L'IA s'est diffusée plus vite qu'Internet – mais 62 % des utilisateurs sont restés au point de départ

En avril 2026, Stanford HAI a publié son neuvième rapport annuel AI Index Report – la synthèse la plus complète sur l’état de l’industrie de l’intelligence artificielle. Les gros titres sont prévisiblement optimistes : l’adoption en entreprise a atteint 88 %, l’IA générative a dépassé Internet en vitesse de diffusion, la valeur pour les consommateurs des outils GenAI est estimée à 172 milliards de dollars par an. Mais derrière les chiffres, un problème familier apparaît.

Chez mysummit.school, nous avons analysé en détail les données d’Epoch AI / Ipsos dans un article dédié : 62 % des utilisateurs emploient l’IA de manière superficielle – pour une ou deux tâches rapides. Désormais, le Stanford AI Index 2026 fournit un contexte à ce chiffre. L’adoption a eu lieu. Les outils sont disponibles. Les investissements battent des records. Et pourtant, la majorité des gens n’a pas dépassé le stade de la première découverte.

Ceci est le premier article de la série « Stanford AI Index 2026 ». Il traite du paradoxe de l’adoption massive : comment une technologie qui se diffuse plus vite que toutes ses prédécesseures parvient-elle à laisser sur le bord de la route ceux qui, formellement, l’utilisent déjà.

Ce que couvre le rapport

Le Stanford AI Index est un rapport annuel factuel qui agrège des données provenant de dizaines de sources : de McKinsey et Epoch AI aux bases gouvernementales et publications scientifiques. La neuvième édition, parue en avril 2026, couvre les données de 2025.

Ce qui distingue la neuvième édition de la huitième. L’AI Index 2025 de l’année précédente (huitième édition, données 2024) avait capturé un tournant : l’adoption en entreprise avait bondi de 55 % à 78 % en un an, les coûts de calcul étaient devenus la principale barrière, et le coût de l’inférence avait chuté de 280 fois depuis 2023. À l’époque, le fil conducteur était le bond des capacités des modèles – SWE-bench était passé de 4,4 % à 71,7 %.

En 2026, le focus a changé. Les benchmarks techniques continuent de progresser, mais le sujet principal est l’adaptation – qui a réellement adopté l’IA, à quelle vitesse cela se produit, et quelle valeur cela crée (ou ne crée pas). Pour la première fois, le rapport consacre un chapitre entier à la valeur consommateur de la GenAI, et le thème « IA et emploi » a reçu nettement plus de données qu’auparavant.

Une vitesse inégalée par aucune technologie

Commençons par ce qui impressionne vraiment. L’IA générative a atteint 53 % de couverture de la population en trois ans. L’ordinateur personnel a mis près de 15 ans, Internet – environ dix. Aucune technologie grand public ne s’est jamais diffusée aussi vite.*

Et il ne s’agit pas d’une simple « prise de conscience ». La valeur consommateur des outils GenAI, selon l’AI Index, s’élève à 172 milliards de dollars par an pour les consommateurs américains. La valeur médiane par utilisateur a triplé entre 2025 et 2026. Quatre étudiants universitaires sur cinq utilisent l’IA générative dans leurs études.

Mais c’est ici que les choses deviennent intéressantes. La vitesse d’adoption est inégale – et l’écart entre pays s’avère plus important que prévu. Singapour est en tête avec 61 % d’utilisation régulière de GenAI, les Émirats arabes unis à 54 %. Et les États-Unis, bien qu’ils soient le berceau de la grande majorité des outils et des investissements, ne se classent qu’au 24e rang avec 28,3 %.

Réfléchissez : le pays qui produit ChatGPT, Gemini, Claude et Copilot est plus de deux fois derrière Singapour en termes d’adoption. Ce n’est pas une histoire de « leadership technologique = leadership utilisateur ». Créer une technologie et l’adopter sont des compétences radicalement différentes.

* La comparaison est approximative – les données du PC et d’Internet utilisent des méthodologies différentes, l’AI Index le reconnaît. Mais l’ordre de grandeur est parlant.

