Fabrice Frossard

En décembre 2025, j’écrivais que l’année écoulée n’était « pas une année de transition » mais « une année de sanction », et que l’écart entre les entreprises qui refondent leurs processus et celles qui empilent les POC allait devenir irrémédiable, une formule séduisante qu’il est temps de confronter aux faits.

L’an passé, j’avais compilé et analysé les grandes enquêtes menées par les Big Four et autres universités. L’exercice est rendu possible avec les éditions 2026 récemment livrées. McKinsey a interrogé 1 719 répondants dans 97 pays entre mai et juin, Stanford a publié en avril la neuvième édition de son AI Index, PwC son baromètre de l’emploi en juin et Nathan Benaich son State of AI Report début octobre. Comme les séries et les méthodes restent les mêmes d’une année sur l’autre, chacun peut noter ses propres paris sans tricher. J’en ai profité pour enrichir le panel d’études et en ajouter quelques-unes, glanées au fil de mes navigations.

 

 

 

 

Un EBIT (IA) en recul

Le premier verdict tient en un chiffre. McKinsey comptait 6 % de « high performers » en 2025, ces entreprises qui attribuent à l’IA au moins 5 % de leur résultat opérationnel, et il en compte exactement autant en 2026. Dans le même temps, la part des organisations qui déploient l’IA à l’échelle est passée de 38 % à 44 % et huit répondants sur dix affirment que l’IA a amélioré leur productivité, alors que la part de celles qui en voient la trace dans leur EBIT recule de 39 % à 37 %.

La sanction annoncée n’a donc pas eu lieu, et les suiveurs stagnent en nombreuse compagnie. Ce qui s’est produit est plus discret et, à mes yeux, plus préoccupant, car la valeur ne se diffuse pas, elle se concentre.

 

Ramp, une fintech qui suit les dépenses de ses entreprises clientes aux États-Unis, en fournit la mesure la plus crue. Selon son indice de juin 2026, le 1 % d’entreprises les plus engagées consacre 7 449 dollars d’IA par salarié et par mois, contre 11,38 dollars pour l’entreprise médiane, soit à peu près le prix d’un abonnement. L’écart, de 1 à 650, continue de se creuser puisque les dépenses du premier groupe ont encore progressé de 14,1 % en un mois.

Deux réserves s’imposent avant d’entrer dans le détail. La première tient au délai, car un an pèse peu à l’échelle d’une technologie généraliste. L’historien de l’économie Paul David a montré que l’électricité avait mis des décennies à transformer la productivité des usines, le temps de réorganiser les ateliers autour du moteur électrique, et Erik Brynjolfsson décrit une « courbe en J » où les gains n’apparaissent qu’après une longue phase d’investissement invisible dans les comptes. La seconde tient aux données elles-mêmes, presque toutes déclaratives. Hors les achats suivis par Ramp, les offres d’emploi analysées par PwC et la statistique publique de l’Insee, les chiffres qui suivent rapportent ce que des dirigeants et des cadres disent de leur entreprise, une parole qui varie selon l’étage où elle se recueille.

Un club fermé. Une facture qui grimpe. Une recette connue que peu appliquent. J’ai donc repris mes neuf paris de l’an dernier, fondés en parti sur les études et mes intuitions, pour les confronter aux chiffres, sans indulgence, et le tableau ci-dessous en livre l’essentiel. L’analyse tenait sur la technologie et les coûts, mais j’avais surestimé la vitesse à laquelle les organisations acceptent de changer. Je suis un éternel optimiste.

 

Ce qui s’est confirmé : la facture et le risque

Mon pari le plus sûr portait sur les dépenses. J’annonçais l’an dernier une année 2026 inflationniste côté infrastructures, en m’appuyant sur l’alerte d’Arvind Krishna, le patron d’IBM, qui chiffrait à 8 000 milliards de dollars le coût de 100 gigawatts de centres de données. Le pari a tenu, et d’une manière inattendue, puisque le prix unitaire de l’intelligence n’a jamais été aussi bas.

