82% des dirigeants utilisent l'IA chaque semaine : comment l'IA pénètre les secteurs – rapport Wharton 2025

Pour la troisième année consécutive, la Wharton School of Business et GBK Collective étudient comment les entreprises américaines adoptent l’IA générative. Les données d’octobre 2025 montrent une chose : la technologie est passée du stade de l’expérimentation à la pratique quotidienne. Dans un article précédent, nous avions analysé l’écart entre l’usage de l’IA par les employés ordinaires (19% voient un résultat) et les projets d’entreprise (80% de réussite). Le nouveau rapport Wharton montre comment les entreprises atteignent ces 80% – et pourquoi les résultats varient d’un secteur à l’autre.

Spoiler : la tech, la finance et les services professionnels prennent de l’avance. L’industrie et le retail sont à la traîne. Et ce n’est pas une question de “retard”, mais une différence fondamentale dans la nature des tâches.

À propos de l’étude : méthodologie et échelle

Qui l’a menée : Wharton Human-AI Research (partie de la Wharton AI & Analytics Initiative) et GBK Collective

Échelle : 800 dirigeants d’entreprises américaines :

• Au moins 1 000 employés
• Chiffre d’affaires supérieur à 50 M$ par an
• Troisième vague de l’étude (2023 -> 2024 -> 2025)

Focus : Non pas “est-ce qu’ils essaient”, mais “comment ils déploient et quel résultat ils obtiennent”. C’est ce qui distingue fondamentalement ce rapport des sondages auprès des utilisateurs ordinaires.

Les chiffres clés : l’IA entre dans la routine du top management

Fréquence d’utilisation de l’IA générative par les dirigeants

82% des dirigeants utilisent l’IA générative au moins une fois par semaine. À titre de comparaison : il y a un an, c’était 72%. Un dirigeant sur deux travaille désormais avec l’IA au quotidien.

Comparons avec les données de l’étude de Stanford : on y voyait 23% d’utilisation professionnelle parmi les employés ordinaires. Et ici – 82% parmi les dirigeants. Cet écart explique pourquoi les projets d’IA en entreprise réussissent dans 80% des cas : les dirigeants utilisent eux-mêmes la technologie, au lieu de déléguer à “ceux qui sont plus jeunes”.

Un exemple concret : Satya Nadella, PDG de Microsoft, a passé son week-end de Thanksgiving à développer une application d’analyse de cricket avec Deep Research AI. “Le système a produit des zones de consensus, des débats, des chaînes de raisonnement – tout était fantastique”, a-t-il raconté lors d’un événement d’entreprise à Bangalore. Ce n’est pas juste une anecdote PR : quand le PDG d’une entreprise valorisée à 3 000 milliards de dollars code lui-même des applications d’IA sur son temps libre, on comprend mieux pourquoi Microsoft mène la course à l’intelligence artificielle.

✅ À retenir : Quand le top management utilise l’IA au quotidien, cela transforme toute la culture de l’entreprise. Ce n’est ni du hype, ni des projets expérimentaux – c’est la nouvelle norme de prise de décision.

Les priorités ont changé : l’IA dans le top 3 stratégique

Priorisation de l’IA dans la stratégie d’entreprise

Trois quarts des entreprises placent désormais l’IA dans le top 3 de leurs orientations stratégiques. Et une sur cinq en fait sa priorité numéro un – deux fois plus qu’il y a un an.

Ce n’est pas qu’un simple intérêt accru. Cela signifie des budgets alloués, des recrutements de spécialistes, une réorganisation des processus.

Chief AI Officer – la nouvelle norme

61% des entreprises ont déjà nommé un Chief AI Officer ou un poste équivalent. Il y a un an, elles étaient moins de la moitié.

C’est un signal fort : l’IA n’est plus “un projet du département IT”. C’est désormais une fonction stratégique au niveau du comité exécutif.

Le ROI n’est plus une hypothèse : 72% des entreprises le mesurent

72% des entreprises ont déjà mis en place des métriques structurées pour mesurer le ROI de l’IA. Ce n’est pas un “j’ai l’impression que ça aide” subjectif, mais des chiffres précis :

• Productivité : combien de tâches sont accomplies plus vite
• Rapidité : temps d’exécution des processus clés
• Qualité : baisse des erreurs, amélioration des résultats

74% voient un ROI positif – ce qui confirme le chiffre de Bain mentionné dans l’article précédent : 78% des projets montrent une croissance mesurable du chiffre d’affaires ou une baisse des coûts.

