AhI !

Un chiffre pour commencer : selon l'Insee (Insee Première nº 2120, juillet 2026), 18 % des entreprises françaises de 10 salariés ou plus déclarent utiliser au moins une technologie d'IA en 2025 — contre 10 % en 2024 et 6 % en 2023. Le taux a triplé en deux ans, mais l'écart de taille reste massif : 58 % chez les entreprises de 250 salariés et plus, et une moyenne européenne à 20 %. C'est dans le tissu de PME et d'ETI, qui fait l'essentiel de notre économie, que se joue le sujet « valeur ».

Concrètement, à quoi sert l'IA aujourd'hui dans une organisation ? À trois choses, et elles sont banales : retrouver et résumer de l'information dispersée (contrats, comptes rendus, documentation technique), produire un premier jet (devis, réponse client, code, compte rendu), et trier ou classer de gros volumes (tickets, factures, candidatures, signalements). Ce ne sont pas des promesses : ce sont des tâches mesurables, avec un avant et un après.

Les travaux disponibles convergent : les gains les plus nets apparaissent sur des tâches bien délimitées et chez les personnes les moins expérimentées, qui rattrapent une partie de l'écart avec les experts. Sur un centre de support client, les études de terrain publiées depuis 2023 montrent des ordres de grandeur de 10 à 15 % de tickets traités en plus, pas des multiplications par deux. C'est déjà considérable — et c'est très loin du discours ambiant.

Le piège classique est connu : acheter des licences, ne rien changer au processus, et constater six mois plus tard que rien n'a bougé. Un flux de travail mal conçu reste mal conçu quand on lui ajoute un modèle de langage. La même enquête Insee est éclairante sur les blocages : parmi les entreprises qui n'utilisent pas l'IA, 71 % disent n'en voir aucune utilité et 54 % évoquent un manque d'expertise — et plus de la moitié des utilisatrices se déclarent freinées par ce même manque d'expertise. Le frein est donc moins l'outil que la compétence et le cadrage.

La question n'est pas « faut-il former ? » mais « former à quoi ». Savoir écrire une instruction propre à un modèle est utile trois mois ; savoir repérer une réponse fausse mais bien tournée sert toute une carrière. Les modèles actuels se trompent avec assurance : ils inventent des références, des articles de loi, des chiffres. C'est un comportement structurel, pas un bug passager.

Deux compétences se détachent donc. La première est la vérification : d'où vient cette information, comment la recouper, quel document fait foi. La seconde est le cadrage : découper une tâche, décrire un contexte, dire ce qu'on attend et sous quelle forme. Ce sont des compétences de métier, pas d'informaticien.

La formation utile est courte, ancrée dans le travail réel et répétée. Une session de trois heures sur les cas concrets d'un service — les vrais documents, les vraies contraintes — produit plus d'effet qu'un module générique de deux jours. Les organisations qui progressent vite ont presque toutes la même recette : des référents internes par équipe, du temps banalisé, et un lieu pour partager ce qui fonctionne.

Protéger, ici, ne veut pas dire se fermer. Aucun pays ne fabrique seul la chaîne complète : les puces de calcul les plus performantes viennent de Nvidia, gravées par TSMC à Taïwan, avec des machines de lithographie d'ASML aux Pays-Bas. Cette chaîne est extraordinairement concentrée, et c'est un fait, pas une opinion.

La vraie question est celle de la réversibilité. Peut-on changer de fournisseur en six mois sans casser le service ? Sait-on où sont stockées les données ? Peut-on récupérer ses index, ses historiques, ses réglages ? Une organisation qui ne sait pas répondre à ces trois questions est dépendante, quel que soit le drapeau de son prestataire.

Il existe aujourd'hui des options crédibles côté français et européen : Mistral AI pour les modèles, Hugging Face pour la diffusion des modèles ouverts, OVHcloud, Scaleway et Outscale pour l'hébergement, Jean Zay (GENCI/IDRIS) pour le calcul de recherche. Les modèles ouverts, exécutables sur des serveurs qu'on contrôle, changent réellement la donne : pour beaucoup d'usages internes, un modèle de taille moyenne hébergé chez soi suffit.

Commençons par les ordres de grandeur, parce que le débat en manque cruellement. Une requête textuelle consomme quelques wattheures : l'équivalent d'une ampoule LED de 10 W laissée allumée une demi-heure, soit bien moins qu'une recharge de smartphone. À l'échelle individuelle, ce n'est pas là que se joue l'empreinte.

Le poids réel est ailleurs : dans l'entraînement des modèles, dans les milliards de requêtes cumulées et dans les centres de données qui les hébergent — leur électricité, leur refroidissement, l'eau qu'il mobilise et le matériel qu'il faut fabriquer puis remplacer. C'est un sujet industriel : implantation, mix électrique, récupération de chaleur, durée de vie des serveurs. La France y a un avantage réel avec une électricité largement décarbonée.

La bonne nouvelle est que la sobriété rejoint souvent l'intérêt économique. Un modèle plus petit, adapté à la tâche, coûte moins cher, répond plus vite et consomme moins. Utiliser systématiquement le modèle le plus puissant du marché pour reformuler un courriel est une erreur d'ingénierie autant qu'un gaspillage.

Gouverner, dans un domaine où les outils changent tous les six mois, ne consiste pas à écrire un plan à dix ans. Cela consiste à décider qui tranche, sur quoi, et à quelle vitesse — et à s'assurer que ces décisions restent révisables sans repartir de zéro.

Dans une organisation, cela tient en peu de choses : une personne qui porte le sujet au niveau de la direction et non dans un coin de la DSI, une liste tenue à jour des usages autorisés, un budget identifié, et une revue régulière où l'on arrête ce qui ne produit rien. La plupart des blocages observés ne sont pas techniques : ce sont des arbitrages que personne n'a le mandat de rendre.

À l'échelle du pays, les briques existent déjà — France 2030, les pôles de recherche en IA, le calculateur Jean Zay, les autorités de contrôle nationales prévues par le règlement européen. La faiblesse n'est pas l'absence de dispositifs mais leur lisibilité : un dirigeant de PME qui veut se lancer ne sait généralement pas à quelle porte frapper.