Stratégie IA en entreprise : déployer l’IA générative pas à pas

En 2025, 18 % des entreprises françaises de dix salariés ou plus utilisaient au moins une technologie d’IA, d’après l’Insee. Le taux a triplé en deux ans. Chez celles qui n’y sont pas, la première raison n’est ni le prix ni le droit : 71 % n’en voient pas l’utilité.

Une stratégie IA en entreprise commence donc par une question simple : à quoi cela va-t-il servir ici ? Ce guide suit l’ordre d’un déploiement. Il part des chiffres, puis traite six chantiers : les cas d’usage, l’outil et les données, le pilotage, les salariés, la formation et la mesure.

Il ouvre notre série sur le déploiement de l’IA. Chaque chantier renvoie vers un article qui le détaille. Pour des exemples, voyez intégrer l’IA en entreprise : 7 exemples concrets et notre guide IA et métiers.

En bref

• Insee, enquête 2025 : 18 % des entreprises de dix salariés ou plus utilisent l’IA, 58 % de celles de 250 salariés ou plus.
• Baromètre France Num 2026 : 40 % des TPE et PME utilisent l’IA, soit 14 points de plus en un an. L’usage reste minoritaire.
• Parmi les entreprises qui utilisent l’IA, 80 % achètent des logiciels prêts à l’emploi. Le premier frein est le manque d’expertise (53 %).
• Dans les entreprises d’au moins cinquante salariés, le comité social et économique est informé et consulté sur l’introduction de nouvelles technologies, ce qui inclut les systèmes d’IA d’après le guide du LaborIA.
• Le plan Osez l’IA finance une partie d’un diagnostic pour les PME et les ETI.
• Verdict : une stratégie IA se construit sur trois ou quatre tâches utiles, pas sur un catalogue d’outils. Selon nous, la règle sur les données et la formation passent avant l’achat des licences.
• Pour passer à la pratique : notre formation à l’IA générative pour les entreprises.

Stratégie IA en entreprise : où en sont les entreprises françaises

Deux enquêtes publiques donnent la mesure. La première est celle de l’Insee, publiée le 21 juillet 2026 dans Insee Première n° 2120. Elle porte sur les entreprises de dix personnes ou plus des secteurs principalement marchands, soit environ 194 000 entreprises.

Le chiffre d’ensemble est de 18 %. Il était de 10 % en 2024 et de 6 % en 2023 : le taux d’usage a été multiplié par trois en deux ans.

La taille fait l’écart. L’IA est utilisée par 15 % des entreprises de 10 à 49 salariés, par 31 % de celles de 50 à 249 salariés et par 58 % de celles de 250 salariés ou plus.

La seconde enquête regarde plus petit. Le baromètre France Num 2026, publié le 28 septembre 2026 et réalisé auprès de plus de 9 000 entreprises, compte 40 % de TPE et de PME utilisatrices. C’est 14 points de plus en un an. Chez les seules PME, la proportion atteint 53 %.

Les deux chiffres ne se comparent pas. Les champs et les dates diffèrent : le baromètre inclut les entreprises de moins de dix salariés. Ils disent pourtant la même chose : l’usage progresse vite, et il reste minoritaire.

Pourquoi les entreprises y vont, et ce qui les retient

L’Insee a demandé aux entreprises utilisatrices pourquoi elles s’y sont mises. Trois raisons dominent : optimiser les coûts, par le gain de temps ou l’automatisation de tâches répétitives (73 %), améliorer la qualité et la fiabilité des processus (64 %), réaliser des travaux complexes (56 %).

Les freins existent aussi chez celles qui ont commencé. Le manque d’expertise vient en tête (53 %). Suivent les inquiétudes sur la protection des données et de la vie privée (43 %), le manque de clarté juridique (42 %) et des coûts jugés trop élevés (33 %).

Et chez les entreprises qui n’utilisent pas l’IA ? L’ordre change. Elles sont 71 % à ne pas en voir l’utilité, et 54 % à citer le manque d’expertise. L’incompatibilité avec les équipements existants, les inquiétudes sur les données et le flou juridique sont cités chacun par 38 % d’entre elles.

