IA dans l’industrie française : l’état des lieux de la rentrée 2026

Deux chiffres circulent cette rentrée, et ils semblent se contredire frontalement. L'Insee mesure que 18 % des entreprises françaises de dix salariés ou plus utilisaient au moins une technologie d'intelligence artificielle en 2025. Bpifrance Le Lab relève que 55 % des TPE et PME déclarent utiliser l'IA générative fin 2025. Aucun des deux n'est faux.

Comprendre pourquoi ces deux mesures divergent de trente-sept points est le meilleur point d'entrée pour saisir où en est réellement l'industrie française à la rentrée 2026. Cet article rassemble les données publiques disponibles, explique ce que chacune mesure exactement, et en tire ce qui compte pour une PME ou une ETI industrielle qui prépare son budget du prochain exercice. Toutes les sources sont datées et référencées en fin d'article, et le tableau de synthèse est reproductible.

Deux chiffres, deux définitions

L'écart entre 18 % et 55 % n'est pas une erreur de mesure. C'est la conséquence de deux questions différentes posées à deux populations différentes.

L'Insee interroge l'entreprise comme unité statistique, sur un champ d'entreprises de dix salariés ou plus, dans le cadre de son enquête annuelle sur les technologies de l'information. La question porte sur l'usage d'au moins une technologie d'IA au sens large — analyse de texte, reconnaissance vocale, vision, apprentissage automatique, génération de contenu — et la réponse engage l'organisation. Elle décrit donc l'IA installée dans l'entreprise.

Bpifrance Le Lab interroge des dirigeants de TPE et PME, sur un champ qui descend bien en dessous de dix salariés, et sur l'IA générative uniquement. Une réponse positive signifie « quelqu'un, chez nous, s'en sert » — y compris une seule personne, y compris sur un outil gratuit ouvert dans un navigateur. Elle décrit donc l'IA pratiquée.

L'écart entre les deux mesures a un nom

Une fois les définitions posées, l'écart devient lisible. Si beaucoup plus de gens utilisent l'IA que d'entreprises ne l'ont installée, c'est que l'essentiel de l'usage se fait en dehors de tout dispositif d'entreprise : sur des comptes personnels, avec des outils gratuits, sans intégration au système d'information, sans journalisation et sans validation.

Le chiffre de Bpifrance sur l'intensité le confirme : sur les 55 % d'utilisateurs déclarés, seuls 17 % ont un usage régulier. Le reste est occasionnel — le profil exact d'un outil que l'on ouvre quand on est coincé, et non d'un outil intégré à un processus.

C'est exactement le phénomène que nous avons documenté la semaine dernière dans notre analyse du shadow IA en entreprise industrielle. Les deux articles se lisent ensemble : celui-ci mesure le phénomène à l'échelle du pays, l'autre décrit ce qu'il produit concrètement dans un bureau d'études.

L'industrie n'est pas en retard, elle est dans la moyenne

Un chiffre très bas — « seuls 7 % des industriels utilisent l'IA » — a beaucoup circulé ces derniers mois. Il n'est corroboré par aucune source publique de référence. Les données de l'Insee placent l'industrie manufacturière à 17 %, soit un point sous la moyenne nationale et au-dessus du commerce, de la construction et des transports.

Ce classement mérite une lecture attentive, parce qu'il défait deux idées reçues à la fois. La première est celle du retard industriel : l'industrie manufacturière se situe dans la moyenne, très loin des 7 % annoncés. La seconde est plus intéressante — le secteur de tête, l'information-communication à 59 %, est aussi celui qui produit ces outils. Ce n'est pas un secteur en avance, c'est un secteur qui se mesure lui-même.

Le vrai enseignement du graphique est ailleurs : hors information-communication, aucun secteur ne dépasse le tiers. Il n'existe pas, en France, de secteur d'activité réelle où l'IA soit devenue banale. L'industrie n'a donc pas de retard à rattraper sur un concurrent sectoriel imaginaire.

La vraie fracture est une fracture de taille

Si l'on cherche la ligne de partage réelle, elle n'est pas sectorielle. Elle est dimensionnelle, et elle s'élargit chaque année.

En 2023, seize points séparaient les entreprises de 10 à 49 salariés de celles de 250 salariés et plus. En 2025, l'écart est de quarante-trois points. Les grandes entreprises n'ont pas seulement progressé : elles ont accéléré près de trois fois plus vite en valeur absolue.

Ce constat explique en grande partie la perception de retard industriel. Le tissu industriel français est majoritairement composé de PME et d'ETI, dont beaucoup se situent dans la tranche des 10 à 249 salariés. Ce qui est lu comme un retard de secteur est d'abord un effet de structure : ce sont les mêmes entreprises qui n'ont ni direction des systèmes d'information étoffée, ni équipe de données, ni personne dont ce soit le métier de cadrer un projet d'IA.

