Au cours des deux dernières années, de nombreuses entreprises ont passé de la simple expérimentation de l’intelligence artificielle (IA) à une intégration en tant qu’élément central de leur stratégie. Le récit est connu : copilotes pour les employés, automatisation des tâches, assistants pour le service client, analyses plus rapides, avec une promesse quasi inévitable d’efficacité. Pourtant, lorsqu’on interroge sur les résultats concrets, la réalité est bien plus froide que l’enthousiasme marketing.

Une récente étude du National Bureau of Economic Research (NBER) quantifie cette impression de « bruit et peu de résultats ». Les chercheurs présentent des données à l’échelle internationale, basées sur une enquête auprès de près de 6 000 CFO, PDG et dirigeants aux États-Unis, au Royaume-Uni, en Allemagne et en Australie. Le point saillant : un contraste évident. Environ 70 % des entreprises déclarent utiliser activement l’IA, mais plus de 80 % n’ont pas constaté d’impact significatif sur la productivité ou l’emploi au cours des trois dernières années.

Une utilisation étonnamment limitée chez ceux qui décident

Le clé réside peut-être dans un détail qui remet en cause de nombreuses hypothèses. Bien que « plus de deux tiers » des hauts responsables prétendent utiliser l’IA régulièrement, le temps moyen consacré à son usage n’est que d’1,5 heure par semaine, et 25 % n’y recourent pas du tout.

En d’autres termes : l’adoption existe, mais l’intensité est faible. Et si ceux qui ont la capacité de redessiner les processus et d’inciter au changement utilisent peu l’IA, il est facile qu’elle reste à un niveau superficiel (consultations ponctuelles, brouillons, résumés) sans transformer véritablement la façon dont on produit, vend, sert ou exploite.

Le « paradigme du micro-ordinateur » refait surface

Ce paradoxe n’est pas nouveau pour l’économie : des technologies avec un potentiel immense qui mettent des années à se refléter dans des indicateurs agrégés. L’histoire de la productivité montre des périodes où l’investissement technologique cohabite avec des améliorations discrètes, en partie parce que les bénéfices dépendent moins du hardware que d’une réorganisation des processus, de la formation des employés et d’une nouvelle façon de travailler. Selon des données historiques citées par le BLS, la productivité (sortie par heure) a augmenté en moyenne de 2,9 % par an entre 1948 et 1973, puis a notablement ralenti dans les années suivantes avant de retrouver une certaine dynamique dans les années 80.

Ce n’est pas une analogie parfaite — l’IA n’est pas un PC —, mais elle reste utile : lorsque la technologie n’est qu’une « couche supplémentaire » appliquée à ce qui existait déjà, son impact tend à se diluer. Lorsque elle oblige à redessiner le système (flux de travail, outils, incitations, indicateurs), alors des sauts significatifs peuvent se produire.

Pourquoi l’IA ne « fait pas encore bouger le compteur »

Dans le contexte des entreprises, la productivité s’améliore rarement simplement lorsqu’une nouvelle solution est déployée. Elle évolue plutôt lorsque plusieurs conditions sont réunies simultanément :

• Cas d’usage clairement définis : quelqu’un est responsable du résultat (temps, coût, qualité), plutôt que simplement « déployer l’IA ».
• Intégration dans le travail réel : l’IA dans le CRM, ERP, ticketing, CI/CD, bases de connaissance… et non comme un onglet séparé.
• Données et autorisations prêtes : si l’information est fragmentée ou inaccessible, l’IA ne pourra que produire des généralités.
• Formation opérationnelle et habitudes : passer de « poser des questions » à « déléguer des tâches » avec un contrôle adapté.
• Mesure avec des indicateurs pertinents : il ne suffit pas de compter « utilisateurs actifs » ; il faut suivre le cycle de résolution, le temps par ticket, le taux de conversion, le retravail, les incidents, etc.

Si l’un de ces points est absent ou insuffisamment développé, le résultat est souvent ce que décrivent nombreux équipes : de légers gains en minutes ici et là, sans changement systémique perceptible sur la productivité globale.

L’aspect intéressant : l’espoir reste vif

Le même étude montre que l’optimisme demeure. Les entreprises anticipent que, dans les trois prochaines années, l’IA renforcera la productivité de 1,4 %, augmentera la production de 0,8 %, et entraînera une réduction nette de l’emploi de 0,7 %. Par ailleurs, une divergence de perceptions apparaît : les employés interrogés prévoient une augmentation de l’emploi de 0,5 % grâce à l’IA, tandis que les dirigeants prévoient des baisses nettes.

Ce choc d’attentes est crucial pour toute organisation souhaitant éviter les frictions internes : si la direction présente l’IA comme un outil de substitution, mais que les équipes la perçoivent comme une façon de « faire plus avec moins » (ou d’éviter des tâches pénibles), le climat se tend. Et l’adoption réelle — celle qui modifie les métriques — risque de stagner.

Ce que doivent faire les équipes tech pour éviter que cela ne devienne un simple « théâtre de l’IA »

Pour une organisation technologique, la conclusion est claire : si une entreprise veut améliorer sa productivité, elle ne doit pas se demander « quel modèle utiliser ? », mais « quels processus devons-nous redessiner ? ». Voici quelques priorités qui ont souvent du succès :

1. Sélectionner 3 à 5 flux clés et désigner un responsable pour chacun : support, ventes, ingénierie, finance, etc.
2. Identifier et éliminer les goulets d’étranglement : points où le travail manuel s’accumule : triage, recherche d’informations, rédaction répétitive, classification, validations.
3. Mettre en place des métriques avant et après : temps de cycle, taux d’escalade, retravail, qualité perçue, coût unitaire.
4. Établir des contrôles : sécurité, permissions, traçabilité, revue humaine, pour limiter les risques d’erreurs ou de dérapages.
5. Investir dans le changement organisationnel : formation pratique, modèles opératoires, « playbooks », et incitations alignées avec la vraie adoption.

La conclusion aujourd’hui n’est pas que l’IA « ne fonctionne pas », mais qu’en réalité, dans de nombreuses sociétés, elle n’est pas encore utilisée avec l’intensité, l’intégration et le remaniement nécessaires pour que la productivité en bénéficie réellement. La technologie est là ; la transformation opérationnelle reste en chantier.

source : IA en bureau