L'écart IA entre entreprises a triplé en 5 mois : le rapport qui devrait inquiéter les PME françaises

Nous avons couvert le 12 août les deux rapports publiés par OpenAI sur la façon dont les entreprises utilisent réellement l'IA, et ce qu'ils changent pour les compétences à former quand l'IA exécute. Une semaine plus tard, un chiffre de ces rapports mérite d'être traité pour lui-même, parce qu'il décrit une dynamique plus qu'un état : l'écart entre les entreprises qui utilisent le plus l'IA et les autres est passé de 2,6 à 8,3 en cinq mois. Il a triplé.

Ce n'est pas un écart d'équipement. Ces entreprises achètent les mêmes modèles aux mêmes fournisseurs, souvent les mêmes abonnements. Ce qui les sépare se joue après l'achat.

Cet article ne revient pas sur le contenu des rapports, déjà détaillé dans notre analyse. Il traite une seule question, en trois temps : pourquoi cet écart se creuse au lieu de se refermer, à quoi il ressemble vu de France, et ce qu'une PME peut en faire lundi matin.

Un écart qui a triplé en cinq mois

Rappel de la mesure, parce que tout se joue dans sa définition. Chaque mois, OpenAI classe ses clients entreprise selon le nombre de tokens de sortie par utilisateur actif. Les entreprises dites de pointe sont les 10 % en tête ce mois-là, les entreprises types se situent entre les 45e et 55e centiles. En juin 2026, le rapport Enterprise Signals mesure un rapport de 8,3 entre les deux groupes, contre 2,6 en janvier.

Ce qui est moins commenté, et plus instructif, c'est la décomposition de cet écart.

L'écart le plus large se trouve dans l'information et les technologies, à 11,7 fois. Le plus faible se trouve dans l'industrie manufacturière, à 5,3 fois. Autrement dit, même dans le secteur le moins numérique de l'échantillon, les entreprises les plus intensives produisent cinq fois plus que la médiane de leur propre secteur. On ne peut donc pas ranger ce phénomène au rayon des particularités de la tech.

Et voici la donnée qui explique le mouvement : l'usage des entreprises types, lui, n'a progressé que d'un facteur 1,9 à 2,8 sur l'année écoulée. Le rapport en tire une conclusion sobre, à savoir que beaucoup d'organisations en sont encore à un usage conversationnel simple. Ce n'est pas que le milieu du classement recule. C'est qu'il avance à une vitesse linéaire pendant que le haut du classement change de régime.

Ce que l'écart mesure, et ce qu'il ne dit pas

Trois précautions de lecture, avant d'en tirer quoi que ce soit.

Les deux groupes ne sont pas un panel fixe. Le classement est refait chaque mois, et la composition des 10 % de tête change. Le chiffre décrit l'écart entre deux positions dans une distribution, pas la trajectoire d'entreprises identifiées suivies dans le temps.

Une partie de l'écart est arithmétique. Le passage de 2,6 à 8,3 coïncide avec la montée des usages agentiques, qui exécutent des tâches longues en plusieurs étapes et produisent mécaniquement beaucoup plus de texte qu'une question posée dans une fenêtre de chat. L'écart mesure donc autant un changement de nature d'usage qu'un changement d'intensité.

Le volume n'est pas la valeur. Nous avons détaillé cette limite, et le caractère descriptif et non causal de ces travaux, dans notre analyse du 12 août. Elle reste valable ici : un jeton produit n'est ni une heure économisée ni un euro gagné.

Ce que le chiffre établit malgré tout, et c'est suffisant pour décider, tient en une phrase : parmi des entreprises qui ont toutes acheté la même technologie, la profondeur d'usage diverge, et elle diverge de plus en plus vite.

Les métiers qui accélèrent le plus vite ne sont pas les métiers techniques

C'est le résultat le plus contre-intuitif de la publication, et le plus utile pour une PME.

Le message n'est pas que les juristes seraient devenus les premiers utilisateurs d'agents. Il est que la frontière entre travail technique et travail intellectuel s'efface. Le rapport donne la raison : le développement logiciel a démarré le premier parce qu'il réunissait trois conditions rares, un contexte clair (la base de code), une vérification automatique (les tests) et un critère de réussite net. Les autres métiers manquaient de ces trois conditions.

