Adoption de l’IA par les entreprises : une lecture géographique
L’essor de l’IA générative a démocratisé l’adoption de l’IA à grande échelle : l’utilisation des nouveaux modèles nécessite moins de compétences techniques, permet des applications flexibles et transversales et réduit les coûts d’entrée, puisque l’IA générative peut fonctionner sur des plateformes low-code / no-code.
Pourtant, toutes les entreprises n’ont pas les mêmes capacités à l’appliquer et à en tirer profit. L’adoption de l’IA accélère de façon inégale selon la taille des entreprises, les secteurs, mais aussi selon les pays et régions. Comment expliquer ces disparités ? Quelles en sont les conséquences ? Et comment y remédier ?
Cette note s’appuie principalement sur les publications de l’OCDE « Emerging divides in the transition to artificial intelligence » (2025) et d’Oxford Economics «.The North–South regional divide in AI adoption » (2026), ainsi que sur nos propres travaux sur la géographie des activités de la chaîne de valeur de l’IA.
1 - L’adoption de l’IA par les entreprises est inégale selon les territoires, avec des écarts croissants entre pays leaders (Corée, pays nordiques) et pays en retard (Turquie, Roumanie). Ces disparités se retrouvent à l’échelle régionale : les grandes métropoles concentrent les taux d’adoption les plus élevés.
2 - En France, l’adoption progresse mais reste inférieure à la moyenne de l’OCDE et de l’UE et se heurte principalement à un enjeu organisationnel.
3 - Plusieurs facteurs expliquent les écarts : spécialisation sectorielle, taille des entreprises, accès aux talents, maturité numérique et densité des écosystèmes.
4 - Ces dynamiques pourraient accentuer les écarts de productivité et de croissance entre territoires, avec des conséquences sociales et politiques.
5 - Des politiques publiques place-based sont nécessaires pour soutenir l’adoption de l’IA dans tous les territoires. La diffusion de l’IA suppose aussi de renforcer les coopérations internationales et les stratégies en réseau.
Cartographie de l’adoption de l’IA par les entreprises
Des disparités entre pays
13.9 % des entreprises des pays de l’OCDE utilisent l’IA. Mais il existe de fortes disparités entre les pays : la Corée est pionnière, suivie du Danemark, de la Suède et de la Belgique. L’Australie, le Japon et l’Israël occupent les dernières positions (figure 1). La France est sous la moyenne de l’OCDE (9.9.% ; voir partie 3 sur le cas français).
Figure 1 : Taux d’adoption de l’IA par les entreprises des pays membres de l’OCDE, par taille d’entreprise
Ce constat ne doit pas être lu comme un classement définitif entre tous les membres de l’OCDE : les données les plus récentes ne sont pas disponibles pour tous les pays au même millésime. C’est notamment le cas des États-Unis (2021), du Royaume-Uni (2020) et d’Israël (2020), observés sur des années plus anciennes que la plupart des pays européens (2024). Ces résultats documentent donc avant tout l’ampleur des écarts internationaux, sans permettre d’établir une hiérarchie parfaitement stabilisée entre pays. On constate néanmoins que l’adoption de l’IA par les entreprises n’est pas systématiquement corrélée au leadership technologique du pays.
À l'échelle de l’Union européenne (UE), l’OCDE montre une polarisation croissante. Les écarts tendent à se creuser depuis 2021, avec des pays pionniers qui consolident leur avance (Danemark, Suède, Finlande, Belgique ; figure 2). En 2021, les écarts de taux d’adoption étaient de 2 à 16.% ; en 2024, ils étaient de 4 à 28 %, ce qui démontre une croissance à deux vitesses.
Figure 2 : Taux d’adoption de l’IA : au départ (2021) & évolution (2023-2024)
Cette divergence tient à des effets cumulatifs. Les adopteurs précoces accumulent plus vite compétences organisationnelles, données, capital informationnel et usages. À cela s’ajoutent des effets de réseau et d’apprentissage : plus un système est utilisé, plus il s’améliore, plus sa valeur augmente. Enfin, les pionniers imposent plus facilement leurs standards, verrouillent des partenariats technologiques et structurent les chaînes de valeur autour de leurs infrastructures. L’avance initiale devient ainsi un avantage durable.
