Rapport INSEE IA en PME : ce que les chiffres révèlent vraiment

État des lieux : l'explosion de l'adoption de l'IA dans les PME françaises

Le fait marquant de l'année tient en une phrase : la part de TPE-PME utilisant une solution d'intelligence artificielle a doublé en douze mois pour atteindre 26 %, selon le Baromètre France Num 2025, publié le 15 septembre 2025 par la Direction générale des Entreprises. Cette enquête, confiée au Crédoc, a interrogé 11 021 entreprises dont 7 978 TPE, ce qui en fait l'un des panoramas les plus robustes sur le tissu productif français.

Cette progression s'inscrit dans un climat de confiance stable : 78 % des dirigeants estiment que le numérique représente un bénéfice réel pour leur entreprise, chiffre confirmé par le communiqué de Bercy. Concrètement, 40 % y voient un levier de chiffre d'affaires et 35 % un gain de bénéfices. L'IA arrive donc sur un terrain déjà convaincu de l'utilité du numérique — ce n'est pas un saut dans l'inconnu, mais une brique supplémentaire.

Les travaux de l'INSEE sur l'usage de l'IA dans les entreprises convergent avec ce constat d'accélération, tout en rappelant qu'une majorité d'entreprises restent au stade de l'expérimentation. Le mot est important. Adopter l'IA au sens du baromètre, c'est souvent avoir testé un ChatGPT gratuit ou un assistant intégré à une suite bureautique — pas nécessairement avoir industrialisé un cas d'usage rentable.

Ce que « 26 % » veut réellement dire

Trois lectures s'imposent pour ne pas surinterpréter :

• L'usage grand public tire les chiffres : l'IA générative domine (22 %, +12 points), portée par des outils accessibles sans compétence technique, ce qui explique la vitesse de diffusion.
• La profondeur d'usage reste faible : l'automatisation de tâches (5 %) et l'analyse de données structurées (5 %) progressent mais restent marginales, signe que l'IA « métier » n'est pas encore installée.
• Le doublement part d'une base basse : passer de 13 % à 26 % impressionne, mais les trois quarts des TPE-PME n'utilisent toujours aucune IA, ce qui laisse un immense gisement de compétitivité.

Autrement dit, la France entre dans la phase d'adoption de masse, mais la maturité — celle qui produit du retour sur investissement — reste devant nous. C'est précisément là que se joue l'écart de compétitivité des trois prochaines années.

Analyse sectorielle : une fracture numérique persistante

Le chiffre moyen de 26 % masque des écarts spectaculaires. Le secteur du numérique atteint 51 % (+11 points), suivi des services spécialisés et techniques — architectes, bureaux d'études, professions juridiques — à 41 % (+19 points), puis des services à la personne (29 %, multiplié par 3,2). À l'autre extrémité, l'hébergement-restauration plafonne à 20 %, l'industrie agro-alimentaire à 15 % et l'agriculture à seulement 9 %, malgré une progression multipliée par 2,3.

Pourquoi cette fracture ?

La ligne de partage n'est pas le hasard : elle sépare les métiers de l'immatériel des métiers du geste et de la matière. Un cabinet juridique de 12 salariés manipule du texte, des contrats, de la jurisprudence — la matière première exacte de l'IA générative. Une exploitation agricole ou un restaurant produisent de la valeur physique, où l'IA suppose des capteurs, du matériel spécifique et une chaîne de données qui n'existe pas encore.