La tranche des 50 à 249 salariés est celle qui bouge le plus vite en proportion — de 10 % à 31 % en deux ans, soit un triplement. C'est le segment où le sujet est en train de basculer, et c'est aussi celui où une décision prise à la rentrée produit encore un avantage relatif.

Le premier frein n'est ni le coût ni la technologie

Interrogées sur ce qui les empêche d'adopter l'IA, les entreprises françaises n'évoquent en premier ni le budget, ni la réglementation, ni la technique.

Sept entreprises sur dix déclarent ne pas voir d'utilité à l'IA dans leur activité. C'est, de très loin, le premier obstacle — devant le manque de compétences internes et l'incompatibilité des équipements.

Cette réponse est souvent lue avec condescendance, comme un manque de culture technique. La lecture inverse est plus honnête et plus utile : dans la majorité des cas, l'offre présentée à ces entreprises ne parlait effectivement pas de leur métier. Un dirigeant de mécanique de précision à qui l'on propose « un chatbot » ou « de la productivité augmentée » a raison de ne pas voir l'utilité. Si on lui parle du temps passé à estimer un temps de cycle pour un devis, ou du délai de recherche dans vingt ans de procédures, il voit très bien.

Le deuxième frein — le manque de compétences, à 54 % — confirme la lecture par la taille. Il ne s'agit pas d'un manque de compétences en IA : il s'agit d'une absence de fonction interne capable de cadrer, d'arbitrer et de tenir un projet dans la durée. C'est précisément ce qui manque entre 10 et 250 salariés.

Ce que les entreprises font réellement avec l'IA

Parmi les entreprises utilisatrices, la répartition des technologies employées est le chiffre le plus opérationnel de toute l'enquête, et le moins commenté.

L'analyse et la génération de texte dominent nettement. Autrement dit : ce que les entreprises françaises font massivement avec l'IA, c'est du traitement documentaire. Pas de la vision, pas de la maintenance prédictive, pas de l'optimisation d'ordonnancement — du document.

C'est cohérent avec ce que nous observons au cadrage. Les chantiers qui aboutissent en premier dans une PME industrielle sont presque toujours documentaires, parce que la matière existe déjà, qu'elle est mal exploitée, et qu'on peut mesurer le gain sans toucher à l'outil de production. C'est le raisonnement que nous développons dans nos cinq chantiers prioritaires du directeur industriel.

Tableau de synthèse — toutes les données citées

L'ensemble des chiffres de cet article, avec leur périmètre exact et leur source. Ce tableau est reproductible : citez-le en mentionnant les enquêtes d'origine.

Ce que ça implique pour un industriel cette rentrée

Quatre conséquences se déduisent directement de ces données, sans extrapolation.

Sur ce dernier point, le calendrier de la rentrée est court. Les échéances réglementaires de l'IA Act pour les systèmes à haut risque courent désormais jusqu'à décembre 2027, ce qui laisse le temps de qualifier ses usages — mais les obligations de transparence et de maîtrise de l'IA, elles, sont déjà applicables. Nous les avons détaillées dans notre analyse de l'IA Act depuis le 2 août 2026.

Le baromètre en version imprimable

L'ensemble de cet état des lieux est disponible en document autonome, conçu pour être diffusé en comité de direction : les chiffres, les graphiques, le tableau de synthèse et les sources. Téléchargement libre, sans formulaire.

Pour aller plus loin

• Shadow IA en entreprise industrielle — ce que recouvre concrètement l'écart entre l'IA pratiquée et l'IA installée.
• Les 5 chantiers prioritaires du directeur industriel — par où commencer quand le premier chantier reste à choisir.
• Comment mesurer le ROI d'un projet IA — la réponse au frein de l'utilité perçue.
• Chiffrage en mécanique de précision — un exemple de tâche où l'utilité se démontre en quelques minutes.
• IA Act : ce qui change pour les industriels depuis le 2 août 2026 — le calendrier réglementaire du dernier trimestre.

Sources

• Insee, Insee Première n° 2120, « Les technologies de l'information et de la communication dans les entreprises en 2025 », publiée le 21 juillet 2026 — taux d'usage de l'IA par secteur et par taille, technologies employées, freins déclarés, comparaison européenne.
• Bpifrance Le Lab, enquête de conjoncture des TPE et PME, publiée en janvier 2026 — usage déclaré de l'IA générative fin 2025 et intensité d'usage.
• Règlement (UE) 2024/1689 (IA Act), tel que modifié par le règlement (UE) 2026/1744 dit « Digital Omnibus on AI », en vigueur depuis le 27 juillet 2026 — calendrier des obligations applicables.