Adoption inégale, cadre flou, compétences attendues : l’impact de l’IA dans le commerce et le marketing

Au-delà du gadget : comment structurer l’usage de l’IA dans le quotidien des équipes marketing

Selon une étude du MIT Sloan, 95 % des projets d'intelligence artificielle en entreprise n'atteignent jamais la phase de déploiement réel et restent bloqués au stade du pilote. Dans le marketing digital, ce constat est particulièrement frappant : les équipes adoptent massivement les outils, génèrent des visuels avec Midjourney, rédigent des briefs avec ChatGPT, automatisent des rapports avec Copilot, mais peinent à transformer ces usages épars en pratiques structurées et pérennes. L'article publié sur FW.MEDIA pointe que l'obstacle n'est pas d'ordre technologique, les outils sont disponibles, souvent gratuits, et accessibles sans compétences techniques particulières. Le vrai frein est organisationnel. Sans cadre clair, chaque collaborateur expérimente dans son coin, ce qui crée des inégalités de compétences au sein des équipes, des doublons de travail et une absence totale de capitalisation sur les résultats. Pour les directeurs marketing, cela signifie des gains de productivité impossibles à mesurer et des investissements en formation qui ne se traduisent pas en valeur business tangible. Ce phénomène s'inscrit dans une vague plus large d'enthousiasme non structuré autour de l'IA générative depuis 2023. Les grandes agences comme Publicis ou WPP ont commencé à intégrer des rôles dédiés à l'IA dans leurs organigrammes, mais la majorité des équipes marketing des PME naviguent encore sans gouvernance ni stratégie définie. La prochaine étape pour les organisations sera de passer de l'expérimentation individuelle à des workflows IA documentés, partagés et mesurables.

L'impact de l'IA sur l'emploi et les centres de données dans l'espace

L'intelligence artificielle continue de redistribuer les cartes de l'économie mondiale, et les économistes qui minimisaient jusqu'ici ses effets sur l'emploi commencent à revoir leur position. Alex Imas, chercheur à l'Université de Chicago, avance qu'un seul indicateur pourrait réellement éclairer l'ampleur de la transformation à venir : l'élasticité-prix du travail face à l'automatisation. Il plaide pour ce qu'il appelle un "Projet Manhattan" de la collecte de données, afin de mesurer dans quelle mesure les entreprises substitueront effectivement des travailleurs humains à des systèmes d'IA selon l'évolution des coûts. Sans cette donnée, toute politique publique visant à amortir le choc risque de viser à l'aveugle. En parallèle, un rapport explosif du New Yorker révèle que Sam Altman aurait discrètement lobbié contre des réglementations sur l'IA qu'il soutenait publiquement, alimentant la méfiance d'une partie des cadres d'OpenAI envers leur propre PDG. La société fait également face à des doutes sur sa capacité à entrer en Bourse cette année, selon The Information. Ces bouleversements interviennent alors que l'industrie technologique explore des solutions infrastructurelles radicales pour soutenir la croissance de l'IA sans aggraver la crise environnementale terrestre. En janvier 2026, SpaceX d'Elon Musk a déposé une demande pour lancer jusqu'à un million de centres de données en orbite autour de la Terre. L'objectif affiché est de libérer pleinement le potentiel de l'IA tout en délocalisant hors de notre planète la consommation énergétique et thermique colossale que ces infrastructures impliquent. SpaceX n'est pas seule sur ce créneau : plusieurs autres entreprises technologiques explorent des solutions similaires d'informatique orbitale, même si les défis techniques restent considérables. Ce double mouvement, vers une IA plus puissante et vers une infrastructure toujours plus ambitieuse, se déploie dans un contexte géopolitique tendu. L'administration Trump a proposé des coupes massives dans le financement des agences scientifiques américaines, ce qui pourrait provoquer une fuite des cerveaux hors des États-Unis selon le New York Times. Pendant ce temps, OpenAI, Anthropic et Google ont formé une alliance inhabituelle pour contrer ce que Bloomberg décrit comme de la "distillation adversariale" par des acteurs chinois, c'est-à-dire l'extraction des capacités de leurs modèles par imitation. DeepSeek, de son côté, préparerait un nouveau modèle optimisé pour fonctionner sur des puces Huawei, attendu dans les prochaines semaines. Ces dynamiques dessinent un paysage où la course à l'IA se joue désormais autant sur le terrain économique et réglementaire que sur celui de la recherche pure.