Notre lecture de ces deux listes : le coût arrive derrière l’utilité et la compétence. Une stratégie qui commence par un appel d’offres répond à une question que peu d’entreprises se posent. Celle qui commence par trois tâches précises et par une formation répond aux deux freins les plus cités.

Acheter plutôt que construire

L’IA en entreprise s’achète plus qu’elle ne se fabrique. D’après l’Insee, l’acquisition repose sur des logiciels ou des systèmes du commerce prêts à l’emploi pour 80 % des entreprises qui utilisent l’IA.

Les technologies citées confirment la place du texte. Parmi ces entreprises, 56 % utilisent l’analyse du langage écrit et 43 % la génération de langage écrit ou parlé.

Reste le prix. Le baromètre France Num ajoute une information. Parmi les TPE et les PME, 19 % utilisent des solutions payantes, et 32 % chez les PME. L’effet sur l’activité est jugé positif par 68 % des utilisatrices, et par 85 % de celles qui paient leur outil.

Ce dernier écart ne prouve pas que payer suffit. À notre avis, une entreprise qui paie a souvent choisi son outil, fixé un usage et formé quelqu’un. C’est ce travail qui se lit dans le chiffre, plus que le montant de l’abonnement.

La conséquence pratique est claire pour une PME. La question n’est presque jamais de développer un modèle : elle est de choisir un outil du marché, de lire son contrat et de décider ce que l’on y saisit, trois décisions qui relèvent de la direction autant que de l’informatique.

Les six chantiers d’un déploiement

Voici la carte que nous proposons. Elle est la nôtre, et le reste de ce guide la suit.

L’ordre du tableau n’est pas une chronologie stricte. Les trois premiers chantiers se mènent ensemble, sur quelques semaines. Les trois suivants commencent avant le premier test, et non après.

Aucun de ces six chantiers n’est technique au sens strict. Ils demandent des décisions de direction, un peu de droit et beaucoup d’attention au travail réel, ce qui explique à notre avis que le manque d’expertise pèse plus lourd que le coût dans les freins déclarés à l’Insee.

Partir des tâches : choisir les premiers cas d’usage

Le non-usage s’explique d’abord par l’utilité que l’on ne voit pas. Le premier chantier consiste donc à la rendre visible, tâche par tâche.

La méthode que nous conseillons tient en trois filtres. La tâche revient-elle souvent ? Son résultat se vérifie-t-il vite, par quelqu’un qui connaît le sujet ? Peut-elle se faire sans donnée sensible, ou avec un outil sous contrat ? Une tâche qui passe les trois filtres est un bon premier cas d’usage.

Rédiger un compte rendu, résumer un document long, préparer une réponse type, comparer deux versions d’un texte : ces tâches passent le plus souvent, d’après nous. Une décision sur une personne, un diagnostic, un avis juridique ne passent pas le deuxième filtre sans un contrôle lourd.

Prenons un exemple construit. Dans un service commercial de douze personnes, le compte rendu de rendez-vous revient chaque jour, se relit vite par celui qui a mené l’entretien et peut se rédiger à partir de notes sans nom de client. Il passe les trois filtres. La préparation d’une offre de prix mobilise des données confidentielles : elle attendra un outil sous contrat.

Nous conseillons de s’arrêter à trois ou quatre tâches par service. Une liste de quarante cas d’usage occupe un comité et ne change le travail de personne, à notre avis. Notre article cartographier les cas d’usage de l’IA détaille la grille.

Choisir l’outil et fixer la règle des données

Les entreprises utilisatrices citent les données en deuxième position de leurs freins. Ce chantier y répond. Deux listes suffisent.

La première est celle des outils autorisés. Un compte professionnel sous contrat peut donner des engagements écrits sur l’hébergement, la conservation et la réutilisation des données. Un compte gratuit ouvert par un salarié n’en donne aucun à l’entreprise. Notre grille d’audit pour choisir un outil d’IA liste les douze points à regarder.