Le State of AI Report 2026 de Nathan Benaich, qui reprend les estimations d’Epoch AI, mesure une baisse du coût d’inférence d’environ 47 % par trimestre depuis 2023 à performance constante, soit une division par treize chaque année. Les entreprises devraient donc payer de moins en moins, et c’est l’inverse qui se produit. Une sur cinq déclare à McKinsey brider volontairement son usage de l’IA à cause des coûts d’exploitation, et le cabinet livre lui-même l’explication en notant que le volume de tokens consommés et générés augmente encore plus vite que leur prix ne baisse. Dans l’édition logicielle, 80 % des dirigeants interrogés par McKinsey anticipent une hausse d’au moins 10 % de leurs coûts d’infrastructure et de cloud, et plus d’un tiers s’attendent à dépasser 20 %. Un chiffre encore à réévaluer depuis que les entreprises doivent payer à l’usage pour chaque requête.

 

J’y voyais l’an dernier l’effet d’une intelligence devenue abondante, qui fait exploser la demande au lieu d’alléger la facture. Les économistes connaissent ce mécanisme appelé paradoxe de Jevons ou effet rebond. Pour faire court, William Stanley Jevons a observé, en 1865, que des machines à vapeur plus sobres faisaient grimper la consommation de charbon au lieu de la réduire par la multiplication des machines achetées par les industriels et autres agents économique. Pour un directeur financier, la conséquence est très concrète, car l’IA cesse d’être un abonnement logiciel à coût fixe pour devenir une ligne variable, indexée sur l’usage, dont le pilotage, le TokenOps, reste à inventer.

Le second pari confirmé est moins confortable. En 2025, je relevais la hausse de 56 % des incidents liés à l’IA recensés par Stanford, et l’AI Index 2026 en dénombre 362 pour l’année 2025, contre 233 l’année précédente, soit une progression du même ordre. La courbe ne s’infléchit pas, et la nature du risque a changé entre-temps.

Les craintes de 2025 portaient sur les erreurs de l’IA, qu’il s’agisse d’une hallucination dans un rapport ou d’une donnée confidentielle collée dans un chatbot, et celles de 2026 visent les actions qu’un agent mène désormais seul. Doté d’accès à des systèmes, il peut modifier une configuration, supprimer des fichiers ou ouvrir un accès réseau sans que personne ne relise son travail. L’enquête de Teleport, menée en décembre 2025 auprès de 205 responsables de la sécurité des infrastructures, donne la mesure du phénomène. Parmi eux, 43 % voient l’IA modifier leur infrastructure au moins une fois par mois sans revue humaine, et 70 % reconnaissent que leurs systèmes d’IA disposent de plus d’accès qu’un humain occupant le même poste.

Le chiffre le plus parlant concerne les incidents. Les organisations qui limitent strictement les droits de leurs agents en déclarent 17 %, contre 76 % pour celles qui leur accordent plus que nécessaire. Ce résultat appelle de la prudence, car Teleport vend des solutions de gestion des accès et l’écart mesure une corrélation dont la cause reste à établir. Il rejoint pourtant un constat de McKinsey, selon lequel les high performers sont nettement plus nombreux que les autres à gérer activement un large éventail de risques. Les entreprises qui tirent le plus de valeur de l’IA sont aussi celles qui s’emploient le plus à en maîtriser les dangers.

 

La gestion du risque incite au ralentissement du déploiement de l’IA

L’enquête que FTI Consulting a menée en août 2026 auprès de 1 600 décideurs de grandes entreprises, en Europe et aux États-Unis, montre que ce risque pèse déjà sur les décisions. Six entreprises sur dix ont ralenti, suspendu ou abandonné un projet d’IA au cours des douze derniers mois pour des raisons de réputation, de réglementation ou de confiance, alors qu’un tiers environ seulement s’estiment très bien protégées en cas d’incident grave, avec des plans de réponse testés. La France ferme la marche sur ce dernier point, avec 25 % d’entreprises prêtes, contre 46 % au Royaume-Uni.

Le risque freine donc bien les déploiements, comme je l’écrivais l’an dernier, mais il est aussi devenu le prix d’un usage réel, que seules les organisations les plus avancées acceptent de payer en contrôle, en méthode et en temps.

Ce qui ne s’est pas produit : la sanction

La sanction supposait que les leaders creusent l’écart en entraînant derrière eux une partie du peloton, et ce peloton n’a pas bougé. Le décalage entre les 80 % de répondants qui se disent plus productifs et les 37 % d’entreprises qui voient l’IA dans leur résultat illustre exactement le piège que je décrivais en 2025, celui d’une productivité mesurée à l’échelle de l’individu qui ne remonte pas jusqu’aux comptes. Un commercial qui rédige ses comptes rendus deux fois plus vite ne signe pas davantage de contrats si les validations, les relances et le CRM fonctionnent comme avant. Les minutes gagnées se dissolvent dans l’organisation au lieu de s’additionner.

