54,5 % des utilisateurs ont recours à l’IA – et pourtant, les PME restent à la traîne

6 min. de lecture

54,5 pour cent. C’est la proportion d’entreprises allemandes qui utilisent désormais l’intelligence artificielle selon l’institut ifo, un bond de près de 14 points en un an. Dans de nombreuses présentations stratégiques figure aujourd’hui la formule : nous utilisons l’IA. Ce qui y apparaît rarement : qu’utiliser et en tirer de la valeur sont deux choses bien distinctes. Et que c’est précisément le Mittelstand qui se retrouve à la traîne, coincé entre les grands groupes et les très petites entreprises.

À lire aussi :L’IA dans le Mittelstand : le goulot d’étranglement se trouve dans les systèmes hérités  /  Les agents IA en équipe : pourquoi seulement un pilote sur neuf passe en production

Ce que les 54,5 pour cent disent réellement, et ce qu’ils taisent

Ce chiffre est issu de l’enquête ifo de mai 2026, publiée début juin. C’est un bon signal : il y a un an, la valeur était de 40,9 pour cent, aujourd’hui plus de la moitié des entreprises utilisent l’IA. L’inflexion à la hausse est réelle, ce n’est pas du bruit. Ceux qui hésitaient encore en 2024 ont au moins mis un pied dans la porte en 2026.

Que signifie l’utilisation de l’IA dans l’enquête ifo ? On mesure si une entreprise déploie l’IA dans son activité, de la simple génération de texte à l’automatisation intégrée des processus. Il s’agit d’une auto-évaluation portant sur l’étendue du déploiement, et non d’une mesure de la profondeur ou de la contribution à la valeur. Une équipe qui utilise occasionnellement un chatbot compte au même titre que celle qui a intégré l’IA dans son pilotage de production.

C’est précisément ici que se cache le piège de toute présentation stratégique. Les 54,5 pour cent sonnent comme une percée, mais décrivent la diffusion, non l’impact. Dans mes projets, j’ai vu les deux cas de figure : l’entreprise fière de son taux d’adoption IA, sans un seul modèle ancré dans un processus générateur de revenus. Et celle qui parle à peine d’IA et pilote depuis longtemps ses calculs d’offres avec. Le taux ne fait pas la différence entre ces deux réalités.

Pourquoi les PME se retrouvent entre deux chaises

Le constat le plus intéressant ne figure pas dans le titre, mais dans la ventilation par taille. Les grandes entreprises affichent 67,2 pour cent, les petites structures 51,2 pour cent. Entre les deux, autour de 47 pour cent, stagnent les entreprises de taille intermédiaire. Les PME classiques ne sont donc pas seulement à la traîne des grands groupes, elles le sont aussi par rapport aux petites.

Cette situation a une raison inconfortable. Le grand groupe dispose d’une équipe IA, d’un budget et d’un département data qui travaille depuis des années à mettre de l’ordre. La petite entreprise ne possède aucun de ces dispositifs, mais bénéficie de circuits courts : le dirigeant teste un outil le vendredi après-midi et le déploie le lundi. La PME, elle, manque des deux. Trop grande pour la solution artisanale, trop petite pour disposer d’une unité IA propre. Cette position en sandwich n’est pas un échec, elle est structurelle.

Ignorer cette réalité et aborder les PME avec des méthodes conçues pour les grands groupes mène inévitablement à l’échec. Une gouvernance IA taillée pour un grand groupe étouffe une entreprise de 200 personnes. À l’inverse, le déploiement spontané d’outils pratiqué par le petit entrepreneur ne tient plus dès lors que la conformité, le comité d’entreprise et des systèmes existants entrent en jeu.

Le saut silencieux du pilote au processus

Dans presque chaque projet, la première étape IA se présente bien. Un pilote en environnement contrôlé, des données propres, une équipe motivée, un résultat présentable en comité de pilotage. Le pilote n’est pas le problème. Le problème, c’est le mètre suivant, la transition vers l’exploitation courante, là où le modèle se connecte à de vrais systèmes, avec de vraies données de référence et de vraies exceptions.

C’est là, dans cette transition, que la plupart des projets que j’ai accompagnés s’enlisent. Le taux ifo comptabilise déjà le pilote comme utilisation, mais la valeur commerciale ne se crée qu’en exploitation. Entre les deux s’étend un chemin qui n’apparaît dans aucune démonstration : qui maintient les données de référence, qui assume la responsabilité en cas de mauvaise décision du modèle, qui finance l’exploitation une fois le budget pilote épuisé. Ce ne sont pas des questions d’IA. Ce sont des questions de gestion de projet.

Le goulot d’étranglement se trouve rarement dans le modèle

Lorsqu’un projet d’IA stagne dans une PME, ce n’est presque jamais la faute du modèle. Les modèles sont meilleurs que la plupart des processus dans lesquels on cherche à les intégrer. Le goulot d’étranglement se situe à trois endroits, et tous trois sont inconfortables, car ils ne se résolvent pas par la technologie.

Premièrement, la base de données. Un modèle vaut ce que valent les données de référence qui l’alimentent. Celui qui gère ses données articles et clients depuis dix ans dans trois systèmes avec quatre versions de la vérité n’obtiendra de l’IA qu’un tri rapide de déchets de données. Deuxièmement, la gouvernance. Non pas la variante lourde avec comité et classeur de directives, mais la simple question de savoir qui peut arrêter un cas d’usage qui sonne bien mais ne rapporte rien. Troisièmement, la responsabilité. Tant que personne n’est désigné pour assumer le succès ou l’échec d’un déploiement d’IA, chaque projet reste une expérience que l’on peut abandonner à tout moment sans conséquence.

Ce sont des chantiers peu spectaculaires, et c’est précisément là que les projets spectaculaires échouent. La discipline la plus honnête dans un projet d’IA n’est pas le prompting. C’est de ne pas se mentir à soi-même, à son équipe et à ses parties prenantes en croyant que l’utilisation vaut déjà résultat.

Ce qui comptera au prochain trimestre

Pour les PME, la voie passe par moins de quantité, mais plus de profondeur. Un cas d’usage qui entre réellement en exploitation régulière et y génère des économies ou des revenus mesurables vaut plus que cinq projets pilotes en phase de vitrine. Cela exige un choix inconfortable : identifier un processus où l’IA déplace vraiment de l’argent, mettre de l’ordre dans les données de référence correspondantes et désigner une personne qui assume la responsabilité du résultat.

Les 54,5 pour cent sont une bonne nouvelle, à condition de les lire comme une ligne de départ. Celui qui les coche comme objectif atteint se retrouvera dans un an avec un taux d’utilisation élevé et un impact mince. Dans les PME, l’avantage revient à l’entreprise qui résout un seul processus si bien avec l’IA que le résultat devient visible. Le taux seul ne suffit pas à y parvenir.

Foire aux questions

Conseils de lecture de la rédaction

• Les compétences IA dans les PME : d’abord les esprits, ensuite les outils
• Make-or-Buy en matière d’IA : développer en interne ou acheter ?
• Hygiène des outils dans les PME : 5 leçons difficiles

Plus du réseau MBF Media

Source de l’image : Md Jawadur Rahman / Pexels