L’IA est partout. Pourquoi la productivité ne suit pas encore

Déployer un assistant à plusieurs centaines ou milliers de salariés peut produire des gains réels : écrire plus vite, synthétiser un document, préparer une réunion, analyser un fichier, trouver une information.

Mais une somme de microgains individuels ne devient pas automatiquement un avantage économique.

Le collaborateur économise vingt minutes. Puis il les réabsorbe dans davantage de réunions, de vérifications ou de production. Le livrable arrive plus vite, mais le processus reste identique. La même équipe conserve les mêmes rôles, les mêmes validations, les mêmes logiciels et les mêmes indicateurs.

L’entreprise a accéléré des tâches. Elle n’a pas transformé son système de production.

La productivité mesurable n’apparaît que lorsque le gain local modifie un résultat collectif : davantage de dossiers traités, un cycle de vente raccourci, moins d’erreurs, une décision prise plus tôt, une capacité auparavant achetée à l’extérieur désormais internalisée, ou un nouveau service vendu.

Tant que rien de cela ne change, l’IA reste une commodité de bureau.

Les données publiées par OpenAI en août 2026 sur sa clientèle entreprise donnent un signal intéressant, à manier avec prudence puisqu’il provient d’un fournisseur et non d’un échantillon représentatif de l’économie.

En juin 2026, les usages dits agentiques représentaient 64 % des tokens produits par Codex et ChatGPT chez ses clients entreprise. Les entreprises situées dans le décile supérieur d’usage généraient 8,3 fois plus de tokens par utilisateur actif que les entreprises médianes, contre 2,6 fois plus en janvier. OpenAI précise lui-même que le volume de tokens est un indicateur imparfait de valeur.

Le chiffre important n’est donc pas 64 %. C’est le changement de nature de l’usage.

Un assistant répond. Un agent agit dans un environnement donné : il cherche, croise des sources, utilise des outils, modifie des fichiers, exécute plusieurs étapes et poursuit un objectif jusqu’à un résultat vérifiable.

À ce stade, l’unité pertinente n’est plus la tâche isolée. C’est le workflow complet.

Demander à l’IA de rédiger un compte rendu commercial fait gagner quelques minutes. Lui donner accès aux notes d’appel, au CRM, aux offres passées et aux règles de qualification permet de préparer le suivi, mettre à jour les données, identifier un risque et proposer la prochaine action. Mais même ce workflow ne crée de valeur que s’il améliore un indicateur réel : conversion, durée du cycle, qualité du pipe ou temps commercial utile.

Cent heures « gagnées » ne valent rien si elles sont dispersées entre cinquante personnes, impossibles à réallouer et sans effet sur le volume, le revenu, la qualité ou le risque.

Pour mesurer un investissement IA, une entreprise doit partir d’un résultat accepté, puis calculer le coût complet pour l’obtenir. Cela inclut le modèle, les outils, les échecs, les nouvelles tentatives, la latence, la supervision humaine, la maintenance et les incidents. OpenAI recommande d’ailleurs de raisonner en coût par résultat accepté plutôt qu’en prix du token.

La logique devient concrète :

• coût par dossier correctement clôturé ;

• coût par ticket effectivement résolu ;

• délai entre un signal marché et une décision ;

• taux de propositions commerciales exploitables sans reprise ;

• nombre d’anomalies détectées avant production ;

• revenu ou marge générés par unité de capacité.

Le bon indicateur dépend du métier. Mais il doit être relié à une économie réelle, pas à une impression de vitesse.

1. Assistance individuelle

L’IA aide un collaborateur à accomplir une tâche mieux ou plus vite. Le déploiement est rapide, le risque limité, mais la valeur reste diffuse.

La question de dirigeant : quels usages se répètent assez pour devenir des standards, et comment mesurer autre chose que la satisfaction des utilisateurs ?

2. Workflow métier

L’IA prend en charge plusieurs étapes d’un processus, avec accès au contexte, aux outils et à des règles d’arrêt. La valeur devient mesurable, mais exige des intégrations, des tests, une gouvernance et un responsable métier.

La question de dirigeant : quel résultat pouvons-nous produire à coût, délai ou qualité radicalement différents ?

3. Refonte du modèle opérationnel

L’entreprise recompose les rôles, les prix, l’offre et les capacités autour de ce que l’IA peut désormais exécuter. C’est là que se trouve l’avantage stratégique — et le risque de se contenter d’optimiser un modèle que la technologie est déjà en train de rendre obsolète.

La question de dirigeant : si ce processus coûtait demain dix fois moins cher, où migrerait la valeur ?

Les résultats des Réserves fédérales montrent encore peu de baisse agrégée des effectifs à court terme. Ils montrent en revanche un déplacement attendu de la composition du travail : recul relatif des fonctions routinières et administratives, progression des besoins techniques et analytiques.

Il serait imprudent d’en conclure que l’humain restera durablement le validateur systématique de chaque action. Pour les actes standardisables, la trajectoire probable est au contraire une autonomie croissante, avec contrôle humain concentré sur les exceptions, les décisions à fort impact et les zones d’incertitude.

Il faut donc décider :

• quelles décisions restent humaines ;

• quelles actions peuvent être déléguées ;

• quelles erreurs sont tolérables ;

• quels accès l’agent reçoit ;

• quand une exception bloque le processus ;

• qui porte le résultat économique du workflow ;

• et ce que l’entreprise fera de la capacité libérée.

Sans ces réponses, le projet IA reste coincé entre démonstration impressionnante et industrialisation impossible.

Un COMEX n’a pas besoin d’une liste de cent cas d’usage. Il a besoin de choisir quelques paris dont l’impact peut être prouvé.

Pour chaque processus prioritaire, cinq questions suffisent :

1. Quel résultat métier voulons-nous changer ?

1. Quelle part du processus peut être réellement déléguée aujourd’hui ?

1. Quel niveau de qualité et de risque est acceptable ?

1. Quel indicateur économique permettra de décider de poursuivre ou d’arrêter ?

1. Si le pilote fonctionne, que faudra-t-il changer dans l’organisation, l’offre ou le modèle de revenus ?

Cette discipline évite deux échecs symétriques : généraliser trop tôt un outil sans valeur démontrée, ou multiplier les pilotes sans jamais transformer l’entreprise.

Les modèles deviennent plus performants et leur coût baisse. Cet avantage est accessible à tous.

La différence se déplace vers la capacité à choisir les bons workflows, leur donner le contexte nécessaire, définir une qualité acceptable, construire les contrôles, puis adapter l’organisation à ce que l’IA sait réellement faire.

Les entreprises qui resteront au stade de l’assistance verront beaucoup d’usage et peu d’impact.

Celles qui relieront agents, processus et arbitrages stratégiques pourront transformer une technologie générique en capacité propre.

L’enjeu n’est plus d’utiliser l’IA. Il est de décider ce que l’entreprise doit désormais faire autrement.