En avril dernier, la Fed a publié un document de travail consacré à la quantification et au suivi du taux d'adoption de l'IA par les entreprises américaines. Le fait en lui-même est remarquable : lorsque les décideurs de la politique monétaire commencent à étudier officiellement l'adoption de l'IA comme un indicateur économique, cela montre que l'impact de l'IA sur la macroéconomie est suffisamment grave pour entrer dans le champ des politiques.
Cependant, le point le plus intéressant de ce document n'est pas la conclusion, mais la découverte — qu'un même phénomène, mesuré par trois méthodes différentes, peut donner des chiffres totalement différents.
Trois ensembles de données, trois mondes
L'équipe de recherche de la Fed a comparé trois sources d'enquête principales :
BTOS (Enquête sur les technologies d'entreprise) : 18 %
Question au niveau de l'entreprise : Votre entreprise utilise-t-elle l'IA ? Environ 18 % des entreprises ont répondu par l'affirmative.
RPS (Enquête aléatoire sur la productivité) : 41 %
Question au niveau individuel : Avez-vous utilisé l'IA générative au travail ? 41 % des personnes interrogées ont répondu oui.
SBU (pondéré par l'emploi) : 78 %
Après pondération des grandes entreprises : 78 % des travailleurs sont employés dans des entreprises ayant déjà déployé l'IA.
Un même « taux d'adoption de l'IA aux États-Unis », 18 %, 41 %, 78 % — ces trois chiffres sont tous corrects, seules les questions posées étaient différentes.
La façon dont vous définissez « adoption » détermine directement le monde que vous voyez.
Demandez « l'entreprise a-t-elle officiellement déployé des systèmes d'IA ? », la réponse est 18 %. Demandez « les employés utilisent-ils l'IA ? », la réponse est 41 %. Lorsque vous pondérez les employés des grandes entreprises (où le taux de déploiement de l'IA est plus élevé), la réponse passe à 78 %.
Qui utilise le plus
Une ventilation par secteur montre des écarts considérables :
| Secteur | Taux d'adoption par les entreprises | Taux d'utilisation individuelle |
|---|---|---|
| Services professionnels (cabinets d'avocats, conseil, comptabilité) | 33 % | 62 % |
| Services financiers | 30 % | 63 % |
| Industrie manufacturière | Inférieur | Inférieur |
| Commerce de gros | Inférieur | Inférieur |
Les taux d'utilisation individuelle les plus élevés se trouvent dans les services financiers et professionnels : 63 % des professionnels du secteur financier utilisent l'IA générative au travail. C'est compréhensible — ces deux secteurs travaillent de toute façon avec du texte, des données et des analyses, dans lesquels l'IA peut être intégrée directement.
En revanche, les taux d'adoption dans l'industrie manufacturière et le commerce de gros sont nettement inférieurs, ce qui indique que l'IA n'a pas encore pénétré profondément la couche de production physique.
Taux de croissance de 68 %, mais base encore faible
Un chiffre frappant dans le document : à la fin de 2025, le taux de croissance annuel de l'adoption de l'IA au niveau des entreprises était de 68 %.
Mais attention — aussi rapide que soit la croissance, la base n'est que de 18 %. Partant de 18 %, une croissance de 68 % n'amène qu'à un peu plus de 30 %.
Encore plus intéressante est la fréquence d'utilisation quotidienne :
- Employés utilisant l'IA liée au travail quotidiennement : 12 %
- Utilisation au moins une fois par semaine : 35,2 %
- Taux d'adoption pondéré par l'emploi des grands modèles (LLM) : 54 %
12 % par jour — pour tout autre logiciel d'entreprise, on parlerait de « faible fréquence ». Mais par analogie : le nombre d'utilisateurs quotidiens d'Excel au début de son déploiement n'était pas non plus comme ça. La construction de la « viscosité » des outils d'IA en est encore à un stade précoce.
Pourquoi la Fed s'y intéresse
La recherche de la Fed sur le taux d'adoption de l'IA a des considérations politiques pratiques derrière elle.
L'impact de l'IA sur la productivité du travail est directement lié à trois choses :
- Tendance de la croissance économique : La croissance de la productivité est le moteur central de la croissance du PIB
- Trajectoire de l'inflation : Les améliorations de l'efficacité de la production peuvent freiner les prix du côté de l'offre, permettant à l'économie de croître plus rapidement sans générer d'inflation
- Structure du marché du travail : Quels emplois l'IA remplace-t-elle et quelles politiques de soutien à l'emploi sont nécessaires
En d'autres termes, la Fed évalue : sommes-nous dans une révolution de la productivité tirée par l'IA, ou simplement dans une bulle numérique ?
Cette évaluation affecte directement les décisions sur les taux d'intérêt. Si l'IA augmente réellement systématiquement la productivité du travail, l'économie peut soutenir la croissance plus longtemps sans risque de surchauffe.
Ce document n'apporte pas de réponse définitive, mais il rend le problème quantifiable et traçable.
Mesurer en soi est déjà un progrès
L'honnêteté du document est rafraîchissante : il ne cautionne pas la thèse selon laquelle « l'IA a tout changé », mais dit « nous avons trois méthodes de mesure, chacune avec ses biais, et nous apprenons encore à observer cela plus précisément ».
Cela montre précisément que la quantification de l'impact économique de l'IA en est encore à ses débuts. Le MIT, Stanford et McKinsey ont chacun leurs propres méthodes, la Fed a les siennes, et les chiffres qui en résultent se contredisent — non pas parce que les données sont fausses, mais parce que tout le monde mesure des choses différentes.
Du moment où les décideurs politiques commencent à quantifier sérieusement l'impact économique de l'IA jusqu'à ce que ces données entrent réellement dans les modèles de politique monétaire, il faudra peut-être encore quelques années. Mais la direction est fixée : l'IA en macroéconomie passe du statut de « sujet » à celui d'« indicateur ».
Le jour où la Fed commencera à citer les données d'adoption de l'IA dans ses déclarations de décision sur les taux d'intérêt sera le véritable jalon historique à enregistrer. Pour l'instant, nous en sommes probablement au tiers du chemin sur cette trajectoire.
Source de référence : Monitoring AI Adoption in the US Economy (Federal Reserve Board, FEDS Notes,CocoLoop, avril 2026) ; Enterprise AI Adoption Curve Now Past the Internet at Year 3 (Asanify AI News Digest, 20 avril 2026)