D’une année à l’autre : AI Index 2025 vs 2026

Les chiffres deviennent encore plus frappants quand on place les deux rapports côte à côte.

L’adoption en entreprise est passée de 78 % à 88 %. L’année précédente, cet indicateur avait grimpé de 55 % à 78 % – et cela semblait déjà rapide. Dix points de pourcentage en un an sur une base déjà élevée signifie que l’IA n’est plus une « expérience pour les pionniers » mais une norme opérationnelle. 88 % des organisations déclarent utiliser l’IA sous une forme ou une autre.

Notez la formulation – « sous une forme ou une autre ». Nous y reviendrons.

Les investissements privés sont passés de 109,1 Mds $ à 285,9 Mds $ – une multiplication par 2,6 en un an. En 2024 (AI Index 2025), les investissements en GenAI représentaient 33,9 Mds $. Le total des investissements privés dans l’IA pour 2025 – 285,9 Mds $ – dépasse le PIB de nombreux pays. Le principal moteur est l’infrastructure : centres de données, calcul, puces. L’argent afflue vers les fondations, pas vers les applications.

Le nombre d’incidents liés à l’IA continue d’augmenter. En 2024, l’AI Index a recensé 233 cas (deepfakes, fuites de données, erreurs d’automatisation). La tendance 2025 va dans la même direction – plus d’utilisation signifie plus d’incidents. Ce n’est pas une catastrophe, mais c’est le coût de la montée en charge, rarement intégré dans les modèles de ROI.

Pour ceux qui avaient construit leur business case sur les données de l’année précédente – nous avons analysé la méthodologie de justification du ROI sur des chiffres concrets de Google Cloud. Les données de l’AI Index 2026 renforcent l’argumentaire : le marché double, il ne se stabilise pas.

Les chiffres en eux-mêmes sont un contexte. Savoir quoi en faire en pratique est une compétence à part.

Le paradoxe de la profondeur : 88 % ont adopté, 62 % sont restés bloqués

Et nous voilà au cœur de la contradiction centrale. 88 % des organisations utilisent l’IA. L’IA générative a dépassé Internet en vitesse d’adoption. Les investissements ont triplé. Les étudiants ont intégré ChatGPT dans leurs études. Tout indique une adoption massive.

Mais.

Les données d’Epoch AI / Ipsos, que nous avons analysées en détail en avril, dressent un tableau différent : 62 % des utilisateurs d’IA l’emploient au niveau « une ou deux tâches rapides ». Seuls 5,6 % s’appuient sérieusement sur l’IA – régulièrement, en profondeur, pour des processus de travail essentiels.

Ce n’est pas une contradiction entre deux rapports. C’est la même réalité vue sous des angles différents. Le Stanford AI Index mesure l’« adoption » – l’organisation utilise l’IA d’une manière ou d’une autre. Epoch AI mesure la « profondeur » – comment une personne concrète travaille réellement avec cette IA. Et l’écart entre « d’une manière ou d’une autre » et « sérieusement » s’avère énorme. Même parmi les entreprises de plus de 5 Mds $ de chiffre d’affaires, seules 10 % ont « pleinement déployé » l’IA. Pour les entreprises plus petites – 3 à 5 %.

J’appellerais cela le paradoxe de l’accessibilité : plus il est facile d’essayer une technologie, plus de personnes restent bloquées à l’étape « j’ai essayé ». La barrière à l’entrée a disparu – mais cela n’a pas aidé avec la barrière d’approfondissement. Tout le monde peut ouvrir ChatGPT et poser une question. Restructurer un processus de travail autour de l’outil est une tout autre affaire.

Le Stanford AI Index confirme indirectement cet écart. Les données sur la valeur consommateur montrent que la valeur médiane par utilisateur a triplé – mais c’est une médiane qui inclut aussi les gros utilisateurs, qui créent une valeur disproportionnée. Si 5,6 % utilisent l’IA dix fois plus intensément que les autres, ce sont eux qui font bouger la médiane, même si les 62 % restants ne bougent pas.