La seconde est celle des données qui ne se saisissent pas : données de clients, données de salariés, secrets d’affaires, documents sous accord de confidentialité. Elle s’écrit dans une charte d’usage de l’IA, qui dit aussi qui relit et ce que l’on garde comme trace.

Ces deux listes valent mieux qu’une interdiction, parce qu’une entreprise qui ferme tout sans proposer d’outil pousse ses salariés vers leurs comptes personnels, comme le montre notre article sur le shadow IA. Les risques sont rassemblés dans notre guide des risques de l’IA générative en entreprise, et le cadre des données personnelles dans RGPD et ChatGPT.

Pilotage : qui décide, qui arbitre

Un déploiement sans pilote se reconnaît vite. Chaque service choisit son outil, personne ne sait ce qui est payé, et la première question d’un client reste sans réponse.

Nous conseillons une organisation légère. Trois rôles suffisent. Un membre de la direction porte le sujet et arbitre les budgets. Un référent, souvent issu de l’informatique ou des opérations, tient la liste des outils et des cas d’usage. Un petit groupe réunit chaque mois le juridique, les ressources humaines, la sécurité et deux ou trois métiers.

Ce groupe n’a pas besoin d’un titre. Dans une PME, il tient autour d’une table et se réunit une heure. Dans un groupe, il devient un comité avec un secrétariat. Notre article créer un comité IA détaille ce rôle.

Sa première décision est la plus utile : dire qui a le droit d’approuver un nouvel usage et en combien de jours, parce que sans réponse rapide les équipes cessent de demander et reviennent à leurs outils personnels.

Associer les salariés : ce que prévoit le code du travail

Ce chantier a une base légale. L’article L. 2312-8 du code du travail prévoit que le comité social et économique est informé et consulté sur l’introduction de nouvelles technologies, ainsi que sur tout aménagement important modifiant les conditions de travail. Cette attribution concerne les entreprises d’au moins cinquante salariés.

Le ministère du Travail et Inria ont créé un programme de recherche-action consacré au sujet, le LaborIA. Son guide du déploiement de l’IA au travail, destiné aux dirigeants de TPE et de PME, rappelle cette consultation et l’applique aux systèmes d’IA.

Le guide pose trois défis, que nous citons dans ses mots. Le premier est de « trouver le compromis de rationalité ». Le deuxième est d’« intégrer les travailleurs au processus d’innovation dès sa conception ». Le troisième est de mettre en place un « dialogue social technologique autour de l’IA », pour lequel il propose neuf étapes.

Il s’appuie sur une étude menée en 2023 auprès de 250 décideurs d’entreprise. L’étude met en avant trois objectifs du déploiement de l’IA : réduire les risques d’erreur (81 %), améliorer les performances (75 %), réduire les tâches fastidieuses (74 %).

Notre lecture : ces objectifs sont ceux des décideurs. Les salariés en ont d’autres, et ils savent mieux que personne où l’outil se trompera. Les associer tôt évite de découvrir après l’achat que l’outil ne sert pas la tâche pour laquelle il a été choisi. Notre article sur la conduite du changement et l’IA traite les réticences.

Former : le frein le plus cité

Le manque d’expertise est le premier frein des entreprises qui utilisent l’IA, et le deuxième de celles qui ne l’utilisent pas. Aucun autre chantier ne répond à un obstacle aussi partagé.

Le droit va dans le même sens. L’article 4 du règlement européen sur l’IA demande aux organisations qui déploient des systèmes d’IA de prendre des mesures pour favoriser la maîtrise de l’IA par leur personnel. Nous le détaillons dans notre article sur l’article 4 et le plan de formation.

Nous conseillons trois niveaux pour commencer. La direction a besoin de comprendre ce que l’outil fait, ce qu’il coûte et ce qu’il engage. Les utilisateurs ont besoin de pratiquer sur leurs propres documents, avec la règle des données. Les référents ont besoin d’aller plus loin sur le choix des outils et la vérification.

