Écart d'adoption de l'IA par les entreprises françaises : quelles inquiétudes structurelles le rapport de la banque centrale révèle-t-il ?

La banque centrale française a récemment publié un article de recherche au titre acéré : *An AI Adoption Gap Among French Firms?* (Un écart d'adoption de l'IA parmi les entreprises françaises ?). Pour une institution dont la mission principale est la politique monétaire et la stabilité financière, s'intéresser aux applications de l'intelligence artificielle dans les entreprises sort clairement de l'ordinaire. Mais c'est précisément ce « décloisonnement » qui envoie un signal important : l'intelligence artificielle est en train de devenir une variable macroéconomique qui influence la productivité, l'emploi et la dynamique de l'inflation, et les décideurs de la Banque de France ont commencé à l'intégrer dans leur cadre d'analyse.

Pourquoi la France ? Pourquoi maintenant ? Derrière ces questions se cachent certains problèmes fondamentaux de la structure économique française.

L'écart d'adoption de l'IA n'est pas un problème nouveau, mais c'est une nouvelle grille d'explication

Traditionnellement, une caractéristique marquante de l'économie française est sa « structure duale » : d'un côté, de très grandes entreprises multinationales de classe mondiale ; de l'autre, un très grand nombre de PME. Sur le plan des technologies numériques, cette structure se traduit généralement par des grandes entreprises dotées de capacités d'informatisation plus matures, tandis que les PME restent longtemps à la traîne. L'application de l'intelligence artificielle est en train d'amplifier cette différenciation préexistante.

Si « l'écart d'adoption » signalé par le rapport de la Banque de France existe bien, sa logique profonde n'est pas difficile à comprendre : le déploiement de l'IA nécessite des données, de la puissance de calcul, des talents et une refonte des processus, autant d'éléments qui comportent des barrières à l'entrée. Les grands groupes disposent d'un avantage absolu en termes de capital et de capacités organisationnelles, tandis que les PME ordinaires n'ont peut-être même pas encore achevé la connexion à des sources de données de haute qualité. Ainsi, lorsque l'IA commence à entrer dans la fonction de production, le résultat le plus direct n'est pas un « progrès global », mais un « décollage par segments » — les leaders avancent plus vite, les retardataires restent sur place.

Pourquoi la Banque de France étudie-t-elle l'IA ?

En macroéconomie, la productivité globale des facteurs est au cœur de l'explication de la croissance à long terme. Ces dernières années, les économies développées, y compris la France, sont toutes confrontées au ralentissement de la croissance de la productivité. L'IA est considérée comme l'une des rares technologies générales susceptibles de provoquer une nouvelle envolée de la productivité. Si les opportunités d'amélioration de la productivité sont monopolisées par un petit nombre d'entreprises, la croissance globale pourrait ne pas être aussi forte que prévu et, au contraire, aggraver les déséquilibres structurels entre les entreprises.

Ce déséquilibre aurait un effet direct sur la politique monétaire et la stabilité financière. La banque centrale doit évaluer l'impact du cycle d'investissement dans l'IA sur l'inflation et l'emploi ; lorsque les grandes entreprises détenant d'importantes parts de marché réduisent leurs besoins en main-d'œuvre grâce à l'IA, les pertes d'emplois pourraient se concentrer dans les zones denses en PME, créant des frictions structurelles. Parallèlement, l'IA accroît le rendement du capital, mais élargit l'écart de revenus entre les facteurs de production, ce qui fait peser un risque d'insuffisance de la demande.

Par conséquent, le fait que la Banque de France soulève cette question peut se comprendre ainsi : l'économie française peut-elle porter une révolution de l'IA « divisée » ? Si ce n'est pas le cas, les schémas de politique publique au niveau national devront intervenir en amont.

La France à la croisée des chemins pour sa compétitivité économiqueDu point de vue de la compétitivité des entreprises, le risque réel que fait peser l’écart d’adoption de l’IA est le suivant : la « douve » qui protège les secteurs traditionnellement forts de la France pourrait être affaiblie. Les secteurs du luxe et des biens de consommation haut de gamme utilisent déjà l’IA pour l’analyse du comportement des consommateurs, l’optimisation des stocks et des prix ; la finance et l’assurance s’appuient sur la gestion intelligente des risques et l’automatisation du service client ; les groupes aérospatiaux et énergétiques, eux, mobilisent l’IA pour renforcer la R&D et la maintenance. Mais si ces applications restent cantonnées à l’intérieur des grandes entreprises, la capacité de la France à diffuser l’innovation s’en trouvera affaiblie.