⚠️ Important : Cela ne veut pas dire que “tous les projets réussissent”. Cela veut dire que “ceux qui mesurent le ROI voient des résultats”. Les entreprises ont appris à filtrer : pilote -> mesure -> passage à l’échelle uniquement si le ROI est positif.

L’écart sectoriel : pourquoi la tech mène et le retail traîne

C’est là que ça devient vraiment intéressant. La pénétration de l’IA varie radicalement d’un secteur à l’autre.

Leaders et retardataires dans l’adoption de l’IA

Pourquoi la tech, la finance et les services professionnels mènent ?

1. Nature des tâches :

• Le travail de base, c’est le traitement de l’information
• Forte proportion de travail intellectuel
• Beaucoup d’opérations routinières, faciles à automatiser

2. Maturité technique :

• L’infrastructure numérique est déjà en place
• Les données sont structurées et accessibles
• Les départements IT sont prêts à intégrer de nouveaux outils

3. Environnement concurrentiel :

• Une forte concurrence exige de la vitesse
• Les early adopters obtiennent un avantage significatif
• Les clients attendent des services numériques

Pourquoi l’industrie et le retail sont à la traîne ?

Ce n’est pas parce qu’ils sont “en retard”, mais parce que les tâches sont plus complexes :

1. Le monde physique :

• L’IA générative excelle avec le texte, le code, les images
• Mais l’industrie et la logistique, ce sont des objets physiques
• L’IA pour la robotique et l’automatisation des entrepôts exige d’autres technologies (vision par ordinateur, contrôle-commande)

2. Intégration complexe :

• Il faut intégrer l’IA avec les équipements de production
• La relier aux systèmes de gestion de la chaîne d’approvisionnement
• La synchroniser avec des systèmes legacy qui ont des décennies

3. Le ROI est plus difficile à mesurer :

• En finance : “l’IA a traité 1 000 demandes de crédit à la place des humains” – économie évidente
• En industrie : “l’IA a optimisé les achats de matières premières” – l’économie est diluée dans le temps et cachée dans les indicateurs globaux

✅ À retenir : L’écart entre secteurs n’est pas une question “d’intelligents vs retardataires”. C’est une différence dans la nature des tâches. L’IA générative transforme d’abord les secteurs où le travail de base est du traitement d’information. L’industrie et le retail suivront, mais ils ont besoin de solutions plus complexes.

Répartition par fonction : IT et achats en tête, le marketing à la traîne

Wharton a également analysé l’adoption de l’IA par fonction au sein des entreprises.

Répartition de l’adoption de l’IA par fonction

Pourquoi l’IT et les achats sont en tête ?

IT :

• L’IA s’intègre naturellement dans le développement logiciel (73% des entreprises utilisent l’IA pour le coding)
• Les spécialistes sont techniquement compétents et maîtrisent vite les nouveaux outils
• Ils savent comment mesurer le résultat

Achats :

• Beaucoup de travail routinier sur documents : RFP, contrats, spécifications
• L’IA excelle dans l’analyse des offres fournisseurs
• L’économie est facile à mesurer : comparer les prix avant et après l’usage de l’IA

Pourquoi le marketing et les ventes sont à la traîne ?

C’est paradoxal : le marketing était l’un des secteurs les plus hypés pour l’IA (génération de contenu, personnalisation). Mais les chiffres montrent l’inverse.

Causes possibles :

1. L’écart entre promesses et réalité :

• La promesse : “l’IA créera des campagnes créatives”
• La réalité : “l’IA génère des textes médiocres qui demandent une réécriture lourde”

2. Difficulté à mesurer le ROI :

• En IT : “l’IA a écrit 500 lignes de code” – gain de temps évident
• En marketing : “l’IA a créé 10 posts” – mais la conversion dépend d’un tas de facteurs

3. Créativité vs modèles :

• Les achats, c’est un processus facile à standardiser
• Le marketing exige de la créativité, la compréhension du contexte, de l’intelligence émotionnelle
• L’IA est bonne sur les modèles, mais la percée créative reste l’affaire des humains

⚠️ Important : La tendance de 2023 (“l’IA pour tout !”) a laissé place à une évaluation lucide en 2025 : l’IA est utilisée là où elle est vraiment efficace. Le marketing et les ventes revoient leurs approches.

