Jamais une technologie n’avait été adoptée aussi vite. Jamais l’écart entre les attentes des dirigeants et le vécu des équipes n’avait été aussi grand. L’IA productive existe, mais elle n’est pas encore celle que l’on croit.

L’intelligence artificielle s’impose comme l’une des transformations technologiques majeures de ce siècle. Depuis l’essor des modèles génératifs en 2022, elle s’invite dans les entreprises, les administrations et les pratiques quotidiennes. Mais une question demeure au cœur du débat économique : constitue-t-elle un levier puissant de productivité ou, au contraire, un facteur de désorganisation et de perte d’efficacité ? Les données disponibles dessinent une réponse résolument nuancée et, sur certains points, franchement contre-intuitive.

Sur le plan macroéconomique, le potentiel est considérable. L’OCDE qualifie l’IA de « technologie à usage général », comparable à l’électricité ou à Internet. Selon les travaux de Filippucci et al. publiés en 2025 dans les OECD Artificial Intelligence Papers, les gains annuels de productivité du travail liés à l’IA pourraient atteindre entre 0,4 et 1,3 point de pourcentage dans les pays à forte exposition sur un horizon de dix ans, à condition que la diffusion soit effective et que les organisations s’y adaptent en profondeur. Les premières données empiriques confirment cette direction : selon le Global AI Jobs Barometer 2025 de PwC, qui s’appuie sur l’analyse de près d’un milliard d’offres d’emploi sur six continents, la croissance de la productivité a été multipliée par quatre dans les industries les plus exposées depuis la généralisation de l’IA générative en 2022, avec une croissance des revenus par employé trois fois supérieure à celle des secteurs les moins exposés, finance, services informatiques et conseil en tête. Ces chiffres sont impressionnants. Ils ne racontent pourtant qu’une partie de l’histoire. L’OCDE relève qu’en 2025, 20,2 % des entreprises des pays membres déclaraient utiliser l’IA, contre 8,7 % seulement en 2023, une progression significative, mais qui demeure concentrée dans les grandes structures et dans certains secteurs. Cette diffusion fragmentée limite l’impact macroéconomique : même si certaines équipes gagnent en efficacité, cela ne se traduit pas immédiatement par une hausse mesurable de la productivité globale. Ce phénomène rappelle le « paradoxe de la productivité » observé dans les années 1990 avec l’informatique, des gains visibles localement, invisibles dans les statistiques agrégées, et l’IA semble reproduire ce schéma, avec des effets qui peinent à se propager à l’échelle des organisations en raison de la rigidité des processus, du manque d’intégration des outils ou de l’inadéquation entre gains de temps et objectifs stratégiques.

Plus surprenant, certaines études documentent des effets franchement inverses. L’enquête de l’Upwork Research Institute (juillet 2024, 2 500 répondants aux États-Unis, Royaume-Uni, Australie et Canada) révèle que 77 % des employés utilisant l’IA estiment que ces outils ont alourdi leur charge de travail alors que 96 % des dirigeants de ces mêmes organisations anticipent une hausse de productivité. L’écart entre les deux perceptions est saisissant. Les raisons avancées sont convergentes : temps consacré à l’apprentissage des outils, vérification systématique de contenus générés parfois erronés, et hausse des attentes managériales alimentée par l’optimisme technologique des directions. Un essai contrôlé randomisé conduit par METR (Becker, Rush, Barnes, Rein, 2025) sur 16 développeurs expérimentés travaillant sur des projets open source pousse le paradoxe encore plus loin : lorsqu’ils pouvaient utiliser des outils d’IA, le temps d’exécution de leurs tâches augmentait de 19 %, à l’exact opposé de leurs propres anticipations, qui prévoyaient un gain de 24 %. Ces résultats, propres à un contexte particulier, ne sont pas généralisables ; ils rappellent néanmoins que l’adoption technologique comporte toujours une phase de friction dont les organisations sous-estiment systématiquement l’ampleur.

Au fond, la question centrale n’est peut-être pas de savoir si l’IA améliore la productivité, mais quand et pour qui. Les travaux académiques indiquent qu’elle profite davantage aux travailleurs moins expérimentés, en réduisant les écarts de compétences avec leurs pairs plus aguerris, tandis qu’elle peut ralentir ou standardiser les tâches à forte valeur ajoutée des experts. Par ailleurs, les compétences requises dans les métiers les plus exposés évoluaient déjà 25 % plus vite que la moyenne selon le baromètre PwC 2024, un rythme qui s’est encore accéléré depuis. L’histoire économique enseigne que les grandes innovations produisent leurs effets avec retard, après des transformations organisationnelles profondes et l’acquisition de nouvelles compétences et l’OCDE insiste sur ce point : les gains dépendront largement de la capacité des institutions à s’adapter et des investissements complémentaires consentis. Sans ces ajustements, l’IA risque de rester ce qu’elle est encore trop souvent aujourd’hui : un outil puissant, mais structurellement sous-exploité. La vraie question n’est donc pas technologique, elle est managériale et les organisations qui l’auront compris les premières prendront une longueur d’avance décisive.

Retrouvez l’ensemble de nos articles Tech