À l’échelle européenne, Oxford Economics montre qu’entre 2023 et 2025, la part des entreprises européennes utilisant au moins une technologie d’IA est passée de 8 % à 20 %. Les entreprises nordiques (Danemark, Finlande, Suède) sont à l’avant-garde dans l’adoption de l’IA ; le Danemark est en tête avec 42.%.
À l’inverse, les entreprises de l’Est (Roumanie, Pologne, Bulgarie) sont en retard ; la Roumanie est le pays le moins bien classé avec 5.%. L’Europe de l’Ouest (Belgique, Luxembourg, Pays-Bas) est globalement bien positionnée, avec une nuance pour la France qui est sous la moyenne européenne (18.% ; voir partie 3).
Des disparités entre régions
Les disparités d’adoption de l’IA ne s’observent pas seulement entre pays, mais aussi entre régions. Les données disponibles d'Oxford Economics et de l'OCDE montrent une géographie très contrastée, dans laquelle les régions métropolitaines et capitales concentrent généralement les taux d’adoption les plus élevés, tandis que les territoires plus périphériques apparaissent davantage en retrait.
Dans les pays où Oxford Economics fait apparaître un maillage régional plus fin (figure 3), on observe que :
- les niveaux les plus élevés se concentrent autour de grands pôles métropolitains et capitales comme Stockholm, Copenhague, Bruxelles, Helsinki, Vienne, Madrid, Barcelone/Catalogne, Bratislava ou Varsovie. Ces régions cumulent généralement les fonctions de commandement, les services avancés, les activités numériques, les établissements d’enseignement supérieur et les écosystèmes d’innovation qui favorisent l’adoption de l’IA.
- les régions les moins adoptantes (<5.%) se situent majoritairement hors de ces grands centres, notamment dans plusieurs régions de Roumanie, Bulgarie, Hongrie (ex : la région de Transdanubie occidentale avec 3,3.%), Slovaquie ou Pologne, où le tissu productif est souvent plus fragmenté, moins tertiarisé et moins intensif en numérique.
« Dans de nombreux pays européens, les régions capitales et les grandes aires métropolitaines bénéficient souvent d’une ‘urban AI premium’ et agissent comme des pôles de diffusion pour les technologies numériques avancées, » explique Daniel Parker, Senior Economist à Oxford Economics.
Figure 3 : taux d’adoption de l’IA par les entreprises en Europe
Espagne : l'adoption est concentrée dans les régions métropolitaines
Figure 4 : adoption de l’IA par les entreprises espagnoles (NUTS2).
Le cas de l’Espagne démontre une nette avance dans les régions métropolitaines, avec des taux d’adoption atteignant 27.% dans les régions de Madrid, Barcelone et Bilbao. Ce taux descend à 11.% dans les régions plus rurales (Figure 4).
Allemagne, Autriche, Suisse : l’adoption est concentrée dans quelques villes phares
Figure 5 : adoption de l’IA par les entreprises de la région DACH - Allemagne, Autriche, Suisse (NUTS3).
Clé de lecture des cartes : la carte A représente le ratio d’entreprises « positives » à l’IA par rapport à l’ensemble des entreprises dans chaque région NUTS3. Elle permet de repérer la géographie générale de l’adoption, marquée par quelques foyers concentrés et de nombreuses régions peu engagées.
La carte B restreint l’analyse aux régions où ce taux est supérieur à la moyenne (>2.% des entreprises positives à l’IA et >15 entreprises d’IA). Elle indique alors non plus l’intensité de l’adoption, mais la profondeur de l’expertise IA locale, en distinguant les régions où les entreprises repérées relèvent davantage d’une connaissance IA approfondie que d’usages plus superficiels.
Dahlke et al. (2024) montrent plus largement que l’adoption de l’IA dans l’espace DACH suit des schémas très clusterisés et relativement fermés, structurés par les réseaux de connaissance et les hotspots régionaux. À l’échelle de l’espace DACH, la diffusion de l’IA apparaît donc inégalement territorialisée.
