Un chiffre circule depuis deux ans dans les présentations commerciales, les newsletters et les articles de blog : trois entreprises sur quatre utiliseraient déjà l'IA générative. Cette page l'a elle-même affiché. Nous l'avons retiré, faute de source vérifiable : aucune statistique publique ne le documente, et les deux seules mesures qui portent sur l'ensemble du tissu économique — celles de l'Insee et d'Eurostat — décrivent une réalité beaucoup plus lente.
Cet article repart de ces mesures officielles, explique d'où viennent les écarts avec les chiffres spectaculaires, et en tire une méthode de décision. Parce que pour une entreprise de Tahiti, de Moorea ou de Raiatea, la question n'est pas de savoir si le monde en est à 20 % ou à 75 % : c'est de savoir si l'outil règle un problème qu'elle a réellement, et comment le vérifier en quelques semaines sans y laisser un budget.
Ce que mesure réellement la statistique publique
En France, l'Insee interroge chaque année les sociétés de 10 salariés ou plus dans son enquête sur les technologies de l'information et de la communication. Pour 2025 : 18 % déclarent utiliser au moins une technologie d'intelligence artificielle. Elles étaient 10 % en 2024 et 6 % en 2023. Le taux a donc triplé en deux ans — mais à partir d'une base très basse, et il reste largement minoritaire (Insee Première n° 2120, juillet 2026).
Le détail par taille dit plus que le total : 15 % des sociétés de 10 à 49 salariés, 31 % de celles de 50 à 249 salariés, 58 % de celles de 250 salariés et plus. Par secteur, l'information-communication domine nettement (59 %), devant les activités spécialisées et scientifiques (33 %) et l'immobilier (26 %).
À l'échelle européenne, Eurostat donne le même ordre de grandeur : près de 20 % des entreprises de 10 personnes occupées ou plus ont utilisé une technologie d'IA en 2025, en progression d'environ 6,5 points en un an. L'écart selon la taille se retrouve partout : 17 % pour les petites entreprises, environ 30 % pour les moyennes, 55 % pour les grandes. En tête du classement, le Danemark (42 %), la Finlande (près de 38 %) et la Suède (35 %) — Eurostat, Use of artificial intelligence in enterprises, données 2025.
Retenez la structure plutôt que les décimales : l'adoption progresse vite, elle reste minoritaire, et elle est très inégale selon la taille. Une petite structure qui n'a rien mis en place n'est pas « en retard » sur une moyenne mondiale imaginaire. Elle est dans le cas le plus fréquent.
Pourquoi les chiffres qui circulent sont beaucoup plus élevés
L'écart entre « 20 % » et « 75 % » ne vient pas d'une erreur de calcul, mais de quatre différences de méthode qu'il faut savoir repérer.
Le périmètre interrogé. Beaucoup d'enquêtes très relayées n'interrogent que de grands groupes internationaux. La statistique publique, elle, inclut l'entreprise de douze salariés. Ce ne sont pas les mêmes entreprises, donc ce ne sont pas les mêmes réponses — et l'écart de taille observé plus haut suffit presque à expliquer l'écart de résultat.
La définition d'« utiliser ». « Au moins une personne a essayé un outil au moins une fois » et « l'entreprise a intégré l'IA de façon régulière dans une fonction » sont deux questions différentes qui produisent deux chiffres différents. Quand la définition n'est pas donnée, le pourcentage n'est pas interprétable.
Le recrutement des répondants. Un panel constitué à partir des abonnés d'une newsletter technologique ou du fichier clients d'un éditeur de logiciels ne représente pas l'économie : ceux qui répondent à une enquête sur l'IA sont, en moyenne, ceux que le sujet intéresse déjà.
Qui commande l'étude. Une part importante des « études » citées sont produites par des acteurs qui vendent des outils ou de l'accompagnement. Cela ne les invalide pas d'office, mais cela impose de lire la méthodologie avant la conclusion.
D'où une règle simple, valable pour n'importe quel chiffre que vous vous apprêtez à mettre dans un devis, une présentation ou une publication :
- Qui a produit la donnée, et que vend cet acteur ?
- Qui a été interrogé : quelle taille d'entreprise, quels pays, combien de répondants ?
- Quelle question exacte a été posée, et sur quelle période ?
- Peut-on remonter à la source primaire en un clic ? Si le lien mène à un article qui cite un article qui cite un rapport introuvable, le chiffre ne vaut rien.
Si vous ne pouvez pas répondre aux quatre questions, la bonne décision est de ne pas citer le chiffre. Une formulation qualitative honnête — « la majorité des grandes entreprises », « une minorité des petites structures » — vous expose bien moins qu'un pourcentage que votre interlocuteur peut démonter en trente secondes.