Ce qui change, c'est que les entreprises commencent à les fabriquer : elles écrivent leurs procédures, connectent leurs bases documentaires, définissent ce qu'est un livrable acceptable. Autrement dit, elles font pour le juridique ou le commerce ce que la culture du logiciel avait déjà fait pour le code.

Pour une PME, la conséquence est directe. Le chantier n'est pas d'acheter un outil de plus, mais de rendre son travail lisible par une machine : où sont les modèles de contrat, quelle est la règle de remise commerciale, qu'est-ce qu'un bon compte rendu d'entretien. Notre guide sur le choix d'un premier cas d'usage d'agent détaille cette grille de décision.

Le chiffre à 2,3 milliards qu'il ne faut pas lire de travers

Le second volet de la publication est un document de travail universitaire signé Aaron Chatterji, David Holtz (Columbia Business School), Neel Rakholia, Prasanna Tambe (Wharton) et Gawesha Weeratunga, mis à jour le 11 août 2026. Il contient une donnée que plusieurs synthèses ont reprise sans son mode d'emploi.

Sur l'échantillon d'entreprises cotées américaines, les adoptantes de ChatGPT Enterprise affichent un chiffre d'affaires médian de 2 275,1 millions de dollars, contre 209,6 millions pour les non-adoptantes. Onze fois plus. Même écart sur les actifs (4 394,2 contre 667,6 millions), sur l'emploi (2 934 contre 424 salariés) et sur les dépenses de recherche (113,1 contre 9,9 millions).

Il serait tentant d'en conclure que l'IA rend riche. Le papier dit exactement l'inverse, et il le dit avec précision : ces caractéristiques sont mesurées en 2024, c'est-à-dire avant ou au moment de l'adoption. Les auteurs concluent que les premières adoptantes de ChatGPT Enterprise ne sont pas représentatives de l'entreprise cotée moyenne, étant plus grandes, mieux capitalisées, mieux valorisées et plus intensives en recherche et développement.

Ce chiffre ne mesure donc pas un effet de l'IA. Il mesure qui l'achète en premier. C'est un constat de sélection, et il dit surtout que les grandes entreprises se sont équipées les premières. Toute promesse commerciale bâtie sur ce rapport de un à onze est un abus de lecture. Nous détaillons ailleurs comment mesurer réellement le retour sur investissement d'une formation IA, qui est le seul chiffre sur lequel une PME puisse piloter.

Ce que le papier affirme, en revanche, mérite d'être cité intégralement :

Ces résultats suggèrent que les entreprises diffèrent largement par la vitesse, l'ampleur et la finalité de leur adoption de l'IA, et qu'elles apprennent encore activement comment l'intégrer dans leurs processus.

Aaron Chatterji, David Holtz, Neel Rakholia, Prasanna Tambe et Gawesha Weeratunga, How Organizations Use AI: Evidence from ChatGPT, 11 août 2026.

Personne n'a fini d'apprendre. C'est la meilleure nouvelle de ce rapport pour une entreprise qui démarre.

Le même fossé, vu de France

Les données OpenAI décrivent un parc de clients majoritairement américains et plutôt grands. Pour savoir ce qui se passe en France, il faut une autre source, et elle existe : l'enquête de l'Insee sur les technologies de l'information dans les entreprises en 2025, parue le 21 juillet 2026. Elle mesure autre chose que le rapport OpenAI, et nous avons expliqué ailleurs ce que mesurent vraiment ces études d'adoption : ici, ce n'est pas le niveau qui nous intéresse, c'est l'évolution de l'écart.

L'Insee le formule sans détour : « compte tenu des écarts initiaux, les différentiels de taux d'usage se creusent, passant entre 2023 et 2025 de 16 à 43 points entre les moins de 50 salariés et les 250 ou plus ». La dynamique française et la dynamique observée par OpenAI racontent donc la même chose à deux échelles différentes : tout le monde avance, et l'écart grandit quand même.

Deux chiffres de la même enquête méritent d'être lus ensemble par tout dirigeant de PME.

D'abord, 80 % des entreprises utilisatrices d'IA passent par des logiciels du commerce prêts à l'emploi. L'accès n'est pas le facteur limitant, il se règle avec un abonnement.

