En deux ans, la part des travailleurs européens utilisant l’IA au travail est passée de 26 % à 52 %. Le gain de productivité mesuré atteint 4 % en moyenne, mais cette moyenne cache une fracture : en 2024, 41 % des grandes entreprises (250 personnes ou plus) utilisaient l’IA, contre 11 % des entreprises de 10 à 49 personnes et 21 % de celles de 50 à 249 personnes ; l’ensemble des entreprises de 10 personnes ou plus atteignait 13,5 % ; les entreprises de moins de 10 personnes ne sont pas couvertes par les statistiques disponibles. L’adoption de l’IA a fortement progressé entre 2023 et 2024. L’adoption demeure très inégalement répartie selon la taille de l’entreprise.

L’essentiel

  • L’utilisation de l’IA au travail a doublé en deux ans en Europe, passant de 26 % à 52 % selon la BCE.
  • Le gain moyen de 4 % est principalement porté par les entreprises moyennes et grandes.
  • Aucune donnée primaire consultée ne confirme 60 % pour les TPE de moins de dix salariés; les PME de 10 à 249 personnes sont à 19 % en 2025.
  • L’écart révèle que diffuser une technologie ne suffit pas toujours à distribuer ses bénéfices de manière équitable.
  • La fenêtre pour agir avant cristallisation des inégalités est courte : les données disponibles montrent des écarts d’adoption et suggèrent qu’un soutien à la diffusion de l’IA auprès des PME pourrait accroître la productivité.

90 % contre 60 % : deux adoptions qui ne se ressemblent pas

Les données disponibles montrent une différence marquée. La BEI estime que 45 % des entreprises européennes de plus de 250 salariés déploient l’IA; ce chiffre ne mesure pas la part des salariés utilisateurs. Aucune donnée primaire consultée ne permet d’établir une part de 60 % de salariés utilisateurs dans les entreprises de moins de dix salariés.

Adopter l’IA et en tirer un gain de productivité sont deux opérations distinctes. La première est une décision d’achat. La seconde exige de la formation, de l’organisation, du temps managérial. Une grande entreprise dispose de directions des ressources humaines, de budgets de formation, parfois d’équipes dédiées à la transformation numérique. Une boulangerie de sept salariés ou un cabinet d’expertise comptable de quatre personnes dispose d’un abonnement à un outil et d’une réunion de vingt minutes pour expliquer comment s’en servir.

Le résultat : le gain de 4 % mesuré en Europe par l’EIB Working Paper 2026/02 est une moyenne. Elle agrège des entreprises qui ont restructuré leurs processus et des entreprises qui ont installé un outil sans changer grand-chose à leur façon de travailler. La moyenne sonne bien. Elle ne dit pas à qui profite le gain.

Ce mécanisme, une technologie accessible à tous, un bénéfice capté par ceux qui ont les ressources complémentaires, n’est pas propre à l’IA. L’informatisation des années 1990 a produit le même gradient. L’adoption a été rapide, tandis que le risque de cristallisation des écarts demeure une hypothèse prospective.

Le marché diffuse sans distribuer

L’économiste Dani Rodrik a formalisé une idée selon laquelle le marché diffuse les technologies, mais ne distribue pas nécessairement les gains complémentaires : les données européennes en offrent une illustration. Sa thèse sur la politique industrielle conditionnelle repose sur ce constat. Selon Rodrik, les bénéfices d’une innovation tendent à se concentrer dans les organisations disposant déjà de ressources complémentaires.

L’accès et la mise à disposition par l’employeur comptent parmi les obstacles, avec la formation, la pertinence des tâches et les préoccupations de fiabilité. Les outils IA sont peu coûteux, souvent accessibles par abonnement mensuel. Le problème est en aval : la capacité à former les salariés, à réorganiser les tâches, à mesurer les gains et à ajuster. Les entreprises de plus grande taille disposent plus systématiquement de ces capacités.

La lecture concurrente existe. Des économistes libéraux, Philippe Aghion sur la croissance schumpétérienne, ou Tyler Cowen sur la diffusion de l’innovation, rappellent que les écarts d’adoption sont transitoires dans l’histoire longue : les technologies finissent par se diffuser avec les gains qui leur sont associés, à mesure que les coûts de formation baissent et que les pratiques se standardisent. Les tuteurs IA, par exemple, commencent à rendre l’apprentissage des outils moins dépendant d’une infrastructure de formation interne. L’argument mérite d’être pris au sérieux.