Secteur	Adoption IA 2025	Dynamique	Frein dominant
Numérique	51 %	+11 pts	Aucun majeur, culture data native
Services techniques/juridiques	41 %	+19 pts	Confidentialité des dossiers
Services à la personne	29 %	×3,2	Compétences internes
Hébergement-restauration	20 %	×2,5	ROI perçu faible
Agro-alimentaire	15 %	×2,5	Investissement matériel
Agriculture	9 %	×2,3	Infrastructure de données absente

Pour les métiers à forte valeur documentaire, l'IA souveraine on-premise résout d'ailleurs le principal frein — la confidentialité — puisque les données ne quittent jamais l'entreprise. C'est ce que nous déployons pour les cabinets et les professions réglementées, dont vous trouverez les cas d'usage détaillés sur notre hub solutions par métier. Pour l'agriculture et l'agro-alimentaire, l'enjeu est en amont : structurer la donnée avant de parler d'IA. Sauter cette étape, c'est garantir un projet raté.

Technologies dominantes et cas d'usage prioritaires

Quelles briques technologiques les entreprises mobilisent-elles ? Les données de l'INSEE identifient deux familles dominantes : l'analyse du langage écrit (44 %) et le machine learning appliqué à l'analyse de données (41 %). Le Baromètre France Num, sur son propre périmètre, confirme la primauté du texte : l'IA générative représente 22 % des usages et les chatbots et assistants 14 %, loin devant l'analyse de documents (6 %) ou l'automatisation de tâches (5 %).

Des finalités qui se déplacent vers le pilotage

Les usages ne sont plus cantonnés à la communication. On observe une bascule vers les fonctions cœur :

• Marketing et ventes : c'est le premier terrain d'expérimentation, avec une progression notable, l'IA générant devis, e-mails commerciaux, fiches produit et réponses clients.
• Processus administratifs : l'usage a doublé en un an, l'IA prenant en charge le tri documentaire, la pré-saisie comptable et la rédaction de comptes rendus.
• Production et organisation : encore émergent, mais c'est là que se situent les gains de productivité les plus profonds, une fois les données structurées.

Cette trajectoire raconte une histoire : l'entreprise commence par le visible (le marketing), puis découvre que le vrai gisement est dans l'invisible (l'administratif et le pilotage). Le passage à l'IA générative accélère ce mouvement car elle abaisse la barrière technique — plus besoin de data scientist pour formuler une demande en langage naturel. Reste que la génération de texte non maîtrisée expose à des risques de fuite de données et d'hallucinations. Pour comprendre les termes techniques — RAG, quantization, LoRA, fine-tuning — je renvoie systématiquement mes clients vers notre glossaire de l'IA, qui glose chaque notion sans jargon. Choisir la bonne technologie pour le bon cas d'usage évite 80 % des projets qui échouent.

Les freins majeurs : cybersécurité et crainte du piratage

Voici le paradoxe central du rapport. Au moment même où l'IA se diffuse, la peur du risque numérique s'intensifie : 52 % des dirigeants craignent la perte ou le piratage de leurs données, soit +3 points en un an et +8 points depuis 2021. Cette inquiétude n'est pas irrationnelle : 36 % des entreprises déclarent avoir déjà subi un incident de cybersécurité, dont 21 % de l'hameçonnage et 16 % un logiciel malveillant.

La tentation serait d'opposer les deux dynamiques. C'est une erreur d'analyse. L'IA mal déployée — via des services grand public hébergés hors d'Europe — aggrave le risque, puisqu'elle expédie vos données stratégiques vers des serveurs sur lesquels vous n'avez aucun contrôle. À l'inverse, une IA souveraine, installée sur vos propres serveurs, réduit la surface d'attaque.

Les protections déjà en place

Les entreprises ne sont pas démunies : 84 % ont déployé au moins une mesure de protection, principalement l'antivirus (81 %), la sauvegarde externe des données (68 %) et, plus timidement, l'authentification multi-facteurs (32 %). Ce dernier chiffre est le talon d'Achille : un tiers seulement des TPE-PME utilise le MFA, alors que c'est la parade la plus efficace contre le vol d'identifiants.

