Le taux d'adoption de l'IA par les entreprises françaises est passé de 33 % à 40 % en un an. Pourtant, selon le MIT NANDA, 95 % des projets déployés n'ont produit aucun gain mesurable. C'est ce paradoxe qui est au cœur de la note publiée ce mardi par l'Institut Montaigne, signée par Charleyne Biondi, docteure en sciences politiques de l'Université Columbia et chercheuse associée à l'Institut. Son diagnostic : le problème n'est pas un retard d'adoption, mais la qualité de l'intégration.

« La donnée la plus instructive, ce ne sont pas les 95 %, ce sont les 5 % restants, qui captent cinq à dix fois plus de valeur que la moyenne sur les mêmes technologies », explique Charleyne Biondi. « Le vrai différentiel, c'est la qualité de l'intégration. Loin devant le budget ou l'accès aux modèles», ajoute-t-elle. Les gains existent, mais restent au niveau individuel. La fiche de poste ne change pas, la chaîne de valeur n'est pas repensée, et les résultats ne remontent pas au compte de résultat. C'est ce que l’Institut Montaigne appelle la modernisation sans transformation.

Trois écueils qui s'enchaînent

De ce constat, la note tire une séquence de trois pièges mécaniquement liés. Le premier est le retard stratégique, celui des entreprises encore en position d'attente. Le deuxième est l'intégration superficielle, qui équipe les collaborateurs sans transformer les processus ni les conditions de compétitivité. Le troisième, et le plus préoccupant, est la dépendance captive.

« Une situation de dépendance captive ressemble à première vue à une réussite », résume Charleyne Biondi. L'organisation a profondément intégré l'IA, redessiné ses processus, obtenu des résultats mesurables. La dépendance se révèle plus tard, quand la tarification évolue ou que le fait de migrer vers un autre fournisseur devient trop complexe. « Comme pour le Web 2.0, ce sont des accumulations de petites décisions d'urgence, chacune rationnelle prise isolément, qui construisent la dépendance sans qu'on s'en rende compte », analyse Charleyne Biondi. 

L'actualité récente illustre le risque concrètement. « Les dernières décisions concernant Anthropic sont une illustration parfaite du risque que nous décrivons », souligne Charleyne Biondi, en référence aux contrôles à l'exportation imposés par le gouvernement américain, auxquels Anthropic a obtempéré. Avec l'IA agentique, le risque est, selon elle, plus profond encore qu'avec le Web 2.0, puisqu’on touche directement à toute la machinerie opérationnelle des entreprises.

Sept recommandations sur deux niveaux

Face à ces risques, la note formule sept recommandations articulées sur deux niveaux indissociables. Pour les dirigeants, trois priorités. Ramener les décisions d'intégration IA au niveau du COMEX, là où elles ont été trop souvent traitées comme des décisions techniques plutôt que stratégiques, déléguées par défaut à la DSI ou portées en bottom-up par les fournisseurs eux-mêmes. « C'est le piège de la micro-productivité : on automatise des gains individuels, on devient plus efficace en surface, mais les conditions de la compétitivité ne changent pas », décrit Charleyne Biondi. 

Refonder ensuite le rôle des managers intermédiaires, dont le mandat change de nature avec les systèmes agentiques : superviser un agent IA n'est pas une extension de la supervision d'un collaborateur humain. Construire enfin les compétences dans les équipes qui mènent les projets, au moment où elles en ont besoin, et non en amont dans des programmes déconnectés de la transformation réelle.

Pour les pouvoirs publics, quatre leviers. Faire de la commande publique une doctrine de transformation gouvernée, en exigeant dans tout marché public d'IA quatre conditions non négociables : interopérabilité, auditabilité, portabilité des données et sécurité des identités non-humaines. « Ce n'est pas tant une politique de préférence nationale, mais une politique de qualité architecturale », insiste Charleyne Biondi. 

Faire ensuite de l'État le producteur de deux biens communs : des données publiques sémantisées et des retours d'expérience sur ses propres déploiements agentiques, diffusables à coût marginal vers les PME. Créer un crédit d'impôt ciblé pour les TPE-PME-ETI, couvrant quatre catégories de dépenses : exposition sémantique des données, refonte des processus critiques, gouvernance opérationnelle des agents et formation des équipes. Soutenir enfin l'émergence d'une infrastructure agentique européenne indépendante, en orientant les politiques publiques vers la couche de l'orchestrateur et du moteur de contexte, là où des acteurs comme Dust, n8n ou Prisme.ai sont déjà compétitifs, mais restent structurellement défavorisés face aux géants américains sur le capital et la distribution.

Un retard rattrapable ?

La France affiche 40 % d'adoption contre 54 % en moyenne européenne. Un écart que Charleyne Biondi relativise. « C'est une statistique mal posée. Elle suggère que l'enjeu central c'est le taux d'adoption, or ce n'est pas ça », rappelle-t-elle. Le chiffre vraiment préoccupant est ailleurs : seules 19 % des entreprises françaises utilisent l'IA de manière transformatrice. Pour les PME, le taux d'adoption atteint 38 %, mais repose presque exclusivement sur des outils génériques sans refonte des processus. « Sur la vitesse d'adoption, l'écart se creuse. Mais sur la qualité de l'intégration, c'est encore largement ouvert », conclut Charleyne Biondi. C'est là que la France et l'Europe peuvent encore peser sur leur trajectoire, à condition d'agir maintenant.