Le moment compte autant que le contenu, selon nous. Une formation donnée trois mois avant l’arrivée de l’outil s’oublie. Donnée la semaine où les comptes sont ouverts, sur les documents du service, elle se transforme en habitude. Nous conseillons aussi une reprise courte un mois plus tard, quand les premières questions concrètes sont apparues.

Une session courte sur les risques complète l’ensemble. Notre article sensibiliser aux risques de l’IA en deux heures en donne le déroulé. Pour le reste, c’est le format que nous proposons : former vos équipes à l’IA générative, de la direction aux opérationnels.

À ne pas confondre avec un agent IA : ce guide traite d’assistants qui répondent à une demande à la fois, sous le contrôle d’un salarié. Un système qui enchaîne seul plusieurs étapes, consulte des outils et agit dans vos logiciels relève des agents. Son déploiement pose d’autres questions de pilotage et de sécurité. Ce thème est traité dans notre formation aux agents IA.

Mesurer : ce que vaut le déploiement

La première raison d’utiliser l’IA est d’optimiser les coûts, d’après l’Insee. Encore faut-il le vérifier chez soi.

Nous conseillons trois indicateurs par cas d’usage. Le premier est le temps passé sur la tâche, mesuré avant et après sur un mois. Le deuxième est la qualité : le nombre d’erreurs relevées à la relecture, ou de retours du client. Le troisième est l’usage réel : combien de personnes utilisent l’outil chaque semaine, parmi celles qui ont une licence.

Le troisième indicateur est le plus négligé, à notre avis. Une licence payée et ouverte une fois par mois coûte autant qu’une licence utilisée chaque jour.

Il faut aussi compter ce que l’on dépense : les abonnements, le temps de formation, le temps de relecture. Un gain de temps brut qui oublie la relecture est un gain surévalué. Notre article mesurer le ROI de l’IA générative détaille le calcul, et IA pour les DAF donne le point de vue de la direction financière, qui demandera tôt ou tard ce que coûte l’abonnement.

Du test à la généralisation : cinq étapes

Voici l’ordre que nous conseillons pour un premier trimestre.

1. Choisir trois ou quatre tâches et un service volontaire.
2. Fixer l’outil autorisé et la règle des données, puis informer les représentants du personnel.
3. Former les utilisateurs du test sur leurs propres documents.
4. Mesurer pendant un mois, avec les trois indicateurs.
5. Décider : étendre, corriger ou arrêter.

La deuxième étape est celle que l’on saute le plus volontiers, à notre avis. Informer les représentants du personnel avant le test, et non au moment de généraliser, donne au projet des relecteurs qui connaissent le travail. La troisième évite de mesurer l’outil sur des utilisateurs qui ne savent pas s’en servir.

La cinquième étape compte autant que les autres. Arrêter un usage qui ne tient pas ses promesses est une décision de pilotage, et elle rend les suivantes crédibles.

Le passage à l’échelle est l’étape où les projets se perdent le plus souvent, selon nous. Ce qui a marché avec dix volontaires demande d’autres moyens avec deux cents personnes : un support, des modèles de demandes partagés, un budget de licences et un responsable. Nos articles sur la feuille de route IA et sur le passage du test à la production détaillent ces étapes.

PME, ETI, grand groupe : ce qui change avec la taille

La méthode est la même. Les moyens diffèrent. Les chiffres de l’Insee le rappellent : 15 % d’utilisatrices parmi les entreprises de 10 à 49 salariés, 58 % au-delà de 250. Ce qui suit est notre lecture, taille par taille.

Dans une entreprise de moins de cinquante salariés, le dirigeant porte souvent le sujet lui-même. Le pilotage tient en une réunion mensuelle, la règle des données en une page, et la formation concerne toute l’équipe en une fois. Notre article IA pour les artisans et les TPE part de cette situation.