FTI Consulting éclaire ce décalage sous un autre angle. Parmi les membres de comités de direction qu’il a interrogés, 50 % estiment que la communication publique de leur entreprise sur l’IA reflète très fidèlement sa réalité interne, contre 19 % des managers intermédiaires, et près de deux dirigeants sur trois reconnaissent subir une pression pour mettre en avant, voire exagérer, l’IA auprès des investisseurs. Le cabinet en tire un constat que je reprends volontiers, celui d’une IA qui paraît d’autant plus réussie que l’on s’élève dans la hiérarchie. Les gains de productivité déclarés dans les enquêtes méritent donc d’être lus avec cette distance, puisqu’ils recueillent une perception plutôt qu’une mesure. En France, la Banque de France arrive au même diagnostic en titrant sur des gains de productivité « encore limités », malgré une diffusion rapide des outils.

Certaines enquêtes semblent pourtant contredire ce tableau. Dans son rapport The ROI of AI 2026, publié en juillet avec l’institut National Research Group auprès de 2 403 dirigeants, Google Cloud affirme que 84 % des entreprises voient leurs retours financiers progresser grâce à l’IA et que 94 % constatent une contribution des agents aux économies comme au chiffre d’affaires. Le fonds Wing VC, qui a interrogé en janvier 2026 181 dirigeants chargés de la technologie, des données et de l’IA, trouve 68 % de grandes entreprises rentables sur au moins un cas d’usage.

Ces chiffres mesurent cependant une tendance déclarée ou le rendement de projets isolés, et une entreprise peut rentabiliser trois cas d’usage sans que son résultat d’ensemble en garde la trace. La définition de l’élite en dit long sur ce décalage, puisque Google Cloud classe parmi ses « leaders » les 26 % d’entreprises qui déclarent des retours en accélération, quand McKinsey réserve ce titre aux 6 % qui attribuent à l’IA au moins 5 % de leur résultat opérationnel. Ils émanent aussi d’acteurs qui vendent de l’IA ou investissent dans ceux qui en vendent, ce qui n’invalide pas leurs données mais invite à les pondérer.

Refondre ses workflows et acculturer : les deux leviers de l’intégration réussie

La recette n’a pourtant rien de secret. McKinsey observe en 2026 que les high performers redessinent leurs workflows de fond en comble au lieu d’empiler l’IA sur l’existant, et Microsoft écrit dans son Work Trend Index que le travail de tout dirigeant consiste désormais à réarchitecturer le travail. McKinsey faisait déjà de la refonte des workflows le facteur clé de succès des leaders dans son enquête de l’an dernier, et Google Cloud dresse en 2026 le même portrait de ses meilleurs élèves, dont 48 % disposent d’une autorité de décision très clairement attribuée sur les projets d’IA et 38 % imposent une formation continue intégrée aux postes. Qu’une recette connue depuis un an ne produise ses effets que dans 6 % des entreprises pose une question que les enquêtes ne tranchent pas, et sur laquelle je reviendrai en conclusion.

La concentration de la valeur appelle toutefois une précaution. Ramp ne voit que les achats passés par sa plateforme, auprès d’entreprises américaines, et une partie des grands contrats négociés en direct par les groupes lui échappe. Son rapport de 1 à 650 grossit sans doute l’écart, mais sa forme concorde avec la stagnation des high performers chez McKinsey, ce qui rend peu crédible, à ce stade, l’idée d’une diffusion progressive de la valeur.

Productivité et emploi : comment l’intelligence artificielle transforme les compétences

La compétence IA, nouvelle fracture du travail

L’autre sanction annoncée visait l’emploi. En 2025, 32 % des répondants de McKinsey s’attendaient à une baisse des effectifs liée à l’IA dans leur organisation, quand 13 % seulement prévoyaient des embauches. Un an plus tard, 14 % constatent une baisse effective. L’annonce dépassait donc le constat de plus du double, et l’attente, loin de refluer, progresse encore puisque 39 % anticipent désormais une réduction pour l’année à venir.