Ce que les entreprises font concrètement de ces outils
Les mêmes enquêtes décrivent les usages, et là encore le résultat est sobre. Parmi les sociétés françaises utilisatrices, 56 % emploient l'IA pour l'analyse de langage écrit et 43 % pour la génération de langage écrit ou parlé ; 59 % combinent au moins deux technologies (Insee Première n° 2120). Autrement dit, l'IA générative au sens strict ne concerne qu'une partie des 18 % : rapportée à l'ensemble des sociétés, elle reste nettement en dessous de ce niveau.
Eurostat retrouve la même hiérarchie à l'échelle de l'Union : l'analyse de texte arrive en tête (environ 12 % des entreprises), devant la génération d'images (près de 10 %) et la génération de langage naturel (environ 9 %).
Ce que cela dit est utile : les usages qui s'installent ne sont pas spectaculaires. Ils tournent autour du texte — lire, trier, résumer, reformuler, traduire, produire un premier jet. C'est exactement le type de tâche qui occupe une part importante du temps administratif d'une petite entreprise, et c'est donc là qu'il faut chercher un premier cas d'usage, pas dans le projet le plus impressionnant.
Le vrai frein n'est pas le prix
L'Insee interroge aussi les entreprises qui n'utilisent pas l'IA sur leurs raisons. Deux réponses arrivent avant toutes les autres : 71 % évoquent un manque d'utilité perçue, 54 % un manque de compétences internes.
« Pas d'utilité perçue » n'est pas un rejet idéologique. C'est le constat honnête d'un dirigeant qui n'a pas identifié où l'outil s'insérerait dans son activité — et personne ne le fera à sa place, parce que cela suppose de connaître ses propres processus dans le détail. C'est aussi une bonne nouvelle : le travail à faire n'est pas technique, il est organisationnel. Repérer une tâche répétitive, textuelle, à faible risque, et la tester.
Et en Polynésie ?
Première honnêteté : à notre connaissance, aucune statistique publique ne mesure l'usage de l'IA par les entreprises polynésiennes. L'Insee couvre les sociétés implantées en France métropolitaine et dans les départements, Eurostat l'Union européenne ; ni l'un ni l'autre ne produit d'indicateur pour le fenua. Tout pourcentage local que vous verriez passer est donc une estimation, pas une mesure — traitez-le comme tel, y compris quand il vient de nous.
Ce que l'on peut dire sans inventer de chiffre, ce sont les contraintes structurelles qui pèsent sur une PME d'ici, et la façon dont ces outils s'y articulent.
Un marché du travail étroit sur les profils spécialisés
Recruter un profil marketing digital, un rédacteur ou un développeur à Tahiti prend du temps, et le vivier est limité. Beaucoup d'entreprises passent par des prestataires métropolitains, avec le décalage horaire et les délais que cela implique. Un outil de génération ne remplace pas ces compétences : il réduit le nombre d'allers-retours et permet d'arriver chez le prestataire avec un brief déjà travaillé, des textes déjà dégrossis. Ce n'est pas spectaculaire, mais c'est ce qui fait baisser une facture.
Des clients multilingues
Une pension, une agence d'excursions ou un artisan qui vend à l'international écrit pour des clients anglophones, hispanophones, japonophones ou germanophones. La traduction et l'adaptation de contenus sont le domaine où ces outils sont le plus mûrs. Une réserve, toutefois : une traduction automatique doit être relue par quelqu'un qui parle la langue avant publication, surtout sur une page commerciale. Un contresens sur une page de tarifs ou de conditions d'annulation coûte plus cher que la relecture.
Une chaîne logistique tendue
Ruptures de stock, délais de fret, saisonnalité : une part réelle du temps administratif part en communications de circonstance — prévenir un client, décaler une réservation, réexpliquer un délai. Ce sont des textes répétitifs, à faible enjeu créatif, avec un modèle qui revient chaque fois. Bon terrain de test.
Le reo tahiti et le patrimoine culturel
C'est le point où il faut être prudent. Les modèles généralistes sont entraînés massivement sur l'anglais et le français ; leur maîtrise du reo tahiti est faible et leur connaissance du contexte culturel polynésien approximative. Utiliser l'IA pour raconter une histoire culturelle sans validation par quelqu'un qui la connaît, c'est prendre le risque de publier des approximations sur un sujet où l'exactitude engage — et où l'erreur se voit immédiatement. Sur ce terrain, l'outil aide à la mise en forme, pas au fond.
