IA générative : pourquoi les Américains vont plus vite

Dans les comités de direction, chez les managers comme dans les équipes de transformation, on entend partout que la France est en retard sur l'IA, et les chiffres le confirment. Ce retard ressemble à ceux que nous avons connus avec internet ou le cloud, et la plupart de ses causes dépassent les entreprises. Nous voulons parler ici de celle qui dépend d'elles : leur organisation.

Pour nous, l'IA n'est plus un choix. On ne peut pas ignorer les transformations qu'elle entraîne, et la question est de savoir comment y aller, avec lucidité.

Petit disclaimer, nous parlons ici d'IA générative, celle qui produit du texte, du code ou des images (ChatGPT, Claude, Mistral...). L'IA dite "classique" (machine learning, prédiction) est déployée depuis bien plus longtemps, et il ne faut pas confondre les deux.

Le constat : les États-Unis vont plus vite

Regardez n'importe quel fil d'actualité sur l'intelligence artificielle : les noms qui reviennent sont OpenAI, Anthropic, Google, Nvidia... Les chiffres cités dans les articles et les grandes conférences viennent de San Francisco. Les études de Stanford ou du MIT. Les prises de parole, des dirigeants de la tech américaine. Nous consommons l'IA d'abord comme une histoire, et celle-ci est très majoritairement écrite aux États-Unis.

Les institutions américaines ont produit 40 modèles d'IA notables en 2024, contre 15 pour la Chine et 3 pour l'Europe entière.

Le déséquilibre est encore plus visible du côté des financements. Selon l'AI Index 2026 de Stanford, les entreprises privées américaines ont investi 285,9 milliards de dollars dans l'IA en 2025. En France, l'étude annuelle 2025 du fonds Iris évalue cet investissement à environ 3 milliards d'euros. Les méthodes de calcul diffèrent, mais cela donne un ordre de grandeur : près de 100 fois plus en volume, et encore une vingtaine de fois plus une fois ramené au nombre d'habitants.

Le discours sur l'IA aussi est très largement anglophone. Sur X, une étude portant sur les messages en anglais liés à l'IA montre que 40,7 % d'entre eux viennent des États-Unis (Frontiers in Digital Health, 2026). Et l'anglais ne domine pas seulement la conversation, il façonne les outils eux-mêmes. Le web, principale matière première des modèles, est en anglais pour près de la moitié des sites, contre 4,5 % en français (W3Techs, 2026). Résultat : les données des modèles d'entraînement dont Llama 2, le modèle ouvert de Meta, étaient à près de 90 % en anglais, et à moins de 0,2 % en français.

Dans les entreprises françaises de 10 salariés ou plus, 18 % seulement déclarent utiliser au moins une technologie d'IA (générative ou classique) (INSEE Première n°2120, juillet 2026). Pour les salariés, l'étude "Mind the Gap" permet de comparer directement les deux pays sur l'IA générative.

Le chiffre le plus parlant est le temps de travail consacré à l'IA générative, plus de trois fois plus faible en France. Le retard est donc bien réel.

Un scénario déjà vu

Cette situation n'est pas nouvelle. Internet est né d'un projet de recherche américain. Le cloud s'est lui aussi développé d'abord aux États-Unis : Amazon, Microsoft et Google détiennent encore environ 70 % du marché européen, contre à peine 15 % pour les acteurs européens (Synergy Research, 2025). Quand on n'a pas conçu une technologie, il faut du temps pour la comprendre et l'adapter à sa langue, à son droit et à ses métiers.

Être en avance ne suffit d'ailleurs pas toujours, le minitel par exemple, l'a bien montré en France. Lancé au début des années 1980, il a été installé à son apogée dans près de 9 millions de foyers (AFP, 2012). Messagerie, achats en ligne, réservations : la France avait un "internet" avant tout le monde. Mais ce succès a freiné l'arrivée du vrai. En 1999, la Cour des comptes relevait que l'intérêt économique de France Télécom à préserver la manne du Minitel avait retardé son offre internet grand public : internet n'est devenu une vraie priorité pour l'opérateur qu'en 1998 (Le Monde Informatique, février 2009).

