67 % d’entreprises équipées, Bulletin n266, IA générative à Marseille, pourquoi les gains de productivité restent limités

L’intelligence artificielle s’installe rapidement dans les entreprises françaises, mais ses effets économiques demeurent limités. Le constat, relayé à Marseille après la publication du Bulletin n266 de la Banque de France le 3 septembre 2026, décrit une diffusion large des outils, surtout génératifs, sans transformation immédiate de la productivité. Pour les acteurs économiques marseillais, cette lecture nationale résonne avec une réalité locale faite d’expérimentations, de prudence budgétaire et de besoins très différents entre services, industrie, commerce, logistique et tourisme.

La Banque de France chiffre l’adoption à 67 %

La Banque de France estime que 67 % des entreprises françaises utilisent désormais l’IA générative. Cette catégorie regroupe les assistants conversationnels, les outils d’aide à la rédaction, les fonctions intégrées aux suites bureautiques ou les systèmes capables de résumer des documents. La progression est rapide, portée par des solutions accessibles sans investissement technique lourd et souvent activées directement par les salariés.

La taille de l’entreprise joue un rôle net. Selon les données publiées, 64 % des entreprises de 20 à 49 salariés déclarent utiliser ces outils, contre 83 % parmi celles qui comptent 1 000 salariés ou plus. Les grandes structures disposent d’équipes informatiques, de directions de la transformation et de procédures internes permettant de tester plus largement ces solutions. Les plus petites avancent davantage par initiatives individuelles.

Cette diffusion ne signifie pas une intégration profonde. Beaucoup d’usages portent sur des tâches courtes, comme la rédaction de courriels, la préparation de comptes rendus, la synthèse de dossiers ou l’aide à la recherche d’informations. Ces pratiques améliorent parfois le confort de travail, mais elles ne modifient pas nécessairement les chaînes de production, les délais de livraison ou les marges opérationnelles.

Le rapport distingue aussi l’IA générative de l’IA prédictive, moins visible mais souvent plus structurante. Cette dernière mobilise des données structurées, des modèles de prévision et des systèmes connectés aux logiciels de gestion. Son déploiement demande une architecture numérique plus solide, une gouvernance des données et des compétences spécialisées. Le sujet économique se déplace donc de l’accès aux outils vers leur capacité à transformer le fonctionnement réel des entreprises.

Marseille observe un usage concentré dans les fonctions support

À Marseille, la lecture de ces résultats prend une dimension particulière. Le tissu économique local associe services aux entreprises, activités portuaires, santé, commerce, tourisme, bâtiment, numérique et logistique. La note de la Banque de France ne publie pas d’indicateur isolé pour la ville, mais les tendances nationales éclairent les pratiques observables dans les Bouches-du-Rhône, où les entreprises testent l’IA avec des ambitions très variables.

Les premiers usages concernent surtout les fonctions support. Dans une PME de services, l’outil sert à préparer une réponse commerciale ou à reformuler une note interne. Dans une société liée à la logistique, il peut aider à classer des demandes clients ou à produire des synthèses opérationnelles. Dans l’hôtellerie et la restauration, l’intérêt porte davantage sur la communication, les réponses aux avis en ligne ou la préparation de contenus multilingues.

Ces usages produisent des gains ponctuels, mais rarement mesurés avec précision. Plusieurs dirigeants évoquent un temps gagné sur certaines tâches administratives, sans pouvoir le convertir en hausse de chiffre d’affaires ou en baisse des coûts. Le décalage tient souvent à l’absence de cas d’usage documentés. Un outil utilisé trente minutes par jour par quelques collaborateurs peut améliorer le quotidien sans modifier l’organisation globale.

Les secteurs à forte intensité de connaissances avancent plus vite. Conseil, ingénierie, recherche appliquée, formation ou communication intègrent davantage l’IA dans leurs méthodes de production. À Marseille comme dans d’autres métropoles, ces activités disposent de collaborateurs déjà habitués aux environnements numériques et aux outils collaboratifs. L’écart risque de se creuser avec les secteurs où les marges sont faibles, les plannings contraints et la donnée interne encore dispersée.

Les PME restent freinées par les données et les compétences

Le principal frein pour les PME ne se limite pas au prix des abonnements. Les outils génératifs sont relativement simples à tester, mais l’IA prédictive demande une base technique plus exigeante. La Banque de France indique qu’environ un tiers des entreprises de 20 salariés et plus utilisent ce type de solution. La proportion tombe autour de 31 % pour les plus petites structures, alors qu’elle atteint environ 60 % dans les grandes entreprises.

Cette différence s’explique par la qualité des données structurées. Pour prévoir les ventes, optimiser les stocks, détecter des anomalies de facturation ou anticiper des besoins de maintenance, une entreprise doit disposer d’historiques fiables, de formats homogènes et de logiciels capables de communiquer entre eux. Beaucoup de petites structures utilisent encore des fichiers séparés, des procédures manuelles et des outils métiers peu connectés.

La compétence constitue le second obstacle. Former les équipes à l’usage responsable de l’IA demande du temps, des règles et un accompagnement. Les questions de confidentialité, de propriété des données et de contrôle des réponses restent sensibles. Un salarié peut gagner du temps avec un assistant, mais une réponse erronée, un devis mal formulé ou une donnée client saisie dans un outil non autorisé peuvent créer un risque opérationnel ou juridique.

Les dirigeants de petites entreprises arbitrent donc entre expérimentation et prudence. Dans un contexte de coûts élevés, chaque investissement doit prouver son utilité. Le risque du bac à sable est réel, avec des tests nombreux, des démonstrations convaincantes, puis une absence de déploiement durable. Pour sortir de cette phase, les entreprises doivent choisir quelques processus ciblés, fixer des indicateurs simples et évaluer les résultats sur plusieurs mois.

Les gains de productivité dépendent de l’organisation du travail

Le point le plus sensible du Bulletin tient aux effets sur la productivité. Malgré la diffusion rapide de l’IA générative, seule un tiers des entreprises constate un impact positif net. Cette donnée invite à distinguer l’adoption d’un outil et la transformation d’un modèle de travail. Une entreprise peut utiliser l’IA tous les jours sans produire plus, vendre davantage ou réduire ses délais.

Les gains apparaissent lorsque l’organisation du travail évolue avec l’outil. Cela suppose de redéfinir les tâches, de préciser les responsabilités, de contrôler la qualité des résultats et d’intégrer l’IA aux logiciels déjà utilisés. Un assistant isolé dans un navigateur rend service à un salarié. Un outil connecté au service client, au suivi des commandes et à la base documentaire peut modifier les délais de traitement et rendre les effets mesurables.

La formation devient donc centrale. Les collaborateurs doivent apprendre à formuler des demandes précises, vérifier les réponses, repérer les biais et protéger les informations sensibles. Les managers doivent aussi éviter deux écueils, promettre des gains immédiats ou laisser chaque service expérimenter sans cadre commun. Dans les deux cas, la productivité reste difficile à évaluer et la confiance peut se dégrader.

À Marseille, l’enjeu porte moins sur la découverte de l’IA que sur son industrialisation raisonnable. Les entreprises capables de relier leurs outils, leurs données et leurs métiers auront plus de chances d’en tirer un avantage concret. Les autres conserveront des usages utiles mais périphériques, centrés sur la rédaction, la veille ou l’assistance ponctuelle. La prochaine étape se jouera dans les budgets de formation, la qualité des données et la capacité des dirigeants à choisir des priorités mesurables.

611 km WLTP, 161 500 €, Range Rover Electric arrive en France, ce que BMW iX et EQS SUV doivent désormais affronter