Sommaire7
En septembre 2026, une grande étude annonçait que près de la moitié des grandes entreprises tirent enfin une valeur mesurable de l’IA. Deux mois plus tôt, l’institut de recherche du même cabinet n’en trouvait que 6 % dans les comptes. En janvier, plus de la moitié des PDG interrogés par un autre cabinet disaient n’en avoir tiré aucun bénéfice financier significatif. Les trois chiffres circulent, souvent dans le même fil d’actualité.
Ils ne se contredisent pas autant qu’il y paraît. Ils ne mesurent pas la même chose, ne posent pas la question aux mêmes personnes, et n’ont pas tous la même raison de la poser. Notre article sur la rentabilité de l’IA en entreprise explique pourquoi elle tarde ; celui-ci apprend à lire les études qui le disent.
En bref
Le BCG, qui vend du conseil en IA, compte 48,5 % de grandes entreprises qui déclarent une valeur mesurable : c’est une enquête où les dirigeants décrivent leurs propres résultats.
Son institut de recherche, en lisant les comptes de grandes sociétés cotées américaines, ne trouve que 6 % de leaders.
Chez PwC, 56 % des PDG interrogés ne voient aucun bénéfice financier significatif ; dans une étude universitaire, neuf dirigeants sur dix ne voient aucun effet sur la productivité.
Le seul point sur lequel tout converge : les entreprises qui mesurent la valeur dans leurs comptes en déclarent davantage.
Aucune de ces études ne décrit une équipe de 20 à 500 personnes.
Quatre études, quatre réponses
Voici les quatre chiffres côte à côte, avec ce que chacun compte vraiment.
des grandes entreprises interrogées par le BCG déclarent une valeur mesurable de l’IA en 2026
des grandes sociétés cotées américaines sont des leaders de l’IA, d’après leurs comptes
des PDG interrogés par PwC n’en ont tiré aucun bénéfice financier significatif
des dirigeants interrogés par des chercheurs ne voient aucun effet sur l’emploi ni la productivité
Le premier vient de l’enquête annuelle du BCG, un cabinet qui vend du conseil en IA, menée auprès de 1 330 dirigeants dans plus de 60 pays, dont plus de la moitié des entreprises dépassent 5 milliards de dollars de chiffre d’affaires, loin de notre cible. La série est spectaculaire : 26 % en 2024, 40 % en 2025, puis près de la moitié.
Le deuxième vient de l’institut de recherche du même BCG, qui n’a interrogé personne : il a lu les comptes de plus de 600 sociétés cotées américaines de plus de 5 milliards de dollars de capitalisation, encore plus loin de notre cible. Le rendement pour l’actionnaire de ses leaders, sur trois ans, dépasse la médiane de 9,3 %.
Le troisième vient du 29e baromètre mondial des PDG de PwC, un cabinet qui vend de l’audit, du conseil et des services d’IA : 4 454 PDG dans 95 pays, des résultats pondérés par le PIB, et une taille d’entreprise que PwC ne publie pas. Nous l’avons lu dans le communiqué relayé par une agence de presse, le site de PwC étant inaccessible lors de notre relevé.
Le quatrième vient de chercheurs du NBER, sans intérêt commercial : près de 6 000 dirigeants aux États-Unis, au Royaume-Uni, en Allemagne et en Australie. 69 % de leurs entreprises utilisent activement l’IA, mais neuf dirigeants sur dix ne voient aucun effet sur l’emploi ni sur la productivité depuis trois ans. Nous ne l’avons lu que dans son résumé.
Pourquoi elles ne se contredisent pas
Mettez les quatre questions côte à côte et l’écart s’explique.