Le retard français sur internet tenait donc moins à la technologie qu'aux intérêts et aux choix d'une organisation. Les freins à l'IA générative relèvent eux aussi du financement, du droit, de la culture et de l'organisation.

Les freins, un par un

La culture

Aux États-Unis, l'IA générative s'est d'abord développée là où elle est née : développement logiciel, marketing digital, SaaS. L'AI Index 2026 de Stanford indiqué plus haut mesure +26 % de productivité en développement, et jusqu'à +50 % sur la production de contenus marketing. Les entreprises y assument aussi publiquement leurs choix : Duolingo cesse de faire appel à une partie de ses traducteurs prestataires, Marc Benioff confirme en septembre 2025 avoir réduit le support client de Salesforce de 9 000 à 5 000 personnes grâce à ses agents IA, Amazon supprime 30 000 postes de bureau entre octobre 2025 et janvier 2026 en invoquant notamment l'IA (Reuters).

Ce type d'annonces serait difficilement acceptable en France, où la culture du dialogue social est fortement ancrée. Tant mieux, l'IA n'a pas vocation à remplacer l'humain. On expérimente aussi moins en France, alors que les organisations qui pratiquent l'amélioration continue, le droit à l'erreur et l'expérimentation sont, selon nous, les mieux préparées à l'IA.

Le financement

L'investissement privé dans l'IA est près de 100 fois plus élevé aux États-Unis qu'en France. Le mode de financement aussi est différent. Les États-Unis s'appuient sur des géants de la tech et des startups financées par le capital-risque, qui peuvent expérimenter vite et absorber l'échec. La France repose sur un tissu de PME et d'ETI financées majoritairement par la banque, plus prudentes. S'y ajoute le poids des secteurs : la tech pèse beaucoup dans l'économie américaine, alors que l'industrie, le luxe, la banque et l'administration structurent davantage l'économie française.

Le cadre juridique

Une requête envoyée à un modèle américain, hébergé sur un cloud américain, peut tomber sous le coup du droit américain. Le Cloud Act, voté en 2018, permet aux autorités des États-Unis d'exiger d'un fournisseur américain l'accès aux données qu'il héberge, y compris sur des serveurs situés en Europe. Pour une banque, une administration ou une maison de luxe qui protège son fichier clients, la question est primordiale.

C'est dans ce contexte qu'il faut lire le RGPD et l'AI Act. Entré en vigueur en août 2024, l'AI Act classe les usages selon leur niveau de risque. Certains sont interdits, comme la notation sociale des citoyens. D'autres sont jugés "à haut risque" (recrutement, crédit, santé) et soumis à des obligations strictes. Il s'applique à tous ceux qui opèrent sur le marché européen, acteurs américains compris.

La mise en conformité pèse lourd, au point que Bruxelles a adopté en juillet 2026 le "Digital Omnibus", qui repousse les obligations les plus lourdes à fin 2027, voire 2028, et prévoit un régime allégé pour les PME (règlement (UE) 2026/1744). Mais pour une Europe qui ne produit pas les grands modèles, la réglementation est le principal levier : pour vendre sur un marché de 450 millions de consommateurs, il faut en respecter les règles. C'est ce qui s'est passé avec le RGPD : le Brésil, le Japon ou la Corée du Sud ont aligné leurs lois sur le modèle européen, et la Californie s'en est inspirée dès 2018 (CEPA, "Mapping the Brussels Effect", 2025). Frein pour les entreprises qui doivent s'y conformer, la réglementation est aussi un bouclier pour ceux qui utilisent l'IA.

Le temps du suiveur et la résilience

Les États-Unis maîtrisent l'essentiel de la chaîne de l'IA. L'Europe en dépend à presque tous les niveaux : 40 modèles notables américains en 2024 contre 3 pour toute l'Europe, des puces qui viennent majoritairement de chez Nvidia, un cloud européen détenu à 70 % par trois acteurs américains. Même une entreprise française qui veut "faire son IA chez elle" le fait très souvent sur une infrastructure américaine.

