Productivité IA : les gains de temps sont-ils réels ?

Que mesurent vraiment les études sur la productivité IA ?

Les études sérieuses sur la productivité IA mesurent un gain réel mais étroit : l'IA fait gagner du temps sur des tâches répétitives et bien délimitées, et pratiquement rien sur les tâches complexes. Trois chiffres résument l'état des connaissances en octobre 2026.

• 2 heures par semaine en moins sur les e-mails : c'est l'effet mesuré sur les utilisateurs effectifs de Microsoft 365 Copilot dans l'expérience de terrain du NBER, menée sur 66 entreprises et 7 137 salariés.
• 46 % de temps en moins sur les tâches de code routinières : selon une analyse McKinsey portant sur 4 500 développeurs dans 150 entreprises. Mais moins de 10 % sur les tâches complexes.
• Aucun effet significatif sur les réunions : toujours selon le NBER, le temps passé en réunions Teams ne bouge pas, ni leur nombre.

Autrement dit, la bonne question n'est pas « l'IA fait-elle gagner du temps ? » mais « sur quelle tâche la productivité IA se manifeste-t-elle, et pour qui ? ». Un gain de deux heures hebdomadaires sur la boîte mail est tout sauf négligeable. Il ne se traduit pourtant pas mécaniquement en productivité pour l'entreprise, et c'est tout le sujet de cet article.

Mesuré, déclaré, estimé : trois niveaux de preuve

Avant d'aligner des pourcentages sur la productivité IA, il faut savoir d'où ils viennent. Une enquête où l'on demande aux gens combien de temps ils croient avoir gagné ne produit pas la même qualité de preuve qu'une expérience avec groupe témoin. Dans la suite de cet article, chaque chiffre est accompagné de sa méthode.

Productivité IA : l'écart entre le temps perçu et le temps mesuré

L'écart entre le gain ressenti et le gain mesuré atteint 39 points dans la seule expérience randomisée publiée sur le sujet. En juillet 2025, le laboratoire d'évaluation METR a confié à 16 développeurs open source expérimentés 246 tâches réelles, tirées de dépôts qu'ils maintenaient depuis cinq ans en moyenne. Chaque tâche était tirée au sort : avec ou sans outil d'IA, en l'occurrence Cursor Pro associé à Claude 3.5 et 3.7 Sonnet.

Les résultats méritent d'être lus dans l'ordre :

• Avant l'expérience : les développeurs anticipaient un gain de 24 % de temps.
• Après l'expérience : ils estimaient avoir été 20 % plus rapides.
• En réalité : ils ont été 19 % plus lents, avec un intervalle de confiance de +2 % à +39 %, donc statistiquement significatif.

Ce résultat, devenu la référence des sceptiques de la productivité IA, a été abondamment cité, parfois de travers. Il ne dit pas que l'IA ralentit tout le monde : il dit que, sur du code complexe, dans une base que l'on connaît par cœur, le temps passé à relire et corriger les suggestions dépasse le temps gagné à les produire. Et il dit surtout que notre perception du gain n'est pas fiable.

METR a relancé une expérience en août 2025, publiée en février 2026, avec 57 développeurs, 143 dépôts et plus de 800 tâches. Résultat : 18 % plus rapides pour les développeurs déjà présents dans la première étude, 4 % pour les nouveaux. Mais les intervalles de confiance incluent zéro, donc aucun des deux chiffres n'est significatif. Le laboratoire a lui-même signalé une faille majeure : entre 30 et 50 % des participants ont refusé de soumettre certaines tâches qu'ils ne voulaient pas réaliser sans IA, ce qui a retiré de l'échantillon les cas où l'IA aide le plus. Conclusion honnête de METR : ces données ne permettent pas de trancher.

Comprendre l'IA · Octobre 2026

Où l'IA fait gagner du temps, et où elle n'en fait pas gagner

• 19 % plus lents avec l'IA, essai randomisé METR, juillet 2025
• 2 h gagnées par semaine sur les e-mails, NBER, 7 137 salariés
• 70 % des dirigeants européens voient un gain, Ipsos bva, mars 2026
• 9 % des actifs français utilisent l'IA chaque jour au travail

Le gain existe, mais il se concentre sur quelques tâches

Réduction du temps passé, en pourcentage, par type de tâche. Sources : Opsera 2026, McKinsey, NBER WP 33795 (2025).

• Délai jusqu'à la pull request -58 %
• Tâches de code routinières -46 %
• E-mails, utilisateurs effectifs -17 %
• E-mails, tous salariés équipés -12 %
• Tâches de code complexes -10 %
• Temps passé en réunions 0 %

À retenir : seule la ligne mise en avant provient d'une expérience de terrain avec groupe témoin, les autres reposent sur des comparaisons d'activité ou sur des données d'éditeurs. Avant d'acheter des licences, décidez quelle tâche précise vous voulez raccourcir et comment vous la chronométrerez.

