L’intelligence artificielle générative s’est imposée en trois ans comme un réflexe quotidien : 82 % des décideurs américains l’utilisent désormais au moins une fois par semaine et près d’un sur deux y recourt chaque jour, contre à peine 37 % en 2023. Cette progression fulgurante témoigne d’un basculement culturel : on ne « teste » plus l’IA, on l’intègre au cœur des tâches courantes, de l’analyse de données au compte-rendu de réunion, en passant par la rédaction d’e-mails.

Le sondage mené à l’été 2025 auprès d’environ 800 cadres de grandes entreprises américaines (plus de 1 000 salariés et 50 M $ de chiffre d’affaires) montre que ce passage à l’échelle n’est pas linéaire : les départements informatiques et les achats sont les plus aguerris, tandis que marketing/vente et opérations accusent un léger retard. Pourtant, même les secteurs traditionnellement prudents, comme la fabrication ou la distribution, voient la courbe d’adoption grimper à mesure que les grands groupes comblent l’écart avec les structures plus agiles.

La diffusion s’effectue d’abord par des usages répétitifs à forte valeur ajoutée : 73 % des répondants exploitent l’IA pour l’analyse de données, 70 % pour résumer des réunions et 68 % pour réécrire des documents. Les outils conversationnels dominent ; ChatGPT reste la référence, mais Copilot et Gemini gagnent rapidement du terrain, tous financés majoritairement par l’employeur. À côté des chatbots, 58 % des entreprises testent déjà des « agents » autonomes capables d’orchestrer des processus : tri de tickets d’assistance, rapprochement de factures ou surveillance DevOps.

L’explosion de l’usage a fait naître une exigence de résultats mesurables. 72 % des organisations ont désormais un dispositif formel de suivi du retour sur investissement ; dans les ressources humaines et la finance, la proportion frôle 80 %. Trois quarts des dirigeants observent déjà un ROI positif, notamment dans les entreprises de taille intermédiaire qui intègrent plus vite les outils aux workflows. Les groupes de plus de 2 milliards de dollars, confrontés à une complexité d’intégration supérieure, déclarent plus souvent « trop tôt pour juger », sans toutefois remettre en cause les budgets.

Ces budgets, d’ailleurs, continuent leur ascension. Les deux tiers des entreprises consacrent au moins 5 millions de dollars annuels à l’IA générative ; un quart des grands groupes dépassent 20 millions. Pour 2025, plus d’un tiers des enveloppes est dirigé vers des technologies nouvelles ou l’extension d’infrastructures existantes, et près de 30 % sert au développement interne de solutions sur-mesure. Cette orientation R&D traduit la volonté de créer des avantages propriétaires plutôt que de se contenter d’outils génériques.

La contrepartie de cette accélération se joue sur le terrain humain. Les émotions positivement associées à l’IA – « optimiste », « excité », « impressionné » – progressent encore, mais 38 % des répondants restent « prudents ». Le risque qui inquiète n’est plus tant la disparition d’emplois que celui d’une atrophie des compétences : 43 % craignent un déclin de la maîtrise métier si la technologie prend trop de place dans les tâches de base. Les cadres intermédiaires, au contact direct des équipes, expriment ce doute plus nettement que le top management, souvent plus enthousiaste.

Face à l’impératif de montée en compétence, les réponses divergent. La moitié des organisations mise sur la formation interne et l’expérimentation libre, mais les budgets dédiés reculent de huit points en un an, tandis que 40 % des décideurs envisagent de recruter à l’extérieur. Or attirer des profils experts en IA générative s’avère ardu : près d’un sur deux évoque la pénurie de talents avancés comme principal frein à leur feuille de route.

Dans ce contexte, la gouvernance se renforce : 70 % des sociétés ouvrent désormais l’accès à l’IA à l’ensemble des employés, tout en instaurant des garde-fous plus stricts. Les politiques de sécurité des données (64 %), de conformité réglementaire (61 %) et de formation à l’usage responsable (61 %) progressent fortement. Les grandes entreprises étoffent aussi leurs organes de pilotage : six sur dix disposent d’un Chief AI Officer, rôle souvent ajouté au portefeuille d’un cadre existant, ce qui souligne la volonté de centraliser la stratégie sans multiplier les strates hiérarchiques.

L’IA générative sert également d’outil de gouvernance : dans deux entreprises sur trois, elle surveille déjà les risques cyber ; dans six sur dix, elle épaule la détection des fraudes ou la conformité financière. Autrement dit, la technologie devient simultanément moteur d’efficacité et rempart contre ses propres dérives potentielles.

Les bénéfices les plus cités – productivité, qualité, expérience client – reflètent l’ancrage de l’IA dans les processus quotidiens. Parallèlement, les obstacles évoluent : la complexité opérationnelle et les risques de sécurité dominent toujours, mais le manque de ressources de formation fait son entrée parmi les dix premières préoccupations. Pour les retardataires, la résistance interne et la méfiance des collaborateurs restent des handicaps majeurs, risquant d’accentuer la fracture entre pionniers et suiveurs.

La dynamique sectorielle est tout aussi instructive. Les services numériques, la banque-finance et le conseil, où les flux d’information sont natifs et dématérialisés, enregistrent déjà des retours « significativement positifs ». À l’inverse, la distribution et la fabrication – confrontées à des chaînes physiques et à des marges plus fines – avancent plus prudemment : 54 % des professionnels du retail déclarent un ROI positif, mais seulement 12 % anticipent un impact « révolutionnaire » à moyen terme. Néanmoins, l’écart se réduit au fur et à mesure que des cas d’usage logistiques, pricing ou expérience client prouvent leur pertinence.

À mesure que les entreprises basculent de la phase d’« expérimentation responsable » à celle de « performance responsable », trois leviers apparaissent décisifs. D’abord, l’exploitation des gains rapides : automatisation des synthèses, co-rédaction de contenus, analyse prédictive et support interne, qui libèrent du temps cognitif et améliorent la prise de décision. Ensuite, la discipline budgétaire : établir des indicateurs clairs (coût unitaire, temps-cycle, taux d’erreur) et réallouer progressivement les ressources tirées des systèmes hérités vers l’IA pour financer la prochaine vague de projets. Enfin, la confiance : consolider la gouvernance, outiller la formation continue et associer les équipes aux expérimentations pour éviter le décrochage des compétences.

À court terme, la plupart des décideurs tablent sur un alignement entre investissements et retours dans les deux à trois ans. Mais pour transformer cette promesse en réalité industrielle, il faudra dépasser la simple automatisation des tâches bureautiques et s’attaquer aux processus cœur de métier : chaîne d’approvisionnement, R&D, gestion des risques ou relation client omnicanale. Là se jouera la différence entre une adoption superficielle, rapidement banalisée, et un avantage compétitif durable.

En définitive, l’IA générative n’est plus un pari technologique ; c’est un chantier organisationnel. Elle impose une révision des workflows, des indicateurs, des rôles et des investissements, tout en rappelant que l’humain reste au centre de la proposition de valeur. Les entreprises qui réussiront la prochaine étape seront celles qui sauront orchestrer le triptyque talent-formation-confiance aussi méthodiquement qu’elles ont déployé leurs pilotes techniques. Car, comme l’indiquent déjà les premiers bilans financiers, c’est moins la performance brute des modèles qui différenciera les gagnants de 2026 que leur capacité à aligner stratégie, culture et compétences autour d’une IA devenue, tout simplement, ordinaire.