62 % des utilisateurs de l'IA ne l'appliquent qu'à 1–2 tâches : les données Epoch AI / Ipsos (mars 2026)
En novembre 2025, les données de Stanford ont révélé un fait inattendu : les Américains utilisent l’IA plus souvent à la maison qu’au travail. Chez mysummit.school, nous avons décortiqué cela dans un article dédié – et le constat était clair : l’IA professionnelle courait encore derrière l’IA personnelle.
Quatre mois ont passé. Epoch AI, en collaboration avec Ipsos, a publié une nouvelle étude – et la photo a changé.
50 % des utilisateurs actifs de l’IA s’en servent désormais au travail au moins autant qu’à la maison. Parmi eux, 25,73 % principalement pour des tâches professionnelles, et 25,31 % à parts à peu près égales. Le basculement a eu lieu. L’IA a déménagé de la cuisine vers le bureau.
Mais c’est précisément ici que les choses deviennent intéressantes. Car « je l’utilise au travail » et « je l’utilise sérieusement » sont deux choses bien différentes.
De quoi parle l’étude
En mars 2026, Epoch AI a publié « AI is a common workplace tool » – une analyse fondée sur les données du KnowledgePanel d’Ipsos. Il s’agit d’un panel probabiliste qui recrute ses participants par échantillonnage aléatoire d’adresses, et non par auto-sélection en ligne. En pratique, cela donne des données plus représentatives de la population adulte américaine que les sondages en ligne classiques.
L’échantillon : plus de 2 000 adultes américains. Collecte des données : mars 2026. Les données brutes sont publiées séparément.
Ce qui rend cette étude précieuse : elle ne demande pas « connaissez-vous l’IA ? ». Elle interroge des comportements concrets – à quelle fréquence, pour quelles tâches, dans quel mode, avec quelle intensité. C’est une coupe opérationnelle, pas une coupe de notoriété.
La fissure dans le récit de la révolution IA
Commençons par un chiffre inconfortable. Près de 49,2 % des adultes américains n’utilisent pas l’IA du tout. Ce n’est pas « rarement » – c’est une absence totale d’interaction avec quelque outil d’IA que ce soit.
Parmi ceux qui l’utilisent, la répartition des intensités ressemble à ceci :
| Intensité | Part des utilisateurs |
|---|---|
| « Un peu » – 1–2 tâches rapides | 62,48 % |
| « Modérément » | 31,9 % |
| « Beaucoup » – s’est appuyé activement sur l’IA | 5,62 % |
Plus de six utilisateurs sur dix emploient l’IA de manière superficielle. Une ou deux requêtes – et cela suffit. Ce n’est pas une adoption. C’est une prise de contact qui n’a jamais mûri.
La fréquence d’usage dessine un tableau comparable. 34,91 % des utilisateurs sollicitent l’IA une fois par semaine. 48,4 % deux à cinq jours par semaine. Quotidiennement (six à sept jours), seulement 16,69 %.
Réfléchissez à ce qui se passe côté substitution de tâches. Seuls 19,07 % des utilisateurs déclarent que l’IA a remplacé certaines de leurs tâches existantes. Et seulement 14,4 % disent que l’IA leur permet d’accomplir des tâches qui leur étaient auparavant inaccessibles.
Autrement dit : pour la majorité, l’IA n’a pas reconfiguré le travail. Elle s’y est juste ajoutée – comme un onglet supplémentaire dans le navigateur.
Ce tableau, nous l’avons déjà vu. Dans l’étude Brookings, les mêmes 57 % d’utilisateurs ne donnaient que 19 % de retour tangible. Nous avons maintenant une explication détaillée : le problème ne vient pas des outils, mais de la profondeur de l’usage.
Ce que font réellement 95 % des utilisateurs
Les données par tâche montrent ce à quoi s’occupe vraiment l’utilisateur typique de l’IA.
Tâche n° 1 – recherche d’information et recommandations : 80,29 %.
Huit utilisateurs sur dix se servent de l’IA comme d’une recherche améliorée. ChatGPT ou Gemini en remplacement de Google – avec une réponse un peu plus cohérente. C’est le seuil d’entrée le plus bas et, logiquement, la valeur la plus faible pour le travail.
Ensuite : rédaction et édition de textes (58,66 %), conseils et apprentissage (54,89 %), brainstorming (53,23 %). Des usages utiles, mais qui décrivent des opérations ponctuelles, pas une intégration systémique de l’IA dans le flux de travail.
Résumé et analyse de documents – déjà plus que 40,88 %. Travail technique (maths, code, données) – 36,38 %. Quant aux agents autonomes – seulement 8,6 %.