Ensuite, les raisons invoquées par celles qui n'utilisent pas l'IA : 71 % déclarent n'en voir aucune utilité, et 54 % un manque d'expertise. Et parmi celles qui l'utilisent déjà, 53 % se disent freinées par ce même manque d'expertise. Le premier frein n'est donc ni le budget (32 %) ni la technique : c'est de ne pas savoir à quoi cela sert chez soi.

C'est un point important, parce qu'il est le seul de tout ce dossier sur lequel une petite entreprise a une prise immédiate. On ne rattrape pas en un trimestre le budget informatique d'un groupe. On peut, en revanche, faire passer une équipe de « je ne vois pas l'utilité » à « je sais quoi lui confier » en quelques journées.

Pourquoi l'écart se creuse au lieu de se refermer

L'intuition voudrait qu'une technologie accessible à tous nivelle les positions. C'est l'inverse qui se produit, pour quatre raisons que les deux rapports permettent d'isoler.

L'effet cumulatif du contexte. Un agent est d'autant plus utile qu'il accède à des documents, des historiques et des règles écrites. Une entreprise qui a commencé il y a un an dispose aujourd'hui de procédures formalisées et de connexions en place. Le rendement de chaque semaine supplémentaire augmente au lieu de diminuer.

La transformation des réussites individuelles en méthodes partagées. C'est le mécanisme que le rapport met le plus en avant. Dans la plupart des entreprises, quelques salariés ont trouvé des usages excellents, et personne d'autre ne les connaît. Les entreprises de pointe organisent explicitement cette circulation : ateliers de construction, forums de partage de cas d'usage, démonstrations internes.

La gouvernance comme accélérateur, pas comme frein. Contre-intuitivement, ce sont les entreprises qui ont posé des règles claires (ce à quoi un agent peut accéder, ce qu'il peut décider seul, ce qui exige une validation humaine) qui délèguent le plus. L'absence de règles ne libère pas l'usage, elle le bloque, parce que personne n'ose confier quoi que ce soit de sérieux. Nous avons traité ce sujet dans notre article sur la charte d'usage de l'IA en entreprise, et le cadre réglementaire européen impose de son côté une obligation de maîtrise de l'IA depuis février 2025.

La compétence, qui conditionne les trois autres. Aucun des trois mécanismes précédents ne se déclenche sans des équipes qui savent formuler une demande, juger un résultat et repérer une erreur. C'est ce que confirme le chiffre de l'Insee sur les 53 % d'utilisateurs freinés par le manque d'expertise : le plafond n'est pas l'outil, c'est l'usage qu'on sait en faire.

Vos jeunes recrues sont déjà devant, vos dirigeants derrière

Le document de travail apporte un résultat qui contredit la plupart des enquêtes déclaratives. Celles-ci concluent généralement que les dirigeants utilisent le plus l'IA. Les données d'usage réel disent le contraire.

Parmi les utilisateurs actifs d'une même entreprise, les salariés en début de carrière et les profils juniors envoient environ huit à neuf messages hebdomadaires de plus que l'utilisateur actif moyen, tandis que les cadres, directeurs et dirigeants en envoient moins. OpenAI résume ce gradient dans sa communication en indiquant treize messages hebdomadaires d'écart entre les débuts de carrière et les dirigeants. Les deux formulations décrivent la même pente, mesurée depuis deux points de référence différents.

Attention toutefois à ne pas surinterpréter : le volume de messages mesure une intensité d'usage, pas une importance économique. Un dirigeant qui pose trois questions décisives par semaine ne fait pas moins bien qu'un analyste qui en pose cinquante.

Ce que ce résultat change pour une direction est pratique. Les usages les plus avancés de votre entreprise existent probablement déjà, chez des personnes que vous n'avez pas identifiées et qui n'ont aucune raison spontanée de les partager. Les rendre visibles coûte moins cher que n'importe quel projet, et c'est la première action recommandée par le rapport aux dirigeants.

Trois questions suffisent à démarrer, posées en réunion d'équipe : qu'est-ce que vous faites aujourd'hui avec l'IA que vous ne faisiez pas il y a six mois, qu'est-ce que vous avez essayé qui n'a pas marché, et qu'est-ce que vous n'osez pas lui confier.

Trois mouvements à engager avant la fin de l'année

Les rapports ne fournissent pas de recette, mais ils identifient assez précisément ce qui sépare les deux groupes pour qu'on en déduise un ordre de priorité. Cet ordre compte autant que les actions elles-mêmes : commencer par l'outillage avant l'usage est l'erreur la plus fréquente, et nous l'avons classée parmi les erreurs stratégiques qui coûtent le plus cher.