Accès aux outils d’IA : 70% des entreprises ont ouvert l’accès à tous les employés

70% des entreprises ont ouvert l’accès aux outils d’IA générative à tous les employés. C’est un revirement radical par rapport à 2023, quand la plupart des entreprises craignaient les fuites de données et limitaient l’usage de l’IA.

Qu’est-ce qui a changé ?

1. Des interdictions à la formation :

• 2023 : “Interdire ChatGPT tant qu’on n’a pas réglé la sécurité”
• 2025 : “Former tout le monde à l’usage sécurisé de l’IA et donner l’accès”

2. Des solutions d’entreprise :

• Pas ChatGPT public, mais des versions entreprise (ChatGPT Enterprise, Microsoft Copilot)
• Les données restent dans l’entreprise
• Contrôle de l’usage et audit

3. Démocratisation de l’IA :

• Plus seulement pour les développeurs et analystes
• RH, juristes, financiers, managers – tous ont accès
• L’IA devient un outil de productivité pour tout le monde, comme Excel en son temps

✅ À retenir : 70% des entreprises ont fait de l’IA un outil d’infrastructure, aussi basique que l’email ou la suite bureautique. C’est le signal majeur du passage de l’expérimentation à l’adoption massive.

Le développement logiciel – le killer use case de l’IA générative

Utilisation de l’IA dans le développement logiciel

73% des entreprises utilisent l’IA pour le développement logiciel. Et ce ne sont pas que des expérimentations : 40% des pilotes sont déjà passés en production.

Pourquoi le dev logiciel est le killer use case de l’IA ?

1. Une tâche claire :

• Écrire une fonction qui fait X
• Traduire du code de Python à Java
• Trouver et corriger un bug

2. Un résultat mesurable :

• Temps pour écrire une fonction : 2 heures hier, 30 minutes aujourd’hui
• Nombre de bugs : baisse de 20%
• Code review : l’IA vérifie le code avant de l’envoyer à un humain

3. Haute précision :

• L’IA maîtrise parfaitement la syntaxe
• Elle connaît les best practices de tous les langages populaires
• Elle peut expliquer le code des autres

4. Déploiement rapide :

• GitHub Copilot, Cursor, Codeium – s’intègrent en quelques minutes
• Les développeurs voient les résultats dès le premier jour
• Pas d’infrastructure complexe ni d’intégration avec des systèmes legacy

✅ À retenir : Si votre entreprise débute avec l’IA, commencez par le développement logiciel. C’est le domaine avec le ROI le plus élevé et le plus rapide.

Le problème du passage à l’échelle : un tiers des projets reste au stade pilote

Malgré les succès, Wharton a identifié un problème sérieux : un tiers des projets d’IA ne dépasse jamais le stade du pilote.

Causes d’échec du passage à l’échelle

Pourquoi le pilote marche, mais pas la production ?

1. Différence dans les volumes de données :

• Pilote : 100 clients, des cas triés manuellement
• Production : 100 000 clients, tous les edge cases et exceptions

2. Intégration avec les systèmes existants :

• Pilote : solution standalone, qui fonctionne à part
• Production : il faut l’intégrer au CRM, à l’ERP, à la facturation

3. Attentes vs réalité sur les coûts :

• Pilote : “l’API OpenAI coûte 50 $/mois”
• Production : “100 000 requêtes par jour = 15 000 $/mois, ce n’est pas rentable”

4. Sécurité des données :

• Pilote : des données de test
• Production : de vraies données personnelles de clients, exigences RGPD/CCPA

⚠️ Important : Le passage à l’échelle de l’IA, ce n’est pas juste “lancer sur plus d’utilisateurs”. C’est un réingénierie des processus, des négociations avec les vendors sur les tarifs entreprise, la construction de structures de gouvernance.

Automatisation agentique vs assistant IA : 2x d’écart sur la satisfaction

Wharton a mis au jour une tendance critique qui explique beaucoup de choses.

Les entreprises qui utilisent l’automatisation agentique (l’IA exécute des tâches de manière autonome) affichent une satisfaction 2 fois plus élevée et 50% de déceptions en moins que celles qui utilisent l’IA comme simple assistant.

Qu’est-ce qu’un assistant IA ?