« Utiliser ChatGPT, ce n’est pas faire de l’IA » : l’état des lieux de l’adoption en France (et il y a du boulot)

En France, l'adoption de l'intelligence artificielle dans les entreprises reste largement superficielle, selon Tristan Duranté, cofondateur de Studeria, un cabinet de conseil spécialisé en IA générative. Interrogé par Presse-citron, il dresse un constat sévère : la grande majorité des salariés qui déclarent « utiliser l'IA » se limitent à des outils grand public comme ChatGPT pour des tâches ponctuelles, sans intégration réelle dans les processus métiers. Ce comportement crée par ailleurs des risques de sécurité concrets, notamment lorsque des données sensibles sont copiées-collées dans des interfaces non sécurisées. Ce fossé entre la hype médiatique et la réalité opérationnelle a des conséquences directes sur la compétitivité des organisations françaises. Les entreprises qui se croient « avancées » parce que leurs équipes utilisent ChatGPT passent à côté de l'essentiel : l'automatisation de workflows, l'intégration aux systèmes internes, et la création de valeur mesurable. Pour Duranté, confondre l'usage d'un chatbot avec une transformation IA, c'est se bercer d'illusions tout en laissant le terrain aux concurrents qui, eux, structurent de véritables déploiements. Ce décalage s'explique par un manque de culture technique au sein des directions, mais aussi par l'absence de cadres clairs pour distinguer expérimentation et déploiement industriel. La France n'est pas seule dans cette situation, mais le retard est préoccupant à l'échelle européenne. Des cabinets comme Studeria tentent de combler ce vide en accompagnant les entreprises au-delà du stade de la démonstration, vers des usages réellement opérationnels et sécurisés.

💬 C'est la distinction que j'essaie d'expliquer toutes les semaines : utiliser ChatGPT, c'est pas faire de l'IA. Les directions qui se croient en avance parce que leurs équipes ont un compte Pro, sans intégration dans les processus ni la moindre sécurisation (les données sensibles copiées-collées dans des interfaces tierces, c'est un classique), elles se font doubler. Pendant ce temps, les boîtes qui ont structuré de vrais déploiements n'en parlent pas, elles avancent.

L’IA dans les PME : une révolution technosociale en marche, au-delà de la productivité

Selon une étude menée par Sharp Europe, l'intelligence artificielle s'est imposée comme un impératif stratégique pour les petites et moyennes entreprises françaises. Les chiffres parlent d'eux-mêmes : 51 % des dirigeants de PME citent l'incertitude économique comme pression principale, 56 % pointent la hausse des coûts liés au personnel, et 46 % déclarent adopter l'IA pour rester compétitifs face à leurs concurrents. Olivier Massonnat, CEO de Sharp DX pour la France, l'Italie et l'Espagne, résume le tournant en cours : l'IA ne sert plus seulement à automatiser des tâches répétitives en back-office, elle devient un levier de refonte du modèle économique tout entier. La confiance des dirigeants dans ces technologies a d'ailleurs bondi, avec 79 % qui lui accordent plus de crédit qu'il y a un an. L'enjeu dépasse la simple productivité. Pour les PME qui parviennent à franchir le cap, l'IA ouvre des perspectives de croissance et de compétitivité que les outils d'optimisation classiques ne permettaient pas d'atteindre. Mais l'étude révèle un obstacle inattendu : la dimension psychologique et culturelle freine l'adoption autant que le manque de moyens techniques. Parmi les collaborateurs, 37 % craignent d'être perçus comme paresseux s'ils utilisent l'IA, et 31 % redoutent l'étiquette de tricheur. Cette résistance interne ralentit l'appropriation réelle des outils, même lorsque les dirigeants sont convaincus de leur valeur. La maîtrise de l'IA doit désormais être traitée comme une compétence à part entière, au même titre que la gestion de projet ou la relation client. Ce changement de paradigme s'inscrit dans un contexte de pression concurrentielle accrue et de transformation numérique inégale. Les PME qui ont déjà adopté le cloud disposent d'une longueur d'avance significative, creusant l'écart avec celles qui n'ont pas encore entamé leur transition. Massonnat parle d'une "bifurcation" imminente : les organisations qui tardent à agir voient le coût de l'inaction dépasser celui de l'investissement. Face à cela, Sharp préconise une approche descendante, où le dirigeant pose un cadre clair de gouvernance, sécurise les données, forme ses équipes et définit des politiques d'usage avant de déployer les outils. L'enjeu n'est plus technologique mais organisationnel et humain : transformer une culture d'entreprise pour qu'elle intègre l'IA non comme une menace, mais comme un avantage compétitif durable.