Ce que mesurent les enquêtes du BCG et de PwC
Ce que le dirigeant dit de sa propre entreprise
Une « valeur » ou un « bénéfice » au sens que chacun lui donne
Des barèmes qui changent d’une année sur l’autre
Ce que mesurent les comptes et l’étude universitaire
Un rendement boursier, une productivité, un effectif
Un seuil fixé par le chercheur, pas par le répondant
Un effet sur toute l’entreprise, pas sur un projet
« Tirer une valeur mesurable » sur un cas d’usage et « devenir un leader » dans ses comptes sont deux marches très éloignées. Rien n’empêche une entreprise de déclarer une valeur réelle sur trois processus sans que cela se voie dans son rendement boursier. Le BCG le reconnaît d’ailleurs lui-même : son rapport mentionne un biais de perception, et il a jugé neuf de ses capacités plus sévèrement en 2026, sur 33 comparables d’une année à l’autre. La hausse de 26 % à 48,5 % dit une tendance, pas une mesure au point près.
Que vaut une enquête déclarative ?
Définition
Enquête déclarative
Une enquête où l’on demande aux personnes interrogées de décrire elles-mêmes leurs résultats, sans les vérifier dans leurs comptes. Utile pour suivre une tendance ou une intention, fragile pour mesurer un retour sur investissement.
Une enquête déclarative ne ment pas, mais elle répond à une autre question que celle qu’on lui prête. Quatre questions suffisent pour la lire.
- Qui répond ? Un dirigeant qui a défendu un budget d’IA devant son conseil a peu de raisons de le décrire comme un échec.
- Qui commande l’étude ? Les quatre cabinets cités ici vendent du conseil ou des services d’IA. Leur intérêt ne rend pas leurs chiffres faux ; il oblige à le dire dans la même phrase.
- Qui est interrogé ? Des entreprises de plusieurs milliards de dollars, pour la plupart. Même l’étude du « middle market » de RSM, un cabinet qui vend de l’audit et du conseil, commence à 30 millions de dollars de chiffre d’affaires.
- La définition a-t-elle changé ? Une série qui grimpe pendant que le barème bouge ne se lit pas comme une courbe.
Un exemple montre l’écart entre déclarer et mesurer. KPMG, qui vend de l’audit, du conseil et des services d’IA, a interrogé 2 110 dirigeants d’entreprises d’au moins 100 millions de dollars, loin de notre cible : 95 % ont une stratégie d’IA, 64 % disent en tirer des bénéfices réels, mais 8 % seulement mesurent réellement son retour sur investissement.
Le seul fil commun : ceux qui mesurent
Sur un point, les études se rejoignent, et c’est le plus utile. Le même rapport du BCG a classé les grandes entreprises selon la façon dont elles suivent la valeur de l’IA, et rapproché ce suivi de la part de chiffre d’affaires qu’elles attribuent à l’IA.
Valeur de l’IA déclarée, en part du chiffre d’affaires, selon la façon de la suivre
Prudence : c’est un lien déclaré, pas une preuve de cause. Les entreprises qui réussissent mesurent peut-être davantage parce qu’elles ont quelque chose à montrer. Mais seules 12 % suivent la valeur de l’IA directement dans leur compte de résultat, et 15 % ne la suivent pas du tout. Le premier écart entre les entreprises n’est donc pas technologique : c’est de savoir ce qu’on gagne.
Avant de se demander si l’IA rapporte, il faut savoir ce que coûte aujourd’hui la tâche qu’on veut lui confier.
Et pour une équipe de 20 à 500 personnes ?
Aucune des études citées ne décrit une entreprise de cette taille. Les cabinets interrogent leurs clients, et leurs clients sont grands. Ce qu’on peut en retenir pour une équipe plus petite tient en une méthode, pas en un pourcentage.
Nous l’appliquons à nos propres outils. Sur le pipeline de traduction que nous opérons pour Palmora Property, un portail immobilier en six langues, nous suivons le coût par segment traduit : le changement de fournisseur l’a divisé par 60, et 95 % des segments sortent du cache après le premier passage, sans rappeler l’IA (chantier CNT.7). Ces chiffres valent pour ce pipeline-là. Ils existent parce que la mesure a été posée avant le changement, pas après.
- Choisir une tâche.
Une seule, avec un volume connu : traiter une facture, répondre à une demande, traduire une page.
- Mesurer le point de départ.
Temps passé, coût, délai, taux d’erreur, avant tout outil.
- Mesurer après trois mois.
Le même chiffre, au même endroit, et pas un ressenti.
- Le porter dans les comptes.