• ChatGPT : “Rédige-moi un brouillon d’email pour un client”
• Copilot : “Propose des options pour compléter cette fonction”
• L’humain reste dans la boucle : l’IA propose, l’humain choisit et retravaille

Qu’est-ce que l’automatisation agentique ?

• Un processus autonome : “Quand une demande de remboursement arrive, le système vérifie automatiquement l’historique d’achats, applique la politique de retour, approuve ou refuse, notifie le client”
• L’IA prend les décisions : l’humain configure les règles, mais ne participe pas à chaque opération
• Automatisation end-to-end : tout le processus, du début à la fin

Pourquoi l’automatisation donne 2x plus de satisfaction ?

1. Un vrai gain de temps :

• Assistant : économise 30% du temps (l’IA a écrit un brouillon, mais je le corrige pendant 20 minutes)
• Automatisation : économise 90% du temps (l’IA a fait toute la tâche, je n’ai qu’à vérifier le résultat)

2. Un résultat mesurable :

• Assistant : “ça aide, mais c’est difficile d’estimer à quel point”
• Automatisation : “500 demandes traitées sans intervention humaine – une métrique évidente”

3. Scalabilité :

• Assistant : aide une personne à travailler plus vite
• Automatisation : remplace une équipe entière sur les tâches routinières

✅ À retenir : Si vous voulez un vrai ROI de l’IA, ne vous arrêtez pas au stade de l’assistant. Construisez des processus autonomes.

Ce que cela signifie pour les managers : conclusions pratiques

Chez mysummit.school, nous travaillons avec des managers qui veulent déployer l’IA dans leur travail et leur équipe. Voici les enseignements clés du rapport Wharton :

1. Le top management doit utiliser l’IA lui-même

82% des dirigeants utilisent l’IA chaque semaine. Ce n’est pas un hasard. Quand le PDG, le DAF, le directeur des opérations travaillent eux-mêmes avec l’IA, cela transforme la culture de toute l’entreprise.

Que faire :

• Ne déléguez pas “comprendre l’IA” à quelqu’un sous vos ordres
• Commencez par vos propres tâches : préparation de réunions, analyse de rapports, rédaction de stratégies
• Devenez un role model pour votre équipe

2. Commencez par le développement logiciel (si vous avez une équipe dev)

73% des entreprises utilisent l’IA pour le coding, 40% ont passé en production. C’est le domaine le plus mature de l’IA générative.

Que faire :

• Déployez GitHub Copilot ou un équivalent
• Mesurez le temps de développement avant et après
• Utilisez le succès de l’équipe dev comme proof of concept pour les autres départements

3. IT et achats – vos early adopters

Wharton l’a montré : l’IT et les achats sont en tête en fréquence d’usage et en confiance.

Que faire :

• Commencez le déploiement par ces départements
• Collectez les cas et les métriques de succès
• Utilisez leur expérience pour former les autres équipes

4. Marketing et ventes – ne vous précipitez pas

Contrairement au hype, le marketing et les ventes sont à la traîne dans l’adoption réelle de l’IA.

Que faire :

• N’attendez pas que l’IA “crée des campagnes créatives”
• Concentrez-vous sur la routine : analyse des concurrents, préparation de rapports, personnalisation des emails
• Laissez le travail créatif aux humains pour l’instant

5. Planifiez le passage de l’assistant à l’automatisation

Une satisfaction 2x plus élevée chez les entreprises qui font de l’automatisation agentique.

Que faire :

• Étape 1 : utilisez l’IA comme assistant (ChatGPT pour les brouillons)
• Étape 2 : automatisez end-to-end les processus simples (traitement des demandes types)
• Étape 3 : passez à l’échelle sur les processus complexes avec un humain dans la boucle pour contrôler

6. 70% des entreprises ont donné accès à tous – mais avec de la formation

La démocratisation de l’IA est une tendance. Mais l’accès sans formation = chaos.

Que faire :

• Donnez l’accès à tous, mais formez d’abord à l’usage sécurisé
• Utilisez les versions entreprise (ChatGPT Enterprise, Microsoft Copilot)
• Fixez des règles : ce qui est permis, ce qui ne l’est pas, les données à ne pas transmettre à l’IA

7. Préparez-vous aux obstacles du passage à l’échelle

Un tiers des projets reste au stade pilote. Ce n’est pas un échec, c’est un processus normal de filtrage.