Plus parlant encore, les modes d’interaction :
- Saisie manuelle de la question : 75,62 %
- Téléversement d’un fichier, d’une image ou d’un document : 40,93 %
- Demande à l’IA de chercher sur internet : 48,45 %
- Utilisation de l’IA à l’intérieur d’une autre application : 27,54 %
- Utilisation d’un agent autonome : 8,6 %
Les trois quarts des utilisateurs travaillent en mode « j’ai tapé – j’ai reçu une réponse ». C’est du chat. C’est la façon la plus simple et la moins intégrée de travailler avec l’IA.
Le téléversement de ses propres documents : déjà moins de la moitié. Le mode agentique, où l’IA exécute une séquence d’actions en autonomie : moins d’un utilisateur sur dix. C’est pourtant là que se trouve la vraie productivité – et c’est là que n’accède qu’une petite minorité.
Les outils sont les mêmes pour tout le monde. Dans le module ouvert – 9 tâches concrètes qui révèlent la différence entre un usage superficiel et un usage systémique. Gratuit, sans inscription.
Sans paiement requis • Notification au lancement
Portrait des 5,6 % qui utilisent l’IA « à fond »
Les données de l’enquête permettent d’examiner les utilisateurs intensifs selon les groupes démographiques.
Âge. Les 18–29 ans – 6,44 % d’utilisateurs intensifs. Après 60 ans – 3,27 %. L’écart existe, mais il est plus faible qu’on pourrait le croire. Ce n’est pas une histoire de « jeunes vs seniors ».
Emploi. Temps plein – 6,43 % d’utilisateurs intensifs, contre 4,68 % chez les personnes sans emploi. Le temps plein est corrélé à un usage plus profond, ce qui est logique : plus de tâches professionnelles, plus d’occasions d’employer l’outil sérieusement.
Éducation. Avec un diplôme de licence ou plus – 5,84 % d’utilisateurs intensifs ; avec le diplôme de fin de secondaire – 4,18 %. L’éducation joue, mais pas de manière radicale.
Revenu. Revenus de 100 000 $ et plus – 5,56 % d’utilisateurs intensifs, et dans le même temps 29,98 % d’utilisateurs modérés. Le groupe à haut revenu se distingue non pas parce qu’il bascule plus souvent dans la catégorie « intensive », mais parce qu’il reste nettement moins souvent au niveau le plus superficiel.
La variable la plus significative : l’abonnement payant à ChatGPT. Les abonnés payants ne représentent que 7,39 % de l’échantillon, mais ils sont surreprésentés dans la catégorie des utilisateurs intensifs. Rien d’étonnant : quand on paie un outil tous les mois, on est motivé pour l’utiliser plus en profondeur.
Qu’est-ce qui unit les utilisateurs intensifs ? Ni l’âge, ni le métier. Ce sont des gens qui ont commencé à utiliser l’IA pour de vraies tâches, plutôt que de l’expérimenter avec une seule requête. Ils ont développé des habitudes, pas des réflexes.
Comment savoir si vous faites partie des 62 %
Quelques signaux qui trahissent un usage superficiel de l’IA :
1. Chaque nouvelle conversation part d’une page blanche. Vous ouvrez un nouveau chat au lieu de poursuivre le précédent. L’IA ne connaît pas le contexte de votre projet, de votre équipe, de vos préférences.
2. Vous formulez la demande en une seule phrase. Sans contexte, sans contraintes, sans critères de qualité. Vous obtenez une réponse générique – et cela vous convient.
3. Vous n’avez jamais téléversé vos documents. Rapports, données, courriels restent en dehors de l’IA. Vous travaillez sur des exemples abstraits, pas sur vos propres matériaux.
4. Vous utilisez l’IA pour des brouillons que vous réécrivez intégralement. Le résultat est si générique qu’il est plus simple d’écrire soi-même. Ce n’est pas un signal de mauvais outil, mais de tâche mal posée.
5. Vous utilisez un seul outil pour tout. ChatGPT pour la recherche, le texte, l’analyse de données, le code. Alors que chacun a des alternatives spécialisées qui donnent de meilleurs résultats sur des tâches précises.
6. Vous ne savez pas combien de temps l’IA vous a fait gagner la semaine dernière. Un résultat mesurable est le signe d’un usage systémique. S’il n’y a rien à mesurer, l’usage est probablement resté superficiel.
Trois habitudes qui séparent l’utilisateur systémique de l’utilisateur occasionnel
La différence entre 5,6 % et 62 % ne tient pas à l’accès aux outils. Tous utilisent les mêmes ChatGPT, Gemini ou Copilot. La différence tient à la manière de travailler avec eux.
Habitude 1 : une tâche entière, pas une phrase.