Contrairement aux États-Unis, où les start-ups peuvent rapidement obtenir des financements à grande échelle, et à l’Allemagne, où les entreprises industrielles intègrent l’IA dans leurs machines et leurs processus de fabrication, le système d’innovation français repose davantage sur les dépenses publiques de recherche et les marchés publics, auxquels s’ajoutent de grandes entreprises fortement concentrées. Ce modèle a donné naissance à plusieurs percées technologiques, mais il tend à buter au stade du pilote : de nombreuses nouvelles technologies manquent de terrains d’expérimentation suffisants auprès des PME pour valider leur commercialisation. Si l’IA suit la même trajectoire, le risque pour la France est le suivant : les modèles de base et les applications clés seront dominés par les États-Unis, l’IA industrielle sera accaparée par l’Allemagne, et il ne restera à la France que quelques beaux champions nationaux (National Champions).

Au niveau de l’emploi, l’écart d’adoption de l’IA remodèle également la structure du marché du travail. Les salaires des ingénieurs de données hautement qualifiés continuent de progresser, tandis que la pression de remplacement sur les emplois répétitifs se concentre dans les services à forte intensité de main-d’œuvre. Pour la France, où les services représentent plus de 70 % du PIB, cela signifie que l’écart d’adoption pourrait se répercuter plus rapidement que dans d’autres pays industrialisés sur la répartition sociale des revenus.

L’Europe vue de France : l’IA va-t-elle redessiner la division du travail au sein de la région ?

Au sein de l’Union européenne, la France et l’Allemagne ont longtemps constitué le double noyau des grandes puissances, et doivent désormais faire face à la concurrence du Royaume-Uni, qui a fait cavalier seul dans le domaine de l’IA. Si l’écart d’adoption de l’IA entre les entreprises françaises se creuse, les écarts de productivité internes à la France risquent fort de déborder en écarts de compétitivité sur le marché européen.

Sur le plan politique, le gouvernement français a déjà apporté un soutien financier à la diffusion des technologies par le biais du plan d’investissement « France 2030 » et de la stratégie nationale pour l’IA. Mais le « fossé » suggéré par le rapport de la banque centrale rappelle aux décideurs qu’il ne suffit pas de financer la recherche en laboratoire du côté de l’offre d’IA : le véritable goulot d’étranglement se situe du côté de la demande, dans le taux d’adoption par les entreprises. Les solutions low-code destinées aux PME, les infrastructures de partage de données et la formation aux compétences en IA pourraient avoir un impact plus concret que la simple course aux modèles les plus avancés.

Parallèlement, l’environnement réglementaire européen, notamment l’Acte sur l’intelligence artificielle, impose des exigences supplémentaires aux entreprises françaises en matière de conformité. Les grandes entreprises ont les moyens de constituer des équipes de conformité, tandis que les PME peuvent se montrer réticentes face à la complexité réglementaire. Cela signifie que si la conception de la réglementation manque de flexibilité pour les PME, elle aggravera un écart d’adoption déjà existant.1. Point de bascule de l’adoption par les PME : verra-t-on apparaître davantage de services d’IA standardisés destinés aux entreprises non techniques pour les aider à franchir ce seuil ? 2. Ordre de diffusion sectorielle : comment les vitesses de déploiement dans la finance, le commerce de détail, la santé, l’industrie, etc., s’influencent-elles mutuellement ? 3. Structure de l’emploi en entreprise : l’équilibre entre les suppressions de postes liées à l’IA et les nouveaux emplois créés par l’IA pourra-t-il être atteint, et cela suscitera-t-il des débats de société ? 4. Ouverture et partage des données publiques : les cadres de gouvernance des données en France et dans l’Union européenne pourront-ils faciliter l’accès des PME à des données de haute qualité ? 5. Écosystème français des entreprises d’IA : l’essor de pépites locales de l’IA comme Mistral entraînera-t-il une nouvelle vague de diffusion de l’adoption, ou restera-t-il cantonné à la couche des modèles ?

La question posée par la Banque de France n’appelle en définitive pas une réponse par « oui » ou par « non », mais une prise de conscience lucide de la logique économique. L’écart d’adoption de l’IA n’est peut-être que le reflet des défis structurels de l’économie française : la capacité des entreprises performantes à entraîner celles qui suivent déterminera la place de la France dans le paysage économique européen au cours des dix prochaines années.

---

Source : Banque de France - An AI Adoption Gap Among French Firms?