Ma recommandation opérationnelle est simple : ne déployez jamais un projet IA sans traiter en parallèle trois fondamentaux — sauvegardes externes testées, authentification multi-facteurs généralisée, et sensibilisation du personnel à l'hameçonnage (34 % seulement forment leurs équipes, c'est insuffisant). Pour approfondir les bonnes pratiques de protection des données personnelles, la CNIL publie des guides directement exploitables par une PME. L'IA et la cybersécurité ne sont pas deux chantiers séparés : c'est le même.

Le cadre réglementaire européen : comprendre l'AI Act pour les dirigeants

L'AI Act, le Règlement (UE) 2024/1689, est le premier cadre juridique complet au monde sur l'intelligence artificielle. Son principe tient en une idée : une approche par les risques. La Commission européenne distingue quatre niveaux — risque inacceptable (pratiques interdites depuis février 2025), haut risque (obligations strictes), risque de transparence (information de l'utilisateur), et risque minimal ou nul (la grande majorité des systèmes, sans obligation).

Pour l'immense majorité des PME, l'exposition se concentre sur deux points : les obligations de transparence de l'article 50 — applicables au 2 août 2026, imposant notamment d'identifier les contenus créés par IA générative — et, plus rarement, la qualification en haut risque pour certains usages listés à l'annexe III (RH, scoring de crédit, biométrie), dont l'application est reportée au 2 décembre 2027. Je ne détaille pas ici chaque obligation article par article : pour un décryptage complet et à jour, le décryptage de l'AI Act pensé pour les dirigeants de PME couvre le sujet mieux que ne le ferait un résumé.

Retenez surtout que la plupart des usages bureautiques de l'IA (rédaction, résumé, assistance) relèvent du risque minimal et n'imposent qu'une obligation de transparence légère. La panique réglementaire que je rencontre parfois en rendez-vous est largement disproportionnée — à condition de faire le tri en amont, ce qui est précisément l'objet d'un audit de cadrage.

Accompagnement spécifique des PME et startups dans l'AI Act

Le législateur européen a anticipé le risque d'écrasement des petites structures sous le poids de la conformité. L'article 62 du Règlement (UE) 2024/1689 organise un régime d'appui spécifique aux PME et startups. Selon l'AI Act Service Desk, les États membres doivent :

• Accorder un accès prioritaire aux bacs à sable réglementaires (regulatory sandboxes), ces environnements de test supervisés où une entreprise peut expérimenter un système d'IA sous le regard bienveillant du régulateur, sans risque de sanction immédiate.
• Réduire proportionnellement les frais d'évaluation de conformité de l'article 43, en tenant compte de la taille de l'entreprise et de son marché — un point décisif pour les structures à haut risque.
• Organiser des activités de formation et de sensibilisation ajustées aux besoins des petites structures, ainsi que des canaux de communication dédiés.

De son côté, l'AI Office doit fournir des modèles standardisés de documentation, maintenir une plateforme d'information unique et diffuser les bonnes pratiques, y compris dans la commande publique. Ces dispositifs abaissent concrètement le coût d'entrée en conformité.

Les bacs à sable réglementaires sont opérationnels depuis le 2 août 2026 (échéance inchangée par l'accord omnibus numérique du 7 mai 2026). Mon conseil : pour un usage à haut risque, ne subissez pas la conformité, utilisez ces leviers. Un audit AI Act bien mené identifie en amont si vous êtes concerné et, le cas échéant, quels dispositifs d'appui mobiliser. Vous pouvez estimer le gain d'un déploiement encadré via notre calculateur de ROI IA.

De la facturation électronique à l'automatisation globale

L'IA ne se déploie pas dans le vide : elle a besoin de données structurées. Or une réforme majeure va justement structurer la donnée comptable de toutes les entreprises françaises. La facturation électronique devient progressivement obligatoire, selon le calendrier officiel de l'administration fiscale : réception obligatoire pour toutes les entreprises assujetties à la TVA au 1er septembre 2026, émission pour les grandes entreprises et ETI à la même date, puis émission pour les TPE-PME au 1er septembre 2027.