Une ligne de coût qui baisse, ou des heures réaffectées à un travail précis.
Sans point de départ chiffré, un outil d’IA ne peut ni être défendu quand le budget se resserre, ni être corrigé quand il coûte plus qu’il ne rapporte. Le coût, lui, se suit : notre guide du coût de l’IA en entreprise montre comment le prévoir avant la facture.
Ce que nous en pensons
À retenir
Notre position, signée Jim
Le bon chiffre n’est ni 48,5 % ni 6 % : c’est le vôtre. Une étude de cabinet dit dans quelle direction va le marché des grandes entreprises ; elle ne dit pas si votre prochain projet d’IA sera rentable. Nous changerions d’avis si une étude menée sur des entreprises de 20 à 500 personnes, par un organisme sans intérêt commercial et à partir de leurs comptes, contredisait ce que montrent ces quatre-là.
Pour lire une étude, la règle maison que tout le monde cite mérite aussi un détour : nous racontons comment la règle 70/20/10 est devenue une statistique. Et si vous voulez partir d’une tâche chiffrée plutôt que d’une étude, c’est la démarche de notre Sprint Audit et feuille de route IA.
Questions fréquentes
Combien d’entreprises gagnent vraiment de l’argent avec l’IA ?
Cela dépend de ce que l’on compte. Parmi les grandes entreprises interrogées par le BCG, 48,5 % déclarent une valeur mesurable en 2026. En lisant les comptes, son institut ne trouve que 6 % de leaders parmi les grandes sociétés cotées américaines. Aucune de ces études ne porte sur les entreprises de 20 à 500 personnes.
Une enquête déclarative est-elle fiable ?
Pour suivre une tendance, oui. Pour mesurer un retour sur investissement, non : les répondants décrivent leurs propres résultats, souvent ceux de projets qu’ils ont défendus, et le commanditaire vend en général ce qu’il étudie. Elle se lit avec son échantillon, son commanditaire et sa définition.
Pourquoi les chiffres du même cabinet varient-ils autant ?
Parce qu’ils ne mesurent pas la même chose. L’enquête du BCG recueille des déclarations de dirigeants ; son institut lit les comptes de sociétés cotées. Une valeur déclarée sur quelques processus ne se voit pas forcément dans un rendement boursier.
Comment savoir si l’IA est rentable dans mon entreprise ?
En mesurant une tâche précise avant et après : temps, coût, délai ou erreurs, puis en portant l’écart dans les comptes. C’est aussi ce qui distingue, dans l’enquête du BCG, les entreprises qui déclarent le plus de valeur.
Sources
- L’enquête annuelle du BCG (nouvel onglet)web-assets.bcg.com
- L’institut de recherche du même BCG (nouvel onglet)bcg.com
- 29e baromètre mondial des PDG de PwC (nouvel onglet)aap.com.au
- Chercheurs du NBER (nouvel onglet)nber.org
- RSM (nouvel onglet)rsmus.com
- KPMG (nouvel onglet)kpmg.com
Jim · fondateur de Brain Plus AI
À lire aussi en ia d'entreprise
Prendre du recul12 min
Rentabilité de l'IA en entreprise : pourquoi elle tarde
Le chiffre de 95 % de projets IA sans retour a fait le tour du monde. Ce qu'il mesure vraiment, pourquoi les autres études disent à peu près la même chose, et les leçons concrètes à en tirer pour une PME.
Prendre du recul7 min
Règle 70/20/10 de l'IA : citée partout, mesurée nulle part
70 % de l'effort sur les personnes et les processus, 20 % sur la technologie, 10 % sur les algorithmes : la règle circule comme un résultat d'enquête. C'est une règle maison du BCG, formulée de six façons en trois ans. Comment elle est devenue une statistique, et pourquoi l'idée reste juste.
Guide pratique10 min
Coût de l'IA en entreprise : tokens, routage et prévision
Ce que vous payez vraiment quand vous utilisez une IA par API : les tokens d'entrée et de sortie, le contexte renvoyé à chaque appel, les tours d'un agent. Et la méthode pour prévoir la facture avant de la recevoir.