Mardi matin, dans une PME de trente salariés, la responsable administrative ouvre ChatGPT pour reformuler un devis, comme chaque semaine depuis un an. Le texte est propre en dix secondes. Puis elle le relit, le corrige, le recolle dans son logiciel de facturation, et la journée reprend exactement comme avant. Cette scène, la Banque de France vient de la mesurer à l'échelle du pays : son enquête publiée le 3 septembre, menée auprès de quelque 7 000 entreprises de 20 salariés et plus entre le 25 février et le 3 avril 2026, montre que plus des deux tiers des entreprises utilisent une IA générative, mais qu'une sur trois seulement constate un gain de productivité. Voici ce que ces chiffres disent de la façon dont les PME françaises se servent de l'IA, et pourquoi la majorité passe encore à côté du bénéfice.
Le paradoxe des deux tiers
Le premier chiffre est sans ambiguïté : début 2026, 67 % des entreprises d'au moins 20 salariés déclarent utiliser des outils d'IA générative, selon la Banque de France. Deux ans plus tôt, l'outil n'existait pas dans la plupart d'entre elles. L'institution parle d'une « diffusion rapide », qu'elle explique par une barrière à l'entrée très basse : un abonnement, un navigateur, aucune compétence technique. Le second chiffre tempère aussitôt le premier : seul un tiers des entreprises utilisatrices observe un effet sur sa productivité, rapporte l'AFP. Pour les deux autres tiers, l'IA est entrée dans les bureaux sans changer les résultats.
Plus l'entreprise est petite, moins elle en profite
L'enquête découpe l'adoption par taille, et l'écart se lit d'un coup d'œil : 83 % des entreprises de plus de 1 000 salariés utilisent l'IA générative, contre 64 % des entreprises de 20 à 49 salariés. Sur l'IA dite classique (analyse de données, automatisation, prédiction), le fossé est encore plus large : 30 % des entreprises de moins de 50 salariés, 60 % des plus grandes. La lecture est simple. Les grands groupes ont des équipes pour intégrer l'IA à leurs processus ; les PME ont un abonnement et de la bonne volonté. Les premières transforment leur organisation, les secondes transforment des emails.
Là où l'IA travaille vraiment : presque jamais au contact du client
Le détail des usages explique une bonne partie du paradoxe. D'après le même relevé, 74 % des entreprises utilisatrices emploient l'IA générative dans les fonctions support (marketing, ressources humaines, finance, administration) et 14 % seulement dans leur activité de production, celle qui crée la valeur et fait tourner le chiffre d'affaires. Et 85 % s'en tiennent à des outils généralistes comme ChatGPT ou Copilot, utilisés à la main, tâche par tâche. Rédiger plus vite un compte rendu fait gagner des minutes ; c'est réel, mais invisible dans un compte de résultat. Le gain mesurable arrive quand l'IA prend en charge un flux complet et répétitif, sans qu'un humain relance la machine à chaque fois.
Le frein n'est pas la technologie, c'est l'idée
Quand la Banque de France demande ce qui bloque, la réponse ne parle ni de prix ni de complexité : 38 % des entreprises utilisatrices citent le manque de cas d'usage comme premier frein, et la moitié des entreprises qui n'utilisent pas l'IA donnent la même raison. Autrement dit, l'outil est là, personne ne sait vraiment à quoi l'appliquer. Un cas d'usage, pourtant, se reconnaît à trois signes : une tâche qui revient tous les jours, des réponses qui existent déjà quelque part dans l'entreprise, et un coût réel quand personne ne s'en occupe. Le service client remplit les trois. Nos propres relevés, publiés en août, montrent que 36 % des conversations clients arrivent en dehors des horaires d'ouverture : des questions sur un délai, un prix, une disponibilité, qui attendent le lendemain matin ou partent chez un concurrent. Un assistant IA nourri des pages et des documents de l'entreprise y répond sur-le-champ, et c'est là que le gain se mesure en demandes traitées, pas en minutes de rédaction. C'est exactement ce que fait Causerie sur un site, en deux minutes de mise en place et sans développeur.
Ce que les 31 % ont compris
La Banque de France note des « gains de productivité inégaux », signe que beaucoup d'usages restent ponctuels. Les entreprises qui mesurent un effet ont fait le chemin inverse de la majorité : elles sont parties d'un problème chiffré (des tickets en attente, des devis en retard, des questions sans réponse la nuit) et ont cherché l'outil qui l'absorbe, plutôt que de partir de l'outil et de lui chercher un emploi. Deux ans après l'arrivée de ChatGPT, la question n'est plus « utilisez-vous l'IA ? » mais « quelle tâche lui avez-vous confiée entièrement ? ». Dans votre entreprise, laquelle serait la première ?