L'enjeu dépasse la contrainte administrative. Aujourd'hui, 69 % des TPE-PME sont équipées d'un logiciel de facturation (86 % des PME), mais seules 20 % émettent leurs factures dans un format structuré (Factur-X, CII, UBL) permettant un traitement automatique. C'est ce dernier chiffre qui compte pour l'IA.

Pourquoi la facture structurée change tout

Une facture au format structuré est lisible par une machine. Multipliée par des milliers de documents, elle devient un jeu de données exploitable pour :

• Le rapprochement automatique entre commandes, livraisons et factures, avec détection des anomalies.
• La prévision de trésorerie en temps réel, alimentée par des données propres plutôt que par des ressaisies manuelles.
• Le pilotage assisté par IA, qui suppose une donnée fiable en entrée — sans quoi les recommandations sont fausses.

Le rapport le confirme : 75 % des TPE-PME exploitent déjà leurs données pour piloter leur activité, les données comptables et financières arrivant en tête (64 %). La réforme de la facture électronique va donc, presque mécaniquement, préparer le terrain de l'automatisation intelligente. Les entreprises qui traitent ces deux chantiers ensemble — mise en conformité facture + socle de données — prendront une longueur d'avance décisive sur celles qui les subissent séparément.

Stratégies de déploiement : vers une IA souveraine et responsable

Comment les entreprises acquièrent-elles leur IA ? Massivement par l'achat de solutions prêtes à l'emploi : environ 69 % optent pour des logiciels sur étagère plutôt que pour un développement interne. C'est rationnel pour démarrer, mais cela pose une question rarement anticipée : où partent vos données ?

Le Parlement européen rappelle que les systèmes d'IA doivent être sûrs, traçables et respectueux des droits fondamentaux. Sur le plan des données personnelles, le RGPD s'applique intégralement — or 47 % seulement des TPE-PME ont désigné un délégué à la protection des données et 41 % tiennent un registre des traitements, pourtant obligatoire. Le socle de conformité est donc fragile avant même d'ajouter l'IA.

Ma méthode de déploiement en trois étapes

Chez IAPRO, je recommande une approche progressive et souveraine :

1. Cartographier les données critiques : identifier ce qui relève du patrimoine immatériel stratégique (dossiers clients, R&D, contrats) qui ne doit jamais quitter l'entreprise.
2. Choisir des solutions conformes et confidentielles : privilégier des modèles ouverts (Mistral, Llama, Qwen) déployés en local via Ollama et OpenWebUI, garantissant que les données restent sur vos serveurs.
3. Industrialiser par cas d'usage rentable : commencer par un périmètre mesurable (support, administratif), prouver le ROI, puis étendre.

Cette logique de souveraineté numérique n'est pas idéologique, elle est économique et juridique : elle protège votre avantage concurrentiel tout en simplifiant votre conformité RGPD et AI Act. Les dispositifs de financement — Bpifrance, France Num, OPCO — peuvent en couvrir une partie ; nous les recensons sur notre hub aides au numérique. Une IA responsable, en 2026, n'est pas une IA bridée : c'est une IA maîtrisée.

FAQ — INSEE, IA et PME françaises

Pour aller plus loin avec IAPRO

Ces chiffres dessinent une opportunité claire : les entreprises qui structurent leurs données et déploient une IA souveraine dès maintenant prendront une avance durable. Chez IAPRO, nous installons des solutions on-premise conformes au RGPD et à l'AI Act, adaptées aux PME et ETI françaises, avec un audit de cadrage en amont. Discutons de votre projet : contactez-nous pour un premier échange sans engagement et découvrez nos formules d'accompagnement.

Liens utiles

• Solutions IA par métier
• Glossaire de l'intelligence artificielle
• Calculateur de ROI IA
• Aides au financement du numérique
• Contact IAPRO
• Baromètre France Num 2025 (DGE)
• Cadre réglementaire de l'AI Act (Commission européenne)
• Facturation électronique (impots.gouv.fr)