Le marché du travail raconte une histoire différente de celle des dirigeants. PwC a analysé plus d’un milliard d’offres d’emploi dans 27 pays pour son baromètre 2026, et il y relève que les postes exigeant des compétences en IA progressent de 69 %, contre 9 % pour l’ensemble du marché, avec une prime salariale moyenne de 62 %. Les entreprises les plus capables d’utiliser l’IA embauchent même plus vite que leurs concurrentes, et la recherche française va dans le même sens, puisque Philippe Aghion et ses coauteurs observent que les entreprises qui recrutent des spécialistes de l’IA voient leur emploi total progresser d’environ 10 % en quatre ans. Pour l’instant, l’IA opère surtout un tri, et la question devient de savoir qui ce tri favorise. C’est précisément là que mon pari sur l’égalisation des compétences a mal tourné.

 

Ce que je n’avais pas vu : l’égalisation ne paie pas

En 2025, je saluais l’« effet égalisateur » mis en avant par Stanford, qui montrait que l’IA profite d’abord aux travailleurs les moins expérimentés et leur permet de combler une partie de leur retard sur les meilleurs. J’y voyais un outil massif de nivellement par le haut, et si le constat tenait, j’en avais tiré la mauvaise conclusion économique.

Le baromètre 2026 de PwC distingue deux trajectoires. D’un côté, l’IA « démocratise » certains emplois en les rendant accessibles à des non-experts. De l’autre, elle en « professionnalise » d’autres, qui exigent davantage d’expertise humaine. Les seconds progressent deux fois plus vite que les premiers, et leurs salaires augmentent 42 % plus vite depuis 2021. L’égalisation existe donc bel et bien, mais le marché la rémunère mal, car une tâche qu’un débutant assisté peut accomplir perd de sa valeur à mesure qu’elle devient accessible à tous. L’IA égalise les copies, pas les carrières.

 

Le second effet m’inquiète davantage, parce qu’il touche la formation des compétences elle-même. L’AI Index 2026 de Stanford cite les travaux de Shen et Tamkin, selon lesquels des ingénieurs logiciels qui s’appuient massivement sur l’IA pour apprendre ne progressent pas plus vite et subissent ce que les chercheurs appellent des « learning penalties », des pénalités d’apprentissage. Le rapport rappelle aussi l’étude du laboratoire METR, dans laquelle des développeurs open source expérimentés travaillaient 19 % plus lentement avec l’IA tout en surestimant l’aide que l’outil leur apportait.

Les deux constats se rejoignent dans un piège qui guette les profils juniors. Un débutant gagne du temps sur les tâches que l’IA démocratise, celles précisément que le marché valorise de moins en moins, tandis que l’usage intensif de l’outil peut freiner l’acquisition de l’expertise que ce même marché rémunère. Ma « dette cognitive » de l’an dernier trouve ici un contenu précis, celui de collaborateurs productifs très tôt qui risquent de ne jamais apprendre ce qui les rendrait difficiles à remplacer.

J’observe souvent ce cas avec des étudiants ou des stagiaires lors de formation. Dans le premier cas, ce sont souvent des outils développés en « vibe coding », qui sont très bien finis visuellement et font une partie du travail, mais avec une difficulté à en analyser les outputs, autrement dit la partie analytique nécessaire pour finaliser le travail demandé. Ce peut être aussi des mémoires rédigés en partie (plus ou moins conséquente) avec l’IA et une soutenance à l’oral (indispensable de nos jours) démontrant non seulement l’incapacité à restituer, mais une incompréhension du résultat produit par l’IA.

Dans le second cas, ce que je j’observe le plus souvent est l’incapacité à itérer de manière suffisante pour analyser le résultat produit par l’IA. Un constat très fréquent pour ma part et un étonnement récurrent sur le manque d’usage de l’IA pour apporter des réponses une fois le travail réalisé, ou même, sur la façon de faire le travail.

Sur l’emploi des juniors, la France en livre déjà un indice. L’emploi dans les activités informatiques et les services d’information, qui pèsent 3 % de l’emploi salarié privé, recule depuis 2023, en particulier chez les jeunes, alors que la richesse produite par le secteur reste dynamique, selon une note des économistes Adjerad et Vermersch publiée en 2026. Le profil colle au mécanisme, même si le lien avec l’IA reste à démontrer.

 

La fracture a changé de forme

J’annonçais une fracture entre les audacieux et les prudents, et elle passe surtout entre les grands et les petits. McKinsey la mesure sur les agents, devenus en un an le principal terrain de différenciation. Dans les entreprises de plus d’un milliard de dollars de chiffre d’affaires, la part de celles qui déploient des agents à l’échelle dans au moins une fonction grimpe de 27 % à 40 %, alors qu’elle plafonne à 22 % chez les plus petites. L’an dernier, le même cabinet comptait moins de 10 % d’entreprises ayant porté des agents à l’échelle dans une fonction donnée, si bien que la réalité est allée plus vite que mon pari, du moins chez les grands.