L’utilisateur superficiel demande « rédige une lettre au client ». L’utilisateur systémique décrit : qui est le destinataire, quel est l’historique de la relation, quel résultat est attendu, quel ton est approprié, sur quoi il ne faut pas céder. L’écart de qualité du résultat est spectaculaire.
Le même principe vaut pour l’analyse. L’étude Workday l’a montré : une part significative du « temps économisé grâce à l’IA » part dans la correction d’erreurs. La cause n’est pas dans les modèles, mais dans la formulation incomplète de la tâche.
Habitude 2 : téléverser ses propres documents, ne pas travailler dans l’abstrait.
Téléverser un fichier, un document, un tableau – c’est ce que font seulement 40,93 % des utilisateurs. Or, c’est précisément avec ses propres matériaux que l’IA livre un résultat pertinent et exploitable. Demandez à l’IA d’analyser votre vrai rapport trimestriel – et vous obtiendrez des conclusions avec lesquelles vous pouvez faire quelque chose.
Habitude 3 : formuler explicitement les critères de qualité.
Que signifie « bonne réponse » pour votre tâche ? Longueur ? Ton ? Structure ? Présence de points précis ? La plupart des utilisateurs ne le formulent jamais – et reçoivent la première réponse plausible, pas la meilleure possible.
L’utilisateur systémique dit : « La réponse doit faire au maximum trois paragraphes, s’adresser à un public non technique et ne pas contenir de recommandations budgétaires. » Ce n’est pas compliqué. C’est simplement l’habitude d’être précis.
Ces habitudes paraissent simples sur le papier. La difficulté commence lorsqu’il faut non pas un résultat approximativement ressemblant, mais un résultat précis – reproductible d’une tâche à l’autre. L’écart entre « ça a marché une fois » et « ça marche de façon fiable », c’est une compétence de formulation de tâches pour l’IA, qui ne se construit pas sur des exemples abstraits mais sur des situations de travail réelles.
Essayez l'IA sur 9 tâches réelles de manager – précisément celles où la majorité travaille en surface. Module ouvert, gratuit, sans inscription.
Sans paiement requis • Notification au lancement
Contexte : ce qui a changé en quatre mois
Les données Epoch AI / Ipsos se lisent avec intérêt à côté de ce que nous avons déjà examiné.
Stanford SWAA (novembre 2025) avait enregistré que l’usage personnel de l’IA devançait l’usage professionnel. Les gens apprenaient sur eux-mêmes. Mars 2026 montre qu’une partie de cet apprentissage est passée au bureau – 50 % des utilisateurs actifs emploient désormais l’IA au travail au moins autant qu’à la maison.
Gallup (mai 2025) a montré une progression progressive : 45 % au moins une fois par an, 23 % chaque semaine. Epoch AI / Ipsos confirment ce tableau d’un autre angle : parmi les utilisateurs, la fréquence est déjà correcte – près de la moitié utilise l’IA deux à cinq jours par semaine. Le problème n’est pas dans la fréquence, mais dans la profondeur.
La distinction est importante. Lorsque nous disons que l’IA « ne s’est pas implantée » dans les entreprises ou chez un professionnel précis, c’est en général cela que nous voulons dire : la superficialité, pas l’absence. L’outil est là, l’habitude d’ouvrir l’appli aussi, mais les tâches lui sont encore confiées avec prudence et parcimonie.
Chose curieuse : c’est précisément maintenant, alors que l’IA au travail a rattrapé l’IA personnelle en fréquence, que le problème suivant devient évident – la profondeur d’usage. Le passage « domestique -> professionnel » a eu lieu. Le passage « superficiel -> systémique » reste, pour la majorité, à venir.
La suite
C’est le premier article d’une série de deux. Les données Epoch AI / Ipsos contiennent un autre sujet important – la façon dont se distribue la part de marché des outils d’IA sur le lieu de travail : ce que les employeurs paient, ce que les salariés prennent eux-mêmes, et pourquoi Microsoft Copilot occupe une position étonnamment haute dans le segment entreprise.
Dans le prochain article, nous verrons pourquoi Microsoft a discrètement gagné la bataille de l’IA au travail pendant que tout le monde regardait ChatGPT – et ce que cela signifie pour les responsables qui choisissent un outil pour leur équipe.
Du superficiel au systémique
Le module Fondation du cours travaille précisément cette transition : passer de 1–2 requêtes à l'IA à des résultats reproductibles sur de vraies tâches de travail. Foundation + spécialisation pour managers.
Stanislav Belyaev
Engineering Leader chez Microsoft18 ans a diriger des equipes d'ingenieurs. Fondateur de mysummit.school. 700+ diplomes chez Yandex Practicum et Stratoplan.