Mécanisme identifié dans le rapport	Ce que cela donne dans une PME	Comment savoir que cela marche
Les usages avancés existent déjà mais restent invisibles	Recenser en une réunion ce que chaque équipe fait réellement, y compris les outils non déclarés	Vous obtenez une liste écrite d'au moins dix usages que la direction ne connaissait pas
Les entreprises de pointe transforment les réussites individuelles en méthodes partagées	Documenter les trois meilleurs usages sous forme de mode d'emploi réutilisable, avec le contexte à fournir et le résultat attendu	Une personne qui n'a pas inventé l'usage l'applique et obtient le même résultat
Les agents ont besoin de contexte, d'outils et de règles	Écrire ce qu'un outil d'IA peut consulter, ce qu'il peut produire seul et ce qui exige une validation	Un salarié sait répondre sans hésiter à la question « ai-je le droit de lui donner ce document »
Le premier frein déclaré est le manque d'expertise, avant le budget	Former les équipes qui produisent, pas seulement les profils techniques ou la direction	Le vocabulaire change en réunion : on parle de tâches à déléguer, plus d'outils à tester

Ces quatre lignes tiennent en trois mouvements : rendre visible, rendre reproductible, rendre autorisé. Aucun des trois n'exige un budget d'investissement. Tous les trois exigent du temps et de la compétence. Pour savoir quel niveau de compétence viser selon les tâches que vous comptez déléguer, notre grille des compétences à former quand l'IA exécute donne les quatre paliers.

Un point de calendrier mérite d'être posé. L'écart mesuré par OpenAI a triplé en cinq mois. Si la même pente se poursuit, attendre l'année prochaine ne coûtera pas un an de retard, mais un multiple. C'est la seule raison pour laquelle cet article emploie le mot inquiéter : pas parce qu'une PME serait condamnée, mais parce que le coût de l'attente augmente plus vite que le coût de l'action.

Ce que cela coûte, et comment le financer

La bonne nouvelle est que les trois mouvements décrits ci-dessus relèvent de la montée en compétence, pas de l'investissement. Une PME n'a pas besoin d'un projet à six chiffres pour sortir du groupe des entreprises types : elle a besoin que ses équipes sachent quoi confier, comment le formuler et comment vérifier.

Sur la durée, nos observations rejoignent l'ordre de grandeur habituel : deux à trois jours pour installer des usages solides sur un métier, puis un temps d'appropriation d'un à deux mois avant que les pratiques se stabilisent. Nous détaillons ces repères dans notre article sur le temps nécessaire pour former une équipe à l'IA.

Une action de formation peut faire l'objet d'une demande de prise en charge auprès de votre opérateur de compétences. La décision et le montant dépendent de votre branche professionnelle et de votre dossier : notre guide du financement OPCO détaille la démarche, les pièces à réunir et les délais à anticiper. Pour un dirigeant qui veut d'abord cadrer sa trajectoire avant d'embarquer ses équipes, notre parcours stratégie IA pour dirigeants traite précisément des arbitrages décrits dans cet article. Et si l'objectif est la feuille de route complète, nous l'avons détaillée dans notre guide sur l'intégration de l'IA dans une entreprise.

Les points clés

Constat	Chiffre	Ce qu'il faut en retenir
L'écart de profondeur d'usage	8,3 fois en juin 2026, contre 2,6 fois en janvier	Il triple en cinq mois, et il s'observe dans tous les secteurs
L'écart selon le secteur	11,7 fois dans l'information et les technologies, 5,3 fois dans l'industrie	Même le secteur le moins numérique connaît un rapport de un à cinq
La vitesse du milieu du classement	Progression de 1,9 à 2,8 fois sur un an	Le milieu n'a pas reculé, il avance simplement en ligne droite
La diffusion hors de la tech	Utilisateurs multipliés par 108 dans le juridique depuis février	Croissance forte, mais sur une base de départ très basse
L'adoption française	18 % des entreprises, 15 % chez les moins de 50 salariés, 58 % au-delà de 250	L'écart par taille est passé de 16 à 43 points en deux ans
Le frein déclaré numéro un	71 % ne voient pas l'utilité, 54 % citent le manque d'expertise	Le budget n'arrive qu'en sixième position, à 32 %

FAQ · L'écart d'adoption de l'IA entre entreprises

Pourquoi l'écart se creuse-t-il au lieu de se refermer ? Parce que le rendement de l'IA augmente avec ce qu'on lui a déjà donné : procédures écrites, données connectées, règles d'usage. Le milieu du classement n'a progressé que de 1,9 à 2,8 fois en un an, contre un triplement de l'avance en haut du classement.