En Allemagne, l’adoption de l’IA par les entreprises allemandes apparaît fortement concentrée géographiquement. Dans la plupart des régions, la part d’entreprises « AI-positive » reste faible (<2.%), tandis que certains pôles urbains ou technologiques se distinguent (>6.%). Si Munich est l’un des points chauds les plus nets du pays, d’autres pôles se démarquent et correspondent à la présence des centres de recherche d’excellence en IA (German AI Network of Excellence) : Berlin, Dortmund, Tübingen, Saarbrücken et Dresde, ce qui suggère une diffusion encore très polarisée, structurée par des écosystèmes d’innovation déjà constitués. Ainsi toutes les grandes métropoles allemandes ne se distinguent pas par des taux élevés, à l’instar de Hambourg.
L’Autriche et la Suisse paraissent relever d’une configuration un peu différente. La présence d’entreprises AI-positive y semble davantage répartie entre plusieurs régions. La carte ne fait pas apparaître une multiplication de grands foyers de spécialisation profonde, mais seulement un nombre limité de pôles très spécialisés (Vienne pour l’Autriche, Zürich et l’arc lémanique pour la Suisse).
Comment expliquer les disparités ?
Plusieurs facteurs expliquent les fractures géographiques dans l’adoption de l’IA par les entreprises.
Le premier facteur est sectoriel. Le secteur des Technologies de l’Information et de la Communication (TIC) étant pionnier dans l’adoption de l’IA, les pays spécialisés dans les TIC affichent un taux d’adoption plus élevé. Les pays du Nord et de l’Ouest présentent des secteurs TIC plus importants (Oxford Economics, 2026) ; les grandes villes présentent une concentration élevée d’entreprises du secteur des TIC (OCDE, 2025).
La taille des entreprises est un deuxième facteur. L’Europe du Nord, qui compte une concentration plus élevée de grandes entreprises, dispose de capacités plus fortes dans l’adoption de nouvelles technologies (Oxford Economics, 2026). «,L’adoption de l’IA est souvent concentrée dans les grandes entreprises, qui disposent d’une masse importante de données et d’équipes techniques internes solides, » explique Daniel Parker ; « cela peut créer un écart entre les entreprises de pointe et l’ensemble du tissu économique ». Ainsi, l’importance de la base de PME et d’ETI en France pourrait expliquer une moindre adoption moyenne.
Mais un autre facteur structurel tient aux caractéristiques intrinsèques des agglomérations urbaines : les métropoles disposent d’une forte intensité en services, d’un capital humain élevé, de systèmes d’innovation performants, d’une forte productivité des actifs immatériels et de coopérations universités - entreprises (OCDE, 2025). Les entreprises des grandes villes bénéficient également d’infrastructures numériques avancées et de réseaux mondiaux (Oxford Economics, 2026).
Enfin, les écarts d’adoption peuvent aussi être influencés, plus indirectement, par les représentations sociales de l’IA. Les enquêtes internationales montrent des différences marquées d’attitudes selon les pays, même si leur lien avec l’adoption effective par les entreprises reste moins net que pour les facteurs sectoriels, organisationnels ou territoriaux. Ces dernières années, de nombreuses enquêtes internationales ont mis en évidence de fortes disparités dans la perception de l’IA selon les pays. Les Européens et les Américains seraient plutôt prudents, quand les Asiatiques et les Africains seraient généralement plus optimistes. Plusieurs facteurs peuvent contribuer à expliquer ces écarts. Certaines études soulignent un lien avec le niveau de développement, mesuré par exemple par l’Indice de Développement Humain (IDH) ou le PIB/habitant. D’autres mettent aussi en avant l’importance du facteur démographique : dans la plupart des pays étudiés, les personnes les plus âgées expriment davantage d’inquiétude à l’égard de l’IA, tandis que les plus jeunes expriment plus souvent confiance ou enthousiasme.
Les pays à la démographie plus jeune tendent ainsi à afficher des perceptions plus positives, quand les sociétés vieillissantes apparaissent en moyenne plus réservées.
Et en France ?
L’OCDE (2025) montre que 9.9 % des entreprises françaises utilisent l’IA, ce qui est sous la moyenne de l’OCDE (13.9 %). Oxford Economics (2026) obtient un taux plus élevé (18 %), mais la France reste sous la moyenne européenne (20 %).