Cette thèse suppose que le temps joue en faveur de la diffusion spontanée. Or les données de la BCE indiquent que le doublement d’adoption s’est produit en deux ans, à une vitesse rapide qui pose question quant aux mécanismes de rééquilibrage. Si les grandes firmes consolident un avantage de productivité tandis que les TPE adoptent sans investir en formation, l’écart risque de se cristalliser. Les entreprises qui captent le gain l’investissent dans de nouveaux avantages concurrentiels. Les autres restent à 4 % de moins.

La tension entre ces deux lectures, diffusion spontanée ou stratification irréversible, est précisément celle que les données ne tranchent pas encore. Elles identifient l’écart. Elles ne disent pas s’il se referme seul.

La situation des travailleurs sur le terrain

Une enquête d’IG Metall publiée en juillet 2026 auprès de salariés allemands du secteur industriel apporte un éclairage que les statistiques agrégées ne contiennent pas. Les travailleurs des grandes usines décrivent une IA intégrée dans des processus formalisés : formation initiale, accompagnement, référents internes. Les salariés des sous-traitants de taille plus modeste décrivent une réalité différente : l’outil est là, parfois imposé par un donneur d’ordre, rarement accompagné. Certains l’utilisent par essais-erreurs. D’autres contournent les fonctionnalités qu’ils ne comprennent pas.

Un outil mal compris produit des erreurs que l’utilisateur ne sait pas détecter. Dans la logistique ou la comptabilité, une recommandation IA mal interprétée peut coûter plus qu’elle ne rapporte. Le gain de productivité dépend de la qualité de l’interaction entre l’outil et l’utilisateur, et cette qualité dépend de la formation.

Le blog BCE du 26 août 2026 indique que les gains de temps et l’adoption sont inégaux selon les tâches et les occupations, et que formation et soutien des employeurs sont importants. L’IA augmente la productivité de ceux qui savent déjà comment organiser un processus d’adoption. Elle laisse les autres avec un abonnement et une courbe d’apprentissage solitaire.

Le débat sur l’automatisation porte avant tout sur la redistribution des emplois, non sur leur destruction nette. La robotisation et ses effets sur l’emploi montre que la technologie redistribue plus qu’elle ne détruit. Cette redistribution suppose que les travailleurs disposent des compétences requises pour occuper les emplois vers lesquels ils sont orientés. Sans formation, la redistribution se transforme en exclusion.

La formation comme infrastructure manquante

Les économistes qui étudient les marchés du travail, Paul Osterman sur la qualité de l’emploi, Bruno Palier sur la protection sociale en transition, convergent vers un même diagnostic : la formation professionnelle continue est le maillon le plus fragile des systèmes européens. Pas l’emploi, pas le salaire, pas la protection. La formation.

Dans les grandes entreprises, la formation à l’IA s’intègre dans des dispositifs existants : plans de développement des compétences, partenariats avec des organismes certifiés, temps dédié sur le temps de travail. Dans les TPE, la formation demeure moins systématisée que dans les grandes entreprises.

Cette asymétrie suggère que le gain de productivité est inégalement distribué selon la taille de l’entreprise. L’agrégat cache la bifurcation. Un écart de productivité peut s’amplifier si les entreprises mieux dotées en ressources complémentaires consolident leur avance.

Carl Benedikt Frey a documenté les mécanismes par lesquels le progrès s’arrête quand une technologie bénéficie à quelques-uns sans se diffuser au tissu productif dans son ensemble. L’histoire de l’automatisation industrielle montre que les gagnants consolident leur avance et que les retardataires peinent à rattraper un écart qui s’est formé vite. La fenêtre de diffusion vertueuse est courte.

Rodrik appelle conditionnalité cette approche : l’aide publique porte non sur l’adoption, qui se fait seule comme le doublement en deux ans le prouve, mais sur les investissements complémentaires. Former avant d’équiper. Accompagner l’usage, pas seulement l’accès.

Avant 2030 : deux trajectoires pour le tissu productif européen

Aucune donnée primaire consultée ne confirme 60 % pour les TPE de moins de dix salariés; les PME de 10 à 249 personnes sont à 19 % en 2025. La question porte sur le bénéfice qu’elles en tirent : un gain comparable à celui des grandes firmes, ou une adoption sans retour sur coût.

Deux trajectoires sont plausibles à l’horizon 2030, et les données actuelles ne permettent pas de trancher entre elles.