Une PME de 20 salariés est-elle concernée ? Oui, et les données françaises le montrent mieux : 15 % d'adoption chez les 10 à 49 salariés contre 58 % au-delà de 250, avec un écart passé de 16 à 43 points en deux ans.

Le « ×108 dans le juridique » veut-il dire que les juristes ont basculé ? Non. C'est un taux de croissance depuis février 2026, pas un niveau. Le juridique part de presque zéro, l'ingénierie d'une base déjà haute. Le fait établi est que la diffusion a quitté les équipes techniques.

Les dirigeants utilisent-ils moins l'IA que leurs équipes ? En intensité de messages, oui : les salariés en début de carrière envoient huit à neuf messages hebdomadaires de plus que l'utilisateur actif moyen de leur entreprise. Le volume ne mesure toutefois pas l'importance des usages.

Les entreprises équipées sont-elles plus performantes ? Le rapport ne permet pas de le dire. L'écart de chiffre d'affaires observé est mesuré en 2024, avant l'adoption : il décrit qui achète en premier, pas un effet.

Ce qu'il faut retenir

Le rapport du 12 août ne dit pas que les entreprises qui n'ont pas d'IA vont disparaître. Il dit quelque chose de plus précis et de plus actionnable : parmi celles qui ont toutes acheté la même technologie, l'écart de résultat vient de la profondeur d'usage, et cet écart s'accélère.

Pour une PME française, la donnée la plus utile de ce dossier n'est même pas américaine. C'est celle de l'Insee : 71 % des entreprises qui n'utilisent pas l'IA disent n'en voir aucune utilité, et plus de la moitié de celles qui l'utilisent se disent freinées par un manque d'expertise. Les deux se traitent de la même manière, et cette manière ne passe ni par un budget d'investissement ni par un recrutement.

Elle passe par des équipes qui savent ce qu'elles peuvent confier à une machine, ce qu'elles doivent relire, et ce qu'elles ne doivent jamais lui donner. C'est exactement ce que couvrent nos formations IA en entreprise, en intra comme en inter, avec une prise en charge possible par votre OPCO selon votre branche et votre dossier.

Sources

• OpenAI, Enterprise Signals, mis à jour le 12 août 2026 : écart de 8,3 fois contre 2,6 fois en janvier, 11,7 fois dans l'information et les technologies contre 5,3 fois dans l'industrie manufacturière, progression de 1,9 à 2,8 fois des entreprises types sur un an, croissance des utilisateurs de Codex par métier depuis février 2026. Consulté le 20 août 2026. openai.com
• OpenAI, « De l'assistance à l'exécution : comment les entreprises mettent l'IA au travail », publié le 12 août 2026. Consulté le 20 août 2026. openai.com
• Chatterji A., Holtz D., Rakholia N., Tambe P., Weeratunga G., « How Organizations Use AI: Evidence from ChatGPT », document de travail, dernière mise à jour le 11 août 2026 : plus de 1 500 organisations et 17 millions de messages à l'horizon de six mois après adoption, données financières Compustat 2024, chiffre d'affaires médian de 2 275,1 millions de dollars pour les adoptantes contre 209,6 millions, gradient d'ancienneté de huit à neuf messages hebdomadaires. Consulté le 20 août 2026. cdn.openai.com
• Lefebvre C., « Les technologies de l'information et de la communication dans les entreprises en 2025 », Insee Première n° 2120, paru le 21 juillet 2026 : 18 % d'entreprises utilisatrices en 2025, 15 % pour les 10 à 49 salariés et 58 % pour les 250 salariés ou plus, écart passé de 16 à 43 points entre 2023 et 2025, 71 % de manque d'utilité perçue et 54 % de manque d'expertise chez les non-utilisatrices, 53 % de manque d'expertise chez les utilisatrices, 80 % d'acquisition par logiciels prêts à l'emploi. Consulté le 20 août 2026. insee.fr