La France dispose quand même de quelques briques. Mistral AI s'est imposé comme l'un des rares concurrents européens crédibles des modèles américains. L'État a développé Albert, son propre assistant IA pour les agents publics. L'ANSSI délivre la qualification SecNumCloud aux offres cloud protégées des législations extra-européennes. Lors du Sommet pour l'action sur l'IA de février 2025, Emmanuel Macron a annoncé 109 milliards d'euros d'investissements privés dans l'IA en France. La moitié au moins vient de l'étranger : entre 30 et 50 milliards des Émirats arabes unis, 20 milliards du fonds canadien Brookfield (publicsenat.fr), principalement pour construire des data centers... Une IA made in France, financée à Abu Dhabi et équipée en puces californiennes...

Plutôt que de souveraineté, nous préférons parler de résilience. Pour nous, elle doit être pensée dès la conception : un système d'IA doit résister à l'instabilité technique, politique et financière, par exemple un fournisseur qui change ses prix ou ses conditions, ou une loi étrangère qui s'impose. La résilience politique relève des États et de l'Europe (réglementation, cloud qualifié, acteurs nationaux). La résilience business dépend de chaque entreprise, qui choisit ses outils, décide où vont ses données et garde, ou non, la possibilité de changer de fournisseur.

Le frein qui dépend de nous : les organisations

Une entreprise ne peut pas grand-chose sur la culture de son pays, les règles européennes ou le marché des puces, mais elle peut agir sur son organisation.

Ce que disent les entreprises

L'INSEE a demandé aux entreprises pourquoi elles n'utilisent pas l'IA. 71 % répondent qu'elles n'en voient pas l'utilité, et 54 % évoquent un manque d'expertise. Dans les entreprises de 250 salariés ou plus, ce manque d'expertise est le premier motif, cité par 73 % d'entre elles. Et parmi celles qui l'utilisent déjà, 53 % se disent freinées par ce manque d'expertise.

Ces deux raisons tiennent à l'organisation bien plus qu'à la technologie.

Le cadre réglementaire est pourtant le même dans toute l'Union, et l'adoption y varie fortement : selon la même étude, 18 % des entreprises françaises utilisent l'IA, contre 20 % en moyenne européenne, 26 % en Allemagne et de 33 % à 42 % dans les pays du nord de l'Europe. L'AI Act n'explique donc pas ces écarts.

Quand l'organisation suit

Sur l'IA classique, certaines organisations françaises ont pris de l'avance depuis longtemps. À la DGFiP, plus d'un contrôle fiscal sur deux est aujourd'hui programmé par un algorithme, pour 17,1 milliards d'euros de droits et pénalités notifiés en 2025. À la SNCF, la maintenance prédictive des trains repose sur l'apprentissage automatique depuis 2015 : 2 500 trains sont surveillés par télédiagnostic, et sur les lignes concernées, les pannes en service commercial sont jusqu'à trois fois moins nombreuses (Hub France IA, 2024).

Sur l'IA générative, les organisations qui se sont structurées avancent aussi :

• France Travail, qui utilise l'IA depuis près de dix ans, a ouvert à tous ses agents ChatFT, un assistant conversationnel développé avec Mistral AI, en novembre 2024. Plus de la moitié d'entre eux y recourent, dont 9 % chaque jour (Cour des comptes, janvier 2026).
• BNP Paribas s'est fixé un objectif de 1 000 cas d'usage IA en production (et en comptait 800 à l'été 2026) selon ses communiqués. La banque bloque ChatGPT grand public pour ses salariés et impose une formation avant tout usage de sa plateforme interne LLM@CIB (LeMagIT, avril 2026).
• Chez LVMH, 45 000 vendeurs s'appuient sur des recommandations générées par IA, et l'assistant maison "MaIA" traite 2 millions de requêtes internes par mois (Le Monde Informatique).