Une méthode en cinq étapes pour tester sans se tromper
1. Choisir une tâche, pas un « projet IA ». Prenez une tâche précise, répétitive, textuelle, que quelqu'un fait déjà chaque semaine et dont vous connaissez le coût en temps : réponses aux demandes de renseignements, descriptions produits, comptes rendus, publications sur les réseaux. Écrivez ce temps noir sur blanc avant de commencer. Sans mesure de départ, aucun gain ne sera démontrable — et c'est précisément comme ça qu'on se retrouve à citer des pourcentages inventés.
2. Fixer le critère de réussite à l'avance. Par exemple : diviser par deux le temps de rédaction des réponses types, sans dégrader la qualité telle que la juge la personne qui les envoie aujourd'hui. Un critère écrit avant le test vous protège de l'auto-persuasion : au bout de trois semaines, tout le monde trouve l'outil formidable sans savoir dire pourquoi.
3. Tester d'abord gratuitement. Les principaux assistants proposent une formule gratuite largement suffisante pour valider ou invalider un cas d'usage. Ne payez qu'une fois la démonstration faite, et vérifiez le tarif du jour sur le site de l'éditeur : ces grilles changent plusieurs fois par an, et une formule d'équipe ne coûte pas la même chose qu'une formule individuelle.
4. Désigner une personne-ressource. Une seule, curieuse, pas nécessairement technique, avec du temps explicitement alloué. C'est la différence la plus visible entre les entreprises qui en tirent quelque chose et celles qui abandonnent au bout d'un mois : quelqu'un dont c'est officiellement le sujet, et qui a le droit d'y passer des heures.
5. Décider, puis élargir ou arrêter. À la fin de la période, comparez au critère de l'étape 2. Si c'est concluant, écrivez la procédure — quelle consigne donner à l'outil, qui relit, quoi ne jamais lui confier — puis passez à un deuxième cas d'usage. Si ce n'est pas concluant, arrêtez et notez pourquoi. Un test négatif documenté vaut mieux qu'un abonnement qui court sans que personne s'en serve.
Les pièges qui coûtent le plus cher
- Publier sans relire. Ces modèles produisent des affirmations fausses avec le même aplomb que les affirmations vraies. Tout chiffre, tout nom propre, toute date sortie d'un outil doit être vérifié à la source avant publication. C'est la règle la plus simple et la plus souvent enfreinte — y compris, on l'a vu, dans la première version de cette page.
- Coller des données clients dans un outil grand public. Avant de déposer un fichier de contacts, un contrat ou des informations sensibles dans une interface en ligne, lisez ce que le fournisseur déclare faire des contenus saisis : cela varie selon la formule, gratuite, payante ou entreprise. En cas de doute, anonymisez avant de coller.
- Confondre volume et valeur. Produire dix fois plus de contenu générique ne fait pas vendre davantage : cela dilue votre voix et vous rend interchangeable. La question utile reste « qu'est-ce que je sais que mes concurrents ne savent pas ? ». L'outil met en forme, il n'a pas cette matière — vous seul l'avez.
- Laisser filer les abonnements. Cinq licences ouvertes « pour voir », dont deux réellement utilisées, ne se remarquent qu'à la clôture des comptes. Une licence, un usage identifié, une revue tous les trimestres.
- Attendre l'outil parfait. Le rythme des sorties ne va pas ralentir. Une entreprise qui reporte sa décision à la prochaine version ne décidera jamais.
Les questions à se poser avant de se lancer
- Quelle tâche me coûte le plus d'heures pour la plus faible valeur ajoutée ?
- Est-elle assez répétitive et assez textuelle pour être confiée à un outil ?
- Que se passe-t-il si le résultat est faux : un client agacé, ou un problème juridique ? Commencez par les tâches où l'erreur se rattrape.
- Qui relit, et selon quels critères ?
- Quelles informations ne doivent jamais sortir de l'entreprise ?
- Comment saurai-je, dans trois mois, que ça a marché ?
Ce qu'il faut retenir
L'adoption de l'IA en entreprise progresse vite mais reste minoritaire, et la vraie fracture se situe entre les grandes structures et les petites, pas entre les pays ni entre les secteurs. Les chiffres spectaculaires que vous croiserez décrivent presque toujours un échantillon de grandes entreprises, avec une définition très large du verbe « utiliser ».
Pour une PME polynésienne, la conclusion pratique est agréablement banale : personne n'est en retard sur une moyenne qui n'existe pas. Ce qui distingue les entreprises qui en tirent un bénéfice réel, ce n'est ni le budget ni l'outil choisi, c'est d'avoir pris une tâche précise, mesuré ce qu'elle coûtait, testé pendant quelques semaines et décidé sur pièces. C'est faisable sans consultant, en partant de ce que vous faites déjà toutes les semaines.