Que faire :

• Définissez les critères de succès du pilote avant de commencer : métriques de ROI, coûts, sécurité
• Planifiez le passage à l’échelle à l’avance : intégration, coûts, gouvernance
• N’ayez pas peur de fermer les projets qui ne sont pas rentables à l’échelle

Pourquoi le cours mysummit.school prépare à un déploiement réel

Le rapport Wharton le montre : la différence entre expérimentation et résultat, c’est une approche systématique.

Dans notre cours “Intelligence artificielle pour managers” :

De l’assistant à l’automatisation. Vous commencez par des tâches simples (ChatGPT pour les emails), puis vous passez progressivement aux processus autonomes. C’est le chemin qui donne 2x de satisfaction en plus.

Focus sur un ROI mesurable. Nous enseignons non pas “comment écrire un prompt”, mais “comment éliminer 5 heures de routine par semaine” avec des métriques concrètes.

Sécurité dès le premier jour. Un module dédié à la protection des données d’entreprise – cet obstacle au passage à l’échelle que Wharton qualifie de “problème croissant”.

Pratique sur des tâches réelles. Préparation de réunions, analyse de CV, création de rapports – les tâches que vous faites chaque jour.

Tous les outils. ChatGPT, Claude, Gemini, Perplexity et les modèles régionaux – vous choisissez le bon outil pour chaque tâche.

Articles connexes

Make Weak Model Great Again : le prompting peut-il sauver un modèle faible ?

Quand l'IA nuit à l'apprentissage – et quand elle double les résultats

GigaChat Ultra Thinking : il reflechit plus longtemps – et repond moins bien ?

Les meilleurs AI pour managers en Russie : 52 modèles, 3 300+ évaluations

Conclusions : l’IA est entrée dans le mainstream, mais pas partout au même rythme

Le rapport Wharton 2025 dresse un tableau net :

1. L’IA est devenue la norme pour le top management. 82% l’utilisent chaque semaine, 46% au quotidien. Ce n’est plus de l’expérimentation.

2. L’écart sectoriel s’explique par la nature des tâches. Tech, finance, services professionnels mènent – là où le travail de base est du traitement d’information. Industrie et retail sont à la traîne – là où le monde physique exige d’autres solutions.

3. IT et achats sont les early adopters internes. Marketing et ventes, contrairement au hype, n’ont pas encore trouvé leur killer use case.

4. 70% des entreprises ont donné accès à tous les employés. L’IA est passée de “outil spécialisé” à “infrastructure de base”.

5. Le développement logiciel est l’usage le plus mature. 73% des entreprises l’utilisent, 40% sont passées en production.

6. L’automatisation agentique donne 2x plus de satisfaction que les assistants IA. Mais elle exige une intégration plus profonde.

7. Un tiers des projets reste au stade pilote à cause des coûts, de la complexité du passage à l’échelle et de la sécurité des données.

Conclusion principale : l’IA marche quand on l’aborde de manière systémique. 72% des entreprises mesurent le ROI, 74% voient un résultat positif. Mais le succès exige formation, infrastructure et culture de l’expérimentation.

Vous voulez maîtriser l’IA de manière systémique, comme les dirigeants du rapport Wharton ?

Chez mysummit.school, nous avons conçu un module gratuit de 3 leçons spécialement pour les managers. Pas de théorie – seulement de la pratique qui donne des résultats dès la première semaine.

Ce que vous obtenez :

• Un décryptage détaillé des outils avec des exemples pour managers
• Des prompts prêts à l’emploi pour les tâches courantes (comme les 82% qui utilisent l’IA chaque semaine)
• Le chemin de l’assistant à l’automatisation (comment obtenir 2x plus de satisfaction)
• Les compétences pour utiliser l’IA de manière sécurisée en entreprise
• Comment mesurer le ROI (comme les 72% qui suivent des métriques)

Obtenir 3 leçons gratuites ->

Sources :

• 82% of Enterprise Leaders Now Use Generative AI Weekly, Multi-Year Wharton Study Finds
• Wharton AI Adoption Report - 2025
• GenAI at Work: 20 takeaways from Wharton’s 2025 enterprise AI adoption report
• Inside Wharton’s 2025 AI Adoption Report: Accountability, ROI, and the Human Factor
• 2025 AI Adoption Report: Gen AI Fast-Tracks Into the Enterprise