À partir de cinquante salariés, la consultation du comité social et économique entre dans le calendrier. C’est aussi la taille où plusieurs services veulent des outils différents, et où un référent devient utile pour éviter de payer trois fois le même usage.

Dans un groupe, la difficulté se déplace. Les moyens existent, mais les décisions passent par l’informatique, la sécurité, le juridique, les achats et les ressources humaines, et un cas d’usage simple peut attendre des mois une validation. Fixer un délai de réponse au comité est alors la mesure la plus utile.

Les aides publiques : le plan Osez l’IA

L’État accompagne ce mouvement. Le plan Osez l’IA, lancé en juillet 2025, vise pour 2030 un usage de l’IA dans 100 % des grandes entreprises, 80 % des PME et des ETI et 50 % des TPE.

Deux dispositifs s’adressent directement aux entreprises. Le Diagnostic Data IA est une prestation de huit jours-hommes, ouverte aux PME et aux ETI de 10 à 2 000 salariés. Son coût est de 10 000 euros hors taxes, pris en charge à 40 % par France 2030. Il produit un état des lieux, une liste de cas d’usage et leur ordre de priorité.

L’Accélérateur IA va plus loin. Il dure dix-huit mois et vise les PME et les ETI qui réalisent plus de 8 millions d’euros de chiffre d’affaires. France 2030 en prend en charge 46 %.

Le plan comprend aussi un réseau et un catalogue. Les 615 ambassadeurs, présents dans 20 régions et collectivités, ont sensibilisé plus de 35 000 entreprises, d’après le bilan publié le 3 septembre 2026. Un catalogue recense 88 entreprises qui proposent des solutions d’IA adaptées aux PME et aux ETI. Le même bilan compte 70 diagnostics déjà engagés et annonce le déploiement de 1 000 diagnostics.

Le calendrier réglementaire à garder en tête

Une stratégie IA se lit aussi avec un calendrier. Le règlement européen sur l’IA classe les usages par niveau de risque, et ses obligations entrent en application par étapes.

Pour la plupart des usages de bureau, deux points suffisent au départ, à notre avis. La maîtrise de l’IA par le personnel, déjà citée, relève de l’article 4. Les systèmes à haut risque de l’annexe III, parmi lesquels le recrutement et la sélection de personnes, voient leurs règles s’appliquer à partir du 2 décembre 2027.

La conséquence est pratique. Un cas d’usage qui touche au recrutement se traite à part, avec le juridique, avant tout test. Notre guide de l’AI Act et notre calendrier de l’AI Act donnent le détail, et les niveaux de risque expliquent le classement.

Trois erreurs à éviter

Ces trois erreurs sont notre lecture des chiffres et des guides cités. Elles ne viennent d’aucun relevé statistique.

La première est d’acheter avant de choisir les tâches. Les licences sont distribuées, puis chacun cherche à quoi elles servent. Le frein de l’utilité, cité par 71 % des entreprises sans IA, se déplace alors à l’intérieur de l’entreprise.

La deuxième est de former une fois, en amphithéâtre. Une présentation générale ne répond pas au manque d’expertise. Ce qui y répond, c’est une pratique sur les documents du service, reprise un mois plus tard.

La troisième est de traiter les salariés en dernier. La consultation du comité social et économique devient alors une formalité tardive, et les questions qui auraient amélioré le projet arrivent quand l’outil est déjà payé.

Stratégie IA : les questions fréquentes

Trois tâches, une règle, une mesure

Une stratégie IA en entreprise tient en peu de choses, et c’est ce qui la rend difficile. Trois ou quatre tâches choisies, un outil sous contrat, une règle sur les données, des salariés associés, une formation sur de vrais documents et trois indicateurs. Rien de plus. Notre conviction est que l’ordre compte plus que l’ambition : les entreprises qui avancent sont celles qui ont commencé petit et mesuré. Les freins relevés par l’Insee vont dans ce sens : l’utilité et la compétence y passent devant le coût. Pour installer cette méthode chez vous, voyez notre formation à l’IA générative pensée pour les équipes en entreprise.