Dans la première, des investissements publics ciblés permettent aux entreprises de moins de cinquante salariés d’accéder à un accompagnement complémentaire, formation, conseil, adaptation organisationnelle. Le gain de 4 % aujourd’hui concentré dans les grandes firmes se redistribue progressivement vers le tissu des PME et des TPE. L’adoption à 60 % devient un tremplin plutôt qu’un décor. Les programmes régionaux de conseil en transformation numérique, financés par une fraction du dividende fiscal généré par les grandes firmes bénéficiaires, constituent le levier le plus identifiable dans ce scénario.

Dans la seconde, les TPE continuent d’adopter sans former. Les grandes firmes peuvent réinvestir leurs gains de productivité dans d’autres avantages : amélioration des processus, recrutement de talents qualifiés, ou compression des coûts. La BEI observe des écarts d’adoption et de gains favorables aux entreprises moyennes et grandes. Un clivage pourrait émerger entre entreprises qui exploitent la technologie pour progresser et celles qui l’adoptent sans en tirer parti. Ce scénario produirait une divergence structurelle dont la correction ultérieure serait plus coûteuse que les investissements préventifs aujourd’hui.

Les signaux qui permettront de distinguer les deux trajectoires sont identifiables. Le premier : l’évolution de l’écart de productivité entre grandes firmes et TPE, mesuré annuellement à l’échelle européenne. L’EIB et la BCE disposent des instruments pour le faire, encore faut-il qu’ils publient ce suivi de façon systématique et désagrégée. Le second : la part des TPE ayant adopté l’IA qui disposent d’un programme de formation interne associé. Un taux d’adoption élevé couplé à un taux de formation faible est le signal précurseur de la bifurcation.

La Chine affronte une version comparable de ce problème dans l’industrie manufacturière : une robotisation rapide sans capital humain qualifié pour l’encadrer, avec des pénuries structurelles qui ralentissent le gain promis.

L’action européenne face aux défaillances de marché

La politique industrielle européenne dispose d’un levier que les marchés n’ont pas : la conditionnalité. Les fonds structurels, les dispositifs de soutien à la transformation numérique des PME, les programmes nationaux cofinancés, tous peuvent être reformatés pour exiger, en échange d’une aide à l’adoption technologique, la preuve d’un plan de formation associé.

Plusieurs programmes régionaux en Allemagne et aux Pays-Bas ont testé des guichets de conseil en transformation numérique pour les très petites entreprises, financés publiquement et délivrés par des organismes locaux. Les résultats préliminaires montrent un engagement soutenu des entreprises bénéficiaires, même si les gains de productivité mesurables prennent du temps à apparaître.

Le problème de ces initiatives est leur échelle : elles touchent quelques milliers d’entreprises dans des régions pilotes, alors que le tissu des TPE européennes se compte en dizaines de millions d’unités. La montée en charge suppose un financement structurel et une coordination européenne que les initiatives nationales dispersées ne peuvent pas produire seules.

La thèse de Rodrik sur la politique industrielle conditionnelle exige une capacité d’État, ou, dans le cas européen, une capacité supranationale, à définir des conditions, à les vérifier et à en tirer les conséquences. L’Union européenne dispose notamment des fonds de cohésion et du FSE+ ainsi que de recommandations et cadres de coopération sur la formation professionnelle. Leur application à la conditionnalité sur l’IA varie selon les régions et les programmes.

Le doublement montre une diffusion rapide de l’usage déclaré, malgré des obstacles persistants à l’adoption. La même vitesse est-elle possible pour la diffusion des bénéfices ? Pas spontanément. Mais l’Europe a les instruments pour l’organiser, à condition de les utiliser avant que l’écart entre grandes firmes et petites structures ne devienne la nouvelle normale.

Sources

  1. EIB Working Paper 2026/02, Banque européenne d’investissement (European Investment Bank Working Papers)
  2. BCE Blog, 26 août 2026, AI adoption and productivity in European firms
  3. IG Metall, enquête salariés industrie allemande, juillet 2026
  4. Dani Rodrik, travaux sur la politique industrielle conditionnelle et le trilemme mondialisation/démocratie/souveraineté nationale (Harvard Kennedy School)
  5. Carl Benedikt Frey, How Progress Ends (Oxford University Press)
  6. Paul Osterman, travaux sur la qualité de l’emploi et la formation professionnelle (MIT Sloan)