient déjà une longueur d’avance.