Selon l’INSEE, 33.% des entreprises de +250 salariés utilisent au moins une technologie d’IA en 2024, contre 21.% en 2023. Du côté des petites entreprises (-50 salariés), elles sont 9 % à utiliser l’IA en 2024, contre 5 % en 2023. L’adoption est sensiblement plus forte dans les secteurs de l’information et de la communication (42.%), tandis qu’elle reste faible dans les secteurs de la construction (3 %), des transports et entreposage (5.%) ou encore de l’hébergement et de la restauration (5 %). Il n’existe pas de données qui démontreraient que l’IA est plus largement adoptée dans les entreprises franciliennes, mais la structure sectorielle de l’économie francilienne pourrait le suggérer.
Daniel Parker le formule ainsi : « Bien que les données régionales d’Eurostat pour la France ne soient pas encore disponibles, la plupart des indicateurs complémentaires ainsi que les éléments empiriques issus d’autres pays suggèrent que Paris–Île-de-France devrait présenter un avantage substantiel en matière d’adoption de l’IA par rapport à la moyenne nationale. Je m’attendrais également à ce que l’adoption de l’IA dans la région francilienne soit supérieure à la moyenne de l’Union européenne, compte tenu de sa composition et de sa spécialisation sectorielle ».
Les enquêtes disponibles suggèrent toutefois un contraste important entre diffusion des usages et transformation en profondeur des organisations.
Une étude de Microsoft indique que 80.% des dirigeants français utilisent déjà des outils d’IA générative au moins une fois par semaine ; ils sont 60.% à considérer l’adoption de l’IA comme un objectif prioritaire pour leur entreprise.
Mais l'étude souligne aussi la progression du « shadow AI » : 61.% des utilisateurs de l’IA en entreprise recourent à des IA génératives via des comptes personnels au moins une fois par semaine (dont 38 % quotidiennement) ; plus de 7 cadres interrogés sur 10 n’ont pas encore été formés à l’utilisation de l’IA. L’IA est donc bien présente dans les entreprises françaises, mais elle reste souvent expérimentale, sans être encore pleinement structurante, opérationnelle ou industrielle. « Nous entrons dans une phase plus exigeante de l’IA, où elle est attendue sur sa capacité à transformer durablement les organisations, à créer de la valeur et à faire progresser collectivement nos façons de travailler, » commente Corine de Bilbao, Présidente de Microsoft France.
Le principal frein semble donc moins technologique qu’organisationnel. La France abrite de nombreuses TPE et PME qui n’ont pas encore pris le virage de la digitalisation. Or l’IA suppose l’existence de données fiables, structurées et exploitables. Les entreprises françaises peinent en outre à estimer le retour sur investissement de l’IA, à identifier les bons cas d’usage et à s’appuyer sur des retours d’expérience suffisamment partagés.
La question des talents constitue un autre frein : selon l’étude de Darwin X et AlixPartners, les entreprises françaises n’emploient pas encore suffisamment de compétences spécialisées en interne pour exploiter pleinement l’IA. Elles n’ont pas encore investi dans la mise en place d’équipes internes étoffées et préfèrent encore externaliser. En effet, ces compétences restent rares, ce qui induit un coût de recrutement et de rétention élevé pour ces spécialistes.
L’enjeu de l’acculturation est tout aussi décisif. Bpifrance montre que dans les PME–ETI, dans 73.% des cas, l'impulsion IA vient du dirigeant : « Mais cette transformation ne peut pas être seulement l'affaire du dirigeant. Une IA non adoptée est inefficiente et une IA imposée brutalement peut détruire la confiance ». L’enjeu est de dialoguer avec les collaborateurs, les impliquer dès les premières expérimentations et les former pour ancrer durablement l’IA dans les entreprises.