Les éditeurs confirment l’accélération à leur manière. Microsoft indique dans son Work Trend Index 2026 que le nombre d’agents actifs dans l’écosystème Microsoft 365 a bondi d’un facteur quinze en un an, un chiffre tiré de sa propre télémétrie, qui mesure le succès de ses produits autant que celui des agents.

Les mots « adoption » et « agent » ne mesurent plus rien

La confusion commence dès le mot « adoption ». Selon l’Insee, 18 % des entreprises françaises de dix salariés et plus utilisaient au moins une technologie d’IA en 2025, contre 10 % en 2024 et 6 % en 2023, ce qui place la France sous la moyenne européenne de 20 %. La Banque de France, qui a interrogé début 2026 les entreprises de vingt salariés et plus, en compte pour sa part plus des deux tiers qui utilisent des outils d’IA générative. Les deux chiffres ne se contredisent pas forcément, puisque l’un interroge les entreprises sur une liste de technologies d’IA, l’autre sur l’usage d’outils génératifs, et qu’une année de diffusion rapide les sépare, mais ils dessinent deux pays différents.

Avec l’agentique, l’écart devient vertigineux. Le baromètre réalisé par OpinionWay pour l’Acsel en février et mars 2026, auprès de 502 dirigeants de grandes PME et d’ETI françaises, livre un chiffre spectaculaire. Il en ressort que 78 % de ces entreprises déploient de l’IA agentique, définie comme des « systèmes autonomes capables d’agir et d’optimiser en continu selon un objectif », dont 29 % sous forme de gains rapides. Au même moment, McKinsey ne trouve que 22 % de déploiements d’agents à l’échelle parmi les plus petites entreprises de son panel mondial. Chez les grands groupes, FTI Consulting relève que trois entreprises françaises et allemandes sur quatre avancent prudemment, et qu’une sur cinq seulement va vite, ce qui rend le chiffre de l’Acsel plus singulier encore, même si les deux enquêtes ne visent pas les mêmes entreprises.

 

L’Acsel et McKinsey ne mesurent pas la même chose, puisque l’un recueille une déclaration de déploiement et l’autre un passage à l’échelle, mais l’écart dit quelque chose de l’époque. Le mot « agent », en particulier, a gagné les plaquettes commerciales avant les organisations, au point de désigner aussi bien un assistant qui rédige un e-mail qu’un système qui modifie seul une infrastructure. Un dirigeant qui veut savoir où il en est gagnera à poser, devant chaque « agent » qu’on lui présente, une seule question, celle de ce qu’il a le droit de faire sans validation humaine.

Géopolitique : l’écart s’est refermé

Au niveau mondial, la fracture que je décrivais entre les États-Unis et la Chine s’est presque effacée. Je notais l’an dernier un écart de performance réduit à 1 à 3 points sur les benchmarks critiques, et Stanford le juge désormais « effectivement comblé », le meilleur modèle américain, celui d’Anthropic, ne devançant en mars 2026 le meilleur modèle chinois que de 2,7 points. Le State of AI Report décrit pour sa part une course de tête réduite à trois laboratoires, Anthropic, OpenAI et Google.

L’Europe reste absente de ce trio, et ses entreprises commencent à en mesurer le prix. Selon FTI Consulting, environ la moitié des grandes entreprises interrogées se jugent exposées à leur dépendance envers des modèles, des clouds ou des puces étrangers, mais 26 % seulement ont testé une solution de rechange en cas de restriction ou d’indisponibilité d’un fournisseur clé. Une préparation jamais répétée reste une hypothèse, note le cabinet. La conclusion que j’en tirais l’an dernier tient toujours, puisque la technologie viendra d’ailleurs et que la bataille européenne se jouera dans l’application et l’intégration, à condition que les entreprises sachent par quoi remplacer un fournisseur du jour au lendemain.

Pourquoi la recette reste au tiroir

Une recette décrite dans deux enquêtes successives et qui ne produit ses effets que dans 6 % des entreprises appelle une explication que McKinsey et Microsoft ne fournissent pas, et que je propose ici comme une hypothèse.