Ces exemples concernent de grands groupes et de grandes administrations mais on y retrouve à chaque fois des outils choisis, des données gardées en interne, des salariés formés et des usages tracés. Ce cadre ne les a pas freinés.

Le risque du shadow AI

Le risque principal est l'usage de l'IA sans cadre, ou shadow AI, l'équivalent du shadow IT. Un salarié qui colle un contrat client dans un chatbot grand public fait sortir des données de l'entreprise sans aucun contrôle. L'INSEE ne mesure que les usages organisés par les entreprises : ces usages individuels n'apparaissent donc pas dans ses chiffres.

Fin septembre 2026, OpenAI a reconnu que des agents IA de son environnement de recherche avaient publié en ligne 53 images d'utilisateurs de ChatGPT, issues de données d'entraînement. Ces données provenaient de comptes grand public, qui alimentent l'entraînement par défaut sauf refus explicite. C'est précisément le type d'outil auquel BNP Paribas CIB bloque l'accès, pour éviter le shadow AI et garder la maîtrise de ses données. Gouverner l'IA, c'est décider quels outils sont autorisés, où vont les données, qui est formé et qui contrôle, avec des validations humaines et des contrôles automatisés. C'est aussi structurer ses données et ses processus, sans lesquels l'IA ne produit pas de valeur.

Bien choisir ses indicateurs

Le récit américain mesure souvent le succès de l'IA au nombre de postes supprimés ou au volume produit. Ces indicateurs locaux disent peu de chose de la performance d'ensemble. Pour nous, le gain se mesure sur toute la chaîne de valeur.

L'IA n'a pas vocation à remplacer l'humain : elle propose et accélère, la décision reste entre les mains de femmes et d'hommes. Lors des conférences Agile en Seine 2026, ce besoin de garder l'humain au centre revenait souvent. C'est le cas chez LVMH, où l'IA recommande et le vendeur choisit, ou chez BNP Paribas, où elle sert d'aide à la décision.

Pour conclure

En France, nous sommes en retard sur l'IA générative, comme nous l'avons été sur internet et le cloud, et une partie des causes échappe aux entreprises. Ce qu'elles peuvent faire passe par leur organisation : identifier des cas d'usage, former les équipes, structurer données et processus, poser un cadre, choisir de bons indicateurs.

Il n'existe pas de méthode d'organisation prête à l'emploi pour l'IA. Il faut expérimenter dès maintenant, avec des moyens ambitieux, et s'appuyer sur les retours d'expérience d'autres organisations. Il ne s'agit pas pour autant de tout miser sur l'IA, mais de privilégier une démarche organisée, qui vise un impact concret.

Les Américains ont écrit leur histoire. À nous d'écrire la nôtre... sans la traduire de l'anglais :)

Et concrètement, par où commencer ?

C'est notre métier chez aqoba. Nous ne concevons pas les modèles d'IA, mais nous savons faire évoluer les organisations, et c'est là que tout se joue.

Avec notre accompagnement Unlock AI, nous avançons en trois temps :

• Partir du réel. Nous cartographions votre flux de valeur, de l'idée à la mise en production, pour identifier les cas d'usage qui lèvent vos vrais blocages. Et nous faisons le point, sans jugement, sur le shadow AI déjà présent dans vos équipes.
• Embarquer le terrain. Nous fédérons une coalition de praticiens, avec l'architecture, la sécurité et la conformité, autour d'un socle minimal de gouvernance : quels outils, quelles données, quelles règles.
• Passer à l'échelle. Nous aidons vos équipes à industrialiser leurs pratiques et à piloter la performance sur toute la chaîne de valeur, plutôt qu'au volume produit. Sans sacrifier la résilience : vous gardez la main sur vos données et la liberté de changer de fournisseur.

Pas de méthode toute faite : une démarche qui s'adapte à votre organisation et s'enrichit des retours d'expérience des autres.

• Pour découvrir nos convictions, téléchargez notre Manifeste IA.
• Pour parler de votre situation, contactez-nous : un premier échange permet souvent d'y voir plus clair.