Télécharger l'infographie (PNG)

La seule expérience de terrain avec groupe témoin sur la productivité IA

La référence la plus solide sur la productivité apportée par l'IA au bureau reste le document de travail NBER n° 33795, « Shifting Work Patterns with Generative AI », signé Dillon, Jaffe, Immorlica et Stanton, publié en mai 2025 et révisé en novembre 2025.

Le dispositif est rare par son ampleur : 66 entreprises, 7 137 salariés, dont 3 684 ont reçu une licence Microsoft 365 Copilot tirée au sort. L'observation court de septembre 2023 à octobre 2024, avec des résultats principaux mesurés aux mois 4 à 6, soit après la phase de découverte.

Deux lectures de ce tableau cohabitent, et toutes deux sont justes. Côté verre à moitié plein : deux heures par semaine récupérées sur la messagerie et deux heures de plages de concentration gagnées, cela change une semaine de travail. Côté verre à moitié vide : le gain ne touche ni les réunions ni la production de documents, les deux postes que les directions espéraient voir fondre.

Pourquoi la productivité IA se concentre sur les tâches routinières

La productivité IA se concentre sur les tâches routinières parce que ce sont les seules où la vérification coûte moins cher que la production. Sur une tâche complexe, relire une proposition de l'IA, comprendre ses choix et corriger ses erreurs peut prendre plus longtemps que de faire soi-même.

L'écart mesuré par McKinsey sur 4 500 développeurs est spectaculaire : 46 % de temps en moins sur les tâches routinières, contre moins de 10 % sur les tâches complexes. Un rapport de un à cinq, pour les mêmes personnes et les mêmes outils.

Deux effets de bord documentés expliquent pourquoi le gain apparent fond en route :

• Le travail se déplace vers la revue : selon le benchmark 2026 d'Opsera, qui porte sur plus de 250 000 développeurs, le temps jusqu'à la pull request chute jusqu'à 58 %, mais les propositions assistées par IA attendent 4,6 fois plus longtemps en revue. Opsera étant un éditeur d'outils pour équipes de développement, ces chiffres relèvent d'un test maison, non vérifié par un tiers indépendant.
• La dette s'accumule : l'analyse GitClear de 211 millions de lignes de code montre que la part de code réécrit ou supprimé dans les deux semaines est passée de 3,1 % à 5,7 %. Du travail produit plus vite, puis jeté plus souvent.

Ce constat de productivité IA en demi-teinte vaut au-delà du code. C'est la même logique qui explique pourquoi le vibe coding impressionne sur un prototype et déçoit sur une application que l'on doit maintenir trois ans.

Productivité IA en France : 40 % de TPE-PME équipées, 9 % d'usage quotidien

En France, l'équipement progresse vite mais l'usage reste superficiel, ce qui plafonne mécaniquement la productivité IA. Le baromètre France Num publié le 28 septembre 2026 par la Direction générale des entreprises, réalisé par le Crédoc auprès de plus de 9 000 TPE-PME, donne la photographie la plus récente.

• 40 % des TPE-PME : utilisent au moins une solution d'IA, contre 26 % en 2025, soit 14 points de plus en un an.
• 53 % chez les PME, 30 % chez les micro-entreprises : l'écart de taille reste marqué.
• 19 % seulement paient un outil : la proportion monte à 32 % chez les PME. L'essentiel de l'usage se fait donc sur les versions gratuites de ChatGPT, Gemini, Copilot ou du Chat de Mistral.
• 68 % des utilisateurs déclarent un impact positif : et 85 % chez ceux qui paient leur outil.

Ce dernier écart de 17 points entre utilisateurs gratuits et payants est le chiffre le plus actionnable de toute l'étude. Il ne prouve pas la causalité, mais il recoupe un constat de terrain : les versions gratuites limitent la longueur des échanges, la qualité des modèles et l'accès aux fonctions de recherche. Si vous hésitez encore, notre comparatif ChatGPT gratuit contre payant détaille ce que l'abonnement change concrètement.

Côté usages, l'étude Ipsos bva réalisée pour Google et publiée le 24 mars 2026, menée auprès de 23 216 adultes dans 30 pays et de 2 348 dirigeants européens, met le doigt sur le point faible français : 35 % des actifs utilisent l'IA au moins une fois par semaine au travail, mais seulement 9 % quotidiennement. Et 21 % des salariés ont reçu une formation professionnelle à l'IA.

Le chiffre qui suit explique probablement les deux précédents : 68 % des salariés formés utilisent l'IA au moins une fois par semaine, contre 26 % des non-formés. Soit un usage 2,6 fois plus fréquent. Chez Digital-m, nous constatons exactement la même bascule lors de nos formations certifiées Qualiopi : ce n'est presque jamais l'outil qui bloque, c'est l'absence de cas d'usage identifié dans le métier de la personne.