Mon hypothèse est qu’en refondant un workflow, une entreprise redistribue du pouvoir. Elle déplace des décisions, supprime des étapes de validation qui fondaient l’autorité de certains managers et oblige à réécrire les indicateurs sur lesquels repose l’évaluation de chacun. Ajouter un copilote ne menace personne, alors que redessiner le circuit d’une facture ou d’un dossier client oblige quelqu’un à renoncer à une part de son rôle. Les gains de productivité individuels arrangent tout le monde précisément parce qu’ils ne changent rien à l’organigramme.

FTI Consulting arrive au même diagnostic par un autre chemin. Le cabinet observe que l’IA agentique exige des dirigeants qu’ils renoncent au contrôle direct de décisions, de workflows et d’interactions clients qui fondaient jusqu’ici leur autorité, et il résume la contradiction d’une formule, puisque la technologie s’achète sur une promesse d’autonomie et se déploie sur un postulat de supervision. Seuls 13 % des décideurs interrogés disent d’ailleurs que l’IA pilote de plus en plus les décisions de leur entreprise, et les projets d’agents, selon FTI, calent moins sur leurs limites techniques qu’au moment de retirer le contrôle humain.

La facture qui grimpe et les agents qui agissent seuls aggravent le problème au lieu de le résoudre. Une organisation qui n’a pas redessiné ses circuits ne sait ni où placer la validation humaine, ni quels droits accorder à un agent, ni comment mesurer ce qu’il rapporte, et elle finit par payer des tokens pour accélérer des processus qu’elle aurait dû supprimer.

Une dernière possibilité mérite d’être posée, car elle modifie la portée de tout ce qui précède. La valeur de l’IA existe peut-être bel et bien, mais elle échappe en partie aux comptes des entreprises. Stanford estime que l’IA générative procurait début 2026 environ 172 milliards de dollars de valeur annuelle aux consommateurs américains, et que la valeur médiane par utilisateur a triplé entre 2025 et 2026. Si l’essentiel des gains revient aux utilisateurs, et peut-être aux salariés qui gagnent du temps sans que leur employeur en profite, la stagnation de l’EBIT décrit moins une absence de valeur qu’un problème de partage.

Les dirigeants français semblent l’avoir compris, au moins dans leurs intentions. Dans le baromètre Acsel, 74 % des dirigeants de grandes PME et d’ETI misent sur la formation et la montée en compétences de leurs équipes plutôt que sur le recrutement, un pari sur la capacité d’absorption dont je faisais l’an dernier le vrai sujet de l’IA en entreprise. L’intention reste loin de la réalité, puisque 21 % seulement des salariés français ont reçu une formation à l’IA, 30 % dans les grandes entreprises et 16 % dans les TPE. Encore faut-il que ces formations apprennent aussi à repenser le travail lui-même, au-delà du maniement des outils.

Reste à savoir qui, dans l’entreprise, acceptera de perdre la main sur sa propre façon de travailler pour que l’organisation, elle, y gagne. Un mouvement pour le moins délicat.

 

IA : le Playbook 2026-2027 pour les décideurs

Les trois leviers d’action indispensables :

1. Reconstruire les workflows métiers (Rewire) au lieu de coller de l’IA sur des processus obsolètes
2. Investir dans la formation et la gouvernance des données comme fondement de l’autonomie des agents
3. Encadrer l’accès et l’identité des agents pour éviter la dette de sécurité

 

Sources :

PwC, 2026 Global AI Jobs Barometer (juin 2026) : communiqué · rapport complet (PDF)
Stanford HAI, AI Index Report 2026 (avril 2026) : hai.stanford.edu/ai-index/2026-ai-index-report

McKinsey, The State of AI in 2026: On the road to ROI (août 2026)  : mckinsey.com/…/the-state-of-ai
Air Street Capital, State of AI Report 2026 (octobre 2026) : stateof.ai
Ramp AI Index, juin 2026 : ramp.com/data/ai-index-june-2026
McKinsey, The AI-centric imperative: Navigating the next software frontier (2026) : mckinsey.com
Teleport, The 2026 Infrastructure Identity Survey : rapport (PDF)
Google Cloud, The ROI of AI 2026 Report (juillet 2026) : cloud.google.com
Wing VC, The State of AI in the Enterprise (janvier 2026) : wing.vc
Banque de France, L’IA s’installe dans les entreprises françaises (Bulletin n° 266, septembre 2026) : banque-france.fr