L’IA améliore-t-elle vraiment la productivité ?
À ce stade, la réponse honnête tient en une phrase : les entreprises qui utilisent l’IA ne le voient pas encore dans leurs chiffres. Près de neuf dirigeants sur dix déclarent qu’elle n’a rien changé à leur productivité sur les trois dernières années. Ce n’est pas un sondage d’opinion sur Twitter, c’est une étude de six mille cadres publiée par le National Bureau of Economic Research en février 2026.
Le contraste mérite qu’on s’arrête dessus. D’un côté, un discours marketing qui parle de « 10x », de productivité « décuplée », de gains à « +80 % ». De l’autre, les gens qui signent les chèques et qui, interrogés, haussent les épaules. Entre la promesse et le constat, il y a un écart. Cet article regarde de quoi il est fait. Et, aussi, ce qu’il ne prouve pas.
Ce que mesure l’étude NBER « Firm Data on AI »
Commençons par la source, parce que c’est elle qui donne son poids au reste. Le papier s’appelle « Firm Data on AI », il est signé notamment par Nicholas Bloom et Steven J. Davis, deux économistes de Stanford qu’on ne présente plus dans le champ de la productivité. L’échantillon : environ 6 000 dirigeants (PDG, directeurs financiers, autres cadres) d’entreprises aux États-Unis, au Royaume-Uni, en Allemagne et en Australie. Ce ne sont pas des étudiants ni des early adopters enthousiastes. Ce sont des gens qui décident des budgets.
Trois chiffres à retenir :
- ~90 % des dirigeants déclarent aucun impact de l’IA sur l’emploi ou la productivité, sur les trois dernières années.
- 69 % des entreprises utilisent pourtant activement l’IA. L’adoption est là. L’effet mesurable, non.
- Pour les trois années à venir, ils projettent en moyenne +1,4 % de productivité. Pas +80 %. Pas dix fois. Un virgule quatre.
Il y a même un détail qui pique. Les dirigeants qui pilotent l’adoption de l’IA dans leur boîte l’utilisent eux-mêmes, en personne, environ une heure et demie par semaine. On vend un outil de transformation, on l’ouvre le temps d’un café hebdomadaire. Je note, sans commentaire.
« Démontré » contre « affirmé » : ce que ce chiffre ne dit pas
Maintenant, la partie que la plupart des articles sautent. Ce chiffre de 90 % ne dit pas « l’IA est inutile ». Il faut le répéter, parce que la tentation est grande de lui faire dire ça.
L’étude mesure une perception déclarée. On a demandé à des dirigeants s’ils constataient un effet ; ils ont répondu que non. C’est une donnée précieuse (ce sont eux qui voient les comptes), mais ce n’est pas une mesure objective de la productivité, chronomètre en main, poste par poste. Ce que la source établit : les patrons ne voient pas encore l’effet. Ce qu’elle n’établit pas : qu’il n’existe pas. On confond souvent les deux.
Plusieurs choses peuvent expliquer l’écart sans conclure à l’inutilité. Un gain réel mais noyé dans le bruit d’une entreprise entière. Un effet qui met des années à remonter dans les statistiques agrégées : ça s’est déjà vu. Ou des gains bruts bien réels, mais mangés par le temps passé à corriger, relire, reformuler ce que les modèles de langage qui font tourner ces outils produisent. Le gain d’un côté, la reprise de l’autre. Reste zéro au compteur.
Bref : le chiffre est solide, l’interprétation demande de la retenue. Dans les deux sens.
Le paradoxe de Solow : on a déjà vu ce film
Ce décalage entre une technologie omniprésente et des statistiques plates, ce n’est pas nouveau. En 1987, l’économiste Robert Solow résumait la chose d’une phrase restée célèbre : on voyait l’ère informatique partout, sauf dans les statistiques de productivité. Les ordinateurs étaient sur tous les bureaux ; la courbe, elle, ne décollait pas. Il a fallu attendre la fin des années 1990 pour que l’effet se matérialise vraiment.
Les économistes qui commentent l’étude de 2026 ressortent exactement ce cadre. Torsten Slok, chef économiste d’Apollo, le dit sans détour : « l’IA est partout, sauf dans les données macro qui arrivent. » Même mélodie, quarante ans plus tard.
Et puis il y a Daron Acemoglu, prix Nobel, au MIT, qui apporte la nuance juste, celle qu’on ne peut pas balayer :
« Je ne pense pas qu’on doive mépriser 0,5 % en dix ans. C’est mieux que zéro. Mais c’est décevant par rapport aux promesses. »
Voilà le point d’équilibre. L’effet n’est pas nul. Il est simplement très loin de ce qu’on a vendu. Et sur ce point précis, Acemoglu a raison des deux côtés : ni zéro, ni miracle.
Comment lire une promesse de productivité IA sans se faire avoir
Tu vas continuer à croiser des chiffres de gains spectaculaires. Voici la grille que j’applique avant de les prendre au sérieux.
Qui a produit le chiffre ? Un « +70 % de gain de temps » sorti d’une démo interne de l’éditeur, sur un cas qu’il a lui-même choisi, ne vaut pas un benchmark indépendant. La provenance de la preuve compte autant que la preuve. Un vendeur qui se note lui-même n’est pas une source, c’est un argumentaire.
Est-ce un gain brut ou un gain net ? « J’ai rédigé ce mail deux fois plus vite » est un gain brut. Le gain net retranche le temps de relecture, de correction, de reformulation. Souvent, l’écart entre les deux est là où toute la magie disparaît.
Sur quel périmètre ? Un gain sur une tâche précise (résumer un document) ne se transforme pas mécaniquement en gain de productivité pour l’entreprise entière. C’est justement le saut que l’étude NBER ne voit pas se produire.
Rien de tout ça n’exige d’être économiste. Juste de se demander, à chaque chiffre : est-ce mesuré, ou affirmé ? La plupart du temps, la question suffit à faire le tri.
La même grille, appliquée cette fois à un appui d’experts plutôt qu’à un chiffre : notre décryptage du contre-rapport « IA : nos craintes pour la France ».
Questions fréquentes
L’étude NBER dit-elle que l’IA ne sert à rien ?
Non. Elle dit que 90 % des dirigeants ne constatent pas encore d’impact sur leur productivité. C’est une perception déclarée, pas une mesure objective ; elle établit un écart avec les promesses, pas l’inutilité de l’outil.
Quel gain de productivité l’IA apporte-t-elle vraiment ?
À l’échelle des entreprises interrogées : proche de zéro sur les trois dernières années, et +1,4 % projeté en moyenne pour les trois à venir (étude NBER « Firm Data on AI », février 2026). Très loin des « 10x » du marketing.
Pourquoi un tel écart entre les promesses et les chiffres ?
Trois pistes probables : un effet réel mais dilué à l’échelle d’une organisation, un décalage temporel classique (le paradoxe de Solow), et des gains bruts en partie repris par le temps de correction. Aucune ne conclut à l’inutilité ; aucune ne valide non plus les promesses.