Enfin, une partie de l’écart peut tenir à la mesure statistique elle-même. « En France, l’adoption précoce a souvent pris la forme de projets pilotes, de partenariats avec des laboratoires de recherche ou encore d’une intégration de l’IA au sein d’outils logiciels, » explique Daniel Parker. « Ces formes d’usage ne sont pas toujours clairement captées par les indicateurs d’adoption fondés sur des enquêtes, ce qui peut conduire à sous-estimer l’ampleur des expérimentations en cours. »
En France, le sujet n’est pas tant l’absence d’intérêt pour l’IA que la difficulté à passer d’usages diffus, expérimentaux ou externalisés à une transformation organisationnelle à grande échelle.
Lancé en 2025, le plan « Osez l’IA » vise à accélérer l’adoption de l’IA dans les entreprises avec 3 cibles à l’horizon 2030 : 100.% des grands groupes, 80.% des PME/ETI et 50.% des TPE équipés d’outils IA. Le plan repose sur 3 piliers :
- Sensibiliser par le déploiement d’un réseau de 300 ambassadeurs IA (chefs d’entreprises, artistes, sportifs, etc.) et par l’organisation d’événements mensuels, notamment avec les CCI et Bpifrance, et d’un AI Business Day annuel.
- Former avec le lancement d’une plateforme de formation (« Académie de l’IA ») pour différents publics afin de former 15 millions de professionnels d’ici à 2030.
- Accompagner et financer par des diagnostics Data / IA, des catalogues de solutions et de cas d’usage, des prêts garantis par l’État pour les projets IA structurants ou encore des soutiens dédiés comme l’appel à projets « Pionniers de l’IA ».
Quel est l'impact de ces disparités ?
Parce qu’elle est associée à des gains de productivité et de compétitivité, l’IA pourrait accentuer les écarts de performance économique entre les pays ou les régions.
Le coût serait non seulement économique, mais aussi social, alerte Sandrine Kergroach, Économiste principale et point focal sur l’IA au Centre de l’OCDE pour les PME, l’Entrepreneuriat, les Régions et les Villes : « L’IA risque d’amplifier des inégalités territoriales déjà existantes : les gains de productivité qu’elle génère pourraient se concentrer dans certains territoires, creusant davantage les écarts avec les autres et fragilisant leur chances de rattrapage. À terme, ces déséquilibres pourraient nourrir un ressentiment des laissés-pour-compte de l’IA et fragiliser la cohésion sociale et la compétitivité future ».
Ces disparités pourraient directement influencer l'attractivité des territoires, avec des marchés dynamiques et attractifs pour les entreprises de l’IA (Asie, États-Unis) et, à l’inverse, des marchés repoussoir dont se détournent les entreprises innovantes. Peut-on toutefois dresser une étroite corrélation entre localisation des entreprises de l’IA et dynamisme du marché en local? Pour Daniel Parker, l’adoption locale est un réel facteur de développement pour les entreprises de l’IA : « Un marché local dynamique peut fournir des clients pilotes, une expertise sectorielle et des opportunités de co-développement, éléments essentiels pour valider des produits et obtenir une première traction. » Une affirmation nuancée toutefois selon les secteurs : si, dans le secteur des logiciels et TIC, les produits peuvent passer à l’échelle et facilement atteindre des clients internationaux, les applications de l’IA dans des secteurs tels que la santé ou la logistique sont souvent plus sensibles à la localisation ; « leur adoption dépend des pratiques opérationnelles locales, des environnements réglementaires ou de l’existence de clusters sectoriels, » ajoute Daniel Parker.
Conclusion : articuler global et local
Les fractures géographiques qui apparaissent appellent à des politiques « place based » qui tiennent compte des spécificités locales et investissent stratégiquement à travers les territoires, y compris dans les moins avantagés ; c’est l’approche défendue par l’OCDE.
Les inégalités territoriales appellent également à des coopérations et à des stratégies en réseaux pour diffuser la technologie dans tous les territoires.
« La coopération internationale en matière d’IA ne peut pas se limiter à un simple dialogue entre les pôles dominants, » affirme Sandrine Kergroach. « Elle doit permettre de structurer des réseaux entre pays et régions aux profils variés, d'identifier des complémentarités et de construire des trajectoires communes pour favoriser une diffusion plus équilibrée de l’IA ».
Une approche que nous défendons également chez Paris-Île de France Capitale Économique.
Retrouvez toutes nos actualités dans votre boîte