La productivité augmente – et les postes juniors disparaissent

Un autre sujet de l’AI Index 2026 qui mérite d’être examiné séparément. Le rapport enregistre des gains de productivité constants : de 14 % à 26 % selon le secteur. Le support client et le développement logiciel sont les deux domaines où l’effet a été mesuré le plus fiablement.

C’est une bonne nouvelle – mais elle a un revers.

Dans ces mêmes domaines – support client et développement – le nombre de postes juniors commence à diminuer. Le rapport cite un chiffre précis : l’emploi des développeurs américains de 22 à 25 ans a baissé de près de 20 % depuis 2022. Ce n’est pas une récession. C’est un changement structurel.

Le mécanisme est clair : l’IA prend en charge les tâches autrefois confiées aux débutants. Brouillons de documents, premier niveau de support, code standardisé, analyses de base. Ce sont précisément les tâches sur lesquelles les juniors apprenaient et prouvaient leur valeur. Quand l’IA les fait plus vite et moins cher, la demande de débutants diminue – même si la demande de spécialistes expérimentés augmente.

Pour les managers, cela crée un dilemme peu évident. La productivité de l’équipe peut croître grâce à l’IA, mais le pipeline de formation des nouveaux talents se rétrécit en parallèle. Qui deviendra un spécialiste expérimenté dans trois à cinq ans si, aujourd’hui, il reste moins de tâches pour que les débutants puissent grandir ?

Ce n’est pas un raisonnement abstrait. Nous avons analysé le coût réel des outils IA pour les équipes de développement – et la même logique s’applique : un outil qui fait gagner du temps au senior réduit en même temps l’espace de croissance du junior. Efficacité et développement se retrouvent en conflit.

Le paradoxe de la profondeur et l’impact sur l’emploi sont les deux faces d’un même problème : l’outil est accessible, mais la compétence pour l’utiliser – ne l’est pas.

Ce que cela signifie pour un manager

De tous les chiffres de l’AI Index 2026, je retiendrais trois conclusions directement liées aux décisions managériales.

« Nous avons adopté l’IA » n’est plus un argument. Quand 88 % des organisations utilisent déjà l’IA, l’adoption seule ne crée pas d’avantage concurrentiel. L’avantage réside dans la profondeur – dans le fait qu’une organisation soit passée de « nous avons ChatGPT » à « l’IA est intégrée dans trois processus clés et nous mesurons les résultats ». La plupart ne l’ont pas fait. C’est une opportunité pour ceux qui le feront.

La vitesse d’adoption est trompeuse. 53 % de couverture en trois ans – c’est phénoménal comme chiffre sur un slide et quasiment dénué de sens comme métrique d’impact réel. Parce qu’« utiliser » et « en tirer de la valeur » sont deux choses différentes. Quatre étudiants sur cinq utilisent la GenAI, mais cela ne signifie pas que quatre sur cinq sont devenus plus productifs. Une métrique d’adoption sans métrique de profondeur, c’est la moitié du tableau.

La fenêtre des expériences bon marché se ferme, mais celle de la profondeur est ouverte. Les investissements sont passés de 109 à 286 Mds $ en un an. L’infrastructure se renchérit. La concurrence pour les talents s’intensifie. Le coût de l’erreur augmente – non parce que les outils se sont dégradés, mais parce que les enjeux se sont élevés. En revanche, l’écart entre « utilisation superficielle » et « utilisation systématique » reste déterminé non par le budget, mais par les compétences. Les 62 % ne sont pas restés bloqués faute de moyens pour un abonnement.

La suite de la série

Ceci est le premier de cinq articles sur le Stanford AI Index 2026. Dans les suivants :

• L’économie des modèles : comment la baisse de 280x du coût d’inférence change le calcul du ROI
• La frontière dentelée des capacités : mathématiques olympiques – oui, horloge analogique – non
• L’écart de perception : 73 % des experts croient en l’IA, 23 % du grand public
• L’écart éducatif : pourquoi 80 % des étudiants utilisent l’IA, mais l’éducation formelle est en retard

Chacun de ces thèmes influence la façon dont un manager devrait prendre ses décisions d’adoption de l’IA – pas « en général », mais concrètement : quoi acheter, qui recruter, à quoi s’attendre.