Écart d'adoption de l'IA en entreprise : que mesurer en 2026 ?

L'écart entre les entreprises qui utilisent le plus l'IA et celles qui l'utilisent le moins ne se creuse plus lentement, il a plus que triplé en six mois. En juin 2026, le décile le plus intensif consommait 8,3 fois plus de tokens de sortie par utilisateur que le milieu de peloton, contre 2,6 fois en janvier de la même année (OpenAI, 12/08/2026). Ce constat n'a rien d'alarmiste : il donne simplement un ordre de grandeur à un phénomène que beaucoup de dirigeants pressentaient sans pouvoir le chiffrer.

Que dit exactement le rapport OpenAI ?

Le 12 août 2026, OpenAI a publié deux rapports sur la façon dont l'IA se diffuse dans les organisations et sur ce que font différemment celles qui en tirent le plus. Le point de mesure est la consommation de tokens de sortie par utilisateur, comparée entre les entreprises du top 10 % d'usage et celles du milieu de peloton, chez les clients entreprise du fournisseur.

En janvier 2026, l'écart était de 2,6 fois. En juin 2026, il atteignait 8,3 fois. La progression n'est pas linéaire : elle s'accélère, ce qui suggère un effet cumulatif. Les organisations qui avancent le plus consolident leur avance plutôt que de plafonner, pendant que le milieu de peloton progresse à un rythme nettement plus lent.

Pourquoi l'écart varie-t-il autant selon le secteur ?

Le rapport détaille l'écart par secteur, et les deux extrêmes sont instructifs. Dans l'information et la technologie, il atteint 11,7 fois. Dans l'industrie manufacturière, il redescend à 5,3 fois. Même mesure, même méthode, résultat très différent selon la nature du travail observé.

Cette différence tient probablement à la matière première du travail dans chaque secteur : du texte, du code et des documents se prêtent plus directement à un usage intensif d'un assistant génératif qu'une ligne de production physique, où l'IA intervient souvent en périphérie (planification, maintenance prédictive, contrôle qualité) plutôt qu'au cœur du geste métier. Le rapport ne tranche pas la cause, cette lecture reste une hypothèse raisonnable, pas un fait établi.

Que signifie la bascule vers l'usage agentique ?

Un deuxième chiffre du rapport change la nature de la conversation. En juin 2026, l'usage agentique (mesuré en tokens Codex) représentait 64 % des tokens de sortie cumulés chez les clients entreprise, Codex et ChatGPT confondus. Autrement dit, la majorité de l'activité ne consiste plus à poser une question et lire une réponse, mais à confier une tâche que l'agent exécute de bout en bout.

Ce basculement compte plus que le volume brut de tokens. Une entreprise qui pose beaucoup de questions reste dans une logique d'assistance. Une entreprise qui délègue des tâches entières change de registre : elle a défini un périmètre, posé des vérifications, et accepté qu'un agent produise un résultat sans validation à chaque étape intermédiaire. C'est ce déplacement, plus que le chiffre lui-même, qui sépare les organisations avancées du reste.

Ce chiffre dit une chose, et n'en dit pas une autre

C'est le point le plus important de cet article, et celui qu'une dépêche pressée aurait tendance à sauter. Ces données mesurent une consommation de tokens chez un seul fournisseur, pas une valeur créée dans l'entreprise qui les consomme. Elles disent une chose solide : la pratique se creuse, et l'écart entre organisations avancées et moyennes s'accélère. Elles ne disent rien d'une autre chose, tout aussi importante : le retour sur investissement.

Une entreprise peut générer beaucoup de tokens de sortie et obtenir peu de valeur en retour, si l'usage reste dispersé, mal cadré, ou concentré sur des tâches à faible enjeu. À l'inverse, une entreprise qui consomme modestement mais sur deux ou trois cas d'usage bien choisis peut en tirer davantage qu'une autre qui affiche un volume dix fois supérieur sans méthode. Le chiffre de l'écart est un indicateur de pratique, pas un score de performance, et le confondre avec un signal de réussite serait la première erreur de lecture à éviter.

Il faut aussi rappeler ce que ce chiffre ne couvre pas : ce sont des données propriétaires d'un fournisseur sur ses propres clients entreprise, pas une mesure indépendante de l'ensemble du marché ni un reflet du tissu des PME françaises. Elles indiquent une tendance de fond, pas un classement exhaustif.

Comment une PME sait-elle où elle se situe ?

Pas besoin d'un outil de mesure sophistiqué pour se situer. Trois observations, accessibles sans instrumentation particulière, donnent déjà une image honnête de la situation.

La part des équipes avec un usage hebdomadaire réel. Un compte ouvert ne veut rien dire : ce qui compte est le nombre de personnes qui ouvrent effectivement l'outil au moins une fois par semaine pour une tâche de travail, pas par curiosité ponctuelle. Un écart entre le nombre de comptes créés et le nombre d'usages réguliers est souvent le premier signal à regarder.

Le nombre de tâches confiées de bout en bout. Poser une question de temps en temps et déléguer une tâche complète (rédiger un premier jet de compte-rendu, trier une boîte mail, préparer une synthèse récurrente) ne relèvent pas du même niveau de maturité. Compter combien de tâches, même modestes, sont aujourd'hui déléguées sans reprise systématique donne une mesure concrète de la bascule vers l'usage agentique évoquée plus haut.

L'existence d'au moins une procédure écrite et réutilisée. Un usage qui repose entièrement sur la mémoire de chacun se dilue avec le temps et les départs. Une seule méthode formalisée, documentée et reprise d'une session à l'autre, vaut davantage qu'une dizaine d'usages ponctuels non capitalisés.

Ces trois observations ne remplacent pas un diagnostic structuré, mais elles suffisent à situer honnêtement une organisation avant d'aller plus loin. Le sujet n'est pas de rattraper un classement abstrait, il est de savoir précisément ce qu'on mesure chez soi et pourquoi.

Que faire concrètement de ce constat ?

L'écart mesuré par OpenAI n'appelle pas une course au volume : générer plus de tokens n'est un objectif pour personne. Il appelle plutôt à sortir d'un usage dispersé pour identifier deux ou trois cas d'usage précis, avec un périmètre défini et un moyen de vérifier le résultat. C'est exactement l'objet d'un diagnostic financé : cadrer où se situent les gains réels dans votre organisation, avant d'investir du temps ou du budget dans des chantiers mal ciblés.

Deux ressources complémentaires détaillent les dispositifs mobilisables pour ce cadrage : le panorama des aides et financements IA pour les entreprises en 2026, et le guide pratique pour financer un projet IA en PME.