Du temps gagné à la productivité IA : le maillon qui casse

Le temps gagné individuellement ne devient de la productivité d'entreprise que s'il est réinvesti dans une activité qui produit de la valeur. C'est là que la chaîne casse le plus souvent, et plusieurs études le documentent.

• 95 % des pilotes sans impact mesurable : selon le rapport MIT NANDA de 2025, la quasi-totalité des projets pilotes d'IA générative n'ont pas produit d'effet mesurable sur le compte de résultat. La méthodologie de ce travail a été contestée, mais l'ordre de grandeur a été largement repris.
• 42 % d'abandons : la part d'entreprises abandonnant la plupart de leurs initiatives IA est passée de 17 % à 42 % en un an selon S&P Global, et environ 46 % des preuves de concept ne vont pas plus loin.
• 1,3 % de gain macroéconomique : la Réserve fédérale de Saint-Louis estime le gain de productivité à l'échelle de l'économie américaine à 1,3 % au maximum depuis l'arrivée de ChatGPT, avec une moyenne de 2,2 heures gagnées par semaine chez les utilisateurs.

Notez le contraste avec les 70 % de dirigeants convaincus d'un gain de productivité IA et les 67 % qui annoncent plus de trois heures gagnées par semaine et par salarié. Ces déclarations ne sont pas mensongères : elles mesurent une impression, pas un résultat comptable. Le même biais que celui mis en évidence par METR, transposé à l'échelle d'un comité de direction.

Cette distinction sur la productivité IA compte aussi pour qui déploie des agents IA autonomes : aucune des grandes études citées ici ne distingue l'IA agentique de la simple assistance par conversation. Les chiffres disponibles portent donc surtout sur le second cas, et presque toujours sur un seul outil à la fois : Copilot pour le NBER, Cursor associé à Claude pour METR. Aucune ne compare Gemini, Le Chat de Mistral, Grok ou Perplexity entre eux sur une même tâche.

Comment mesurer la productivité IA réelle dans votre entreprise

Mesurer la productivité IA réelle demande de chronométrer une tâche précise avant et après, pas de demander à vos équipes si elles se sentent plus efficaces. Voici une méthode en cinq étapes, applicable dans une TPE comme dans une PME.

• 1. Choisissez une tâche répétitive et chronométrable : rédaction de devis, réponses aux demandes entrantes, comptes rendus, fiches produit. Le choix de l'outil, ChatGPT, Gemini, Le Chat, Claude ou Perplexity, vient après celui de la tâche, jamais l'inverse. Évitez d'emblée les tâches de conception.
• 2. Établissez une base de référence : mesurez pendant deux semaines le temps passé et la qualité du résultat, sans IA. Sans ce point de départ, aucun calcul n'est possible.
• 3. Équipez la moitié de l'équipe seulement : c'est la logique du groupe témoin. Si l'équipe est trop petite, alternez semaine avec et semaine sans.
• 4. Mesurez aussi la reprise : comptez le temps de relecture et de correction. C'est précisément ce poste que les 19 % de METR rendaient invisible.
• 5. Décidez ce que devient le temps libéré : sans réaffectation, la productivité IA mesurée reste nulle. Prospection, suivi client, formation : il faut une destination explicite.

Un dernier paramètre à intégrer dans votre calcul : le coût. Les tarifs des modèles ont cessé de baisser en 2026, comme nous l'avons détaillé dans notre analyse des prix des LLM. Un calcul de retour sur investissement fondé sur les tarifs d'il y a un an est aujourd'hui caduc.

Ce qu'il faut retenir

Les gains de productivité IA sont réels, mais plus étroits et plus conditionnels que le discours ambiant ne le laisse croire. Deux heures par semaine récupérées sur la messagerie dans la seule expérience de terrain avec groupe témoin, 46 % de temps en moins sur les tâches routinières de code contre moins de 10 % sur les tâches complexes, et aucun effet mesurable sur les réunions.

Le piège principal est le biais de perception : 16 développeurs se croyaient 20 % plus rapides alors qu'ils étaient 19 % plus lents. Ce biais existe aussi au niveau des directions, où 70 % des dirigeants européens déclarent un gain que seuls 21 % des entreprises du S&P 500 parviennent à documenter financièrement.

En France, 40 % des TPE-PME sont équipées, mais 9 % seulement des actifs utilisent l'IA chaque jour au travail, et les salariés formés l'utilisent 2,6 fois plus souvent que les autres. La formation reste donc le levier de productivité IA le mieux documenté, bien avant le choix de l'outil. Vous voulez savoir sur quelles tâches votre entreprise gagnerait vraiment du temps, chiffres à l'appui ? Parlons-en, ou montez en compétence avec notre formation IA et GEO certifiée Qualiopi.