Deux pour cent.
C'est la part des salariés dont l'activité observée montre une IA réellement intégrée à la manière dont le travail se fait — pas essayée, pas utilisée de temps à autre, mais inscrite dans le flux du poste. Le chiffre vient du Productivity Lab d'ActivTrak, qui a classé l'adoption de l'IA chez 120 620 salariés d'après ce que ces salariés faisaient réellement, et non d'après leurs licences ou leurs réponses à une enquête. Vingt-sept pour cent ont atteint l'assistance à la recherche. Quatorze pour cent l'exécution de tâches. Deux pour cent l'intégration au flux de travail (ActivTrak Productivity Lab, 2026).
Votre tableau de bord d'adoption de l'IA affiche presque certainement un chiffre bien plus élevé. Il ne ment pas. Il répond à une autre question — celle que vous ne remarquez plus poser.
Deux mesures, une semaine, deux réalités
Le calendrier est révélateur. La même semaine, Gallup rapportait une hausse de six points de l'adoption organisationnelle de l'IA (Gallup, 2026) et ActivTrak publiait le chiffre de 2 % d'intégration au flux de travail (ActivTrak Productivity Lab, 2026).
Les deux sont crédibles. Ils ne s'opposent pas, parce qu'ils ne mesurent pas la même chose. Gallup demande aux personnes et aux organisations ce qu'elles font. ActivTrak observe quels outils sont réellement ouverts, dans quel ordre, à quelle fréquence, sur quelle portion de journée. Le déclaratif capte l'intention, la conscience et l'accès. La télémétrie comportementale capte l'habitude.
Je tiens à être précise ici, car il s'agit d'une comparaison entre méthodes différentes et non d'une étude en face à face ; y voir une contradiction serait négligent. Échantillons différents, instruments différents, définitions différentes du mot « adoption ». Le point n'est pas qu'un jeu de données réfute l'autre. Le point est que la plupart des équipes opérationnelles remontent le premier type de chiffre à un conseil qui finance le second type de résultat.
C'est dans cet écart que les budgets IA meurent en silence. L'accès monte en charge vite. La refonte du travail, non. Et tout tableau de bord bâti sur les postes, les connexions et les utilisateurs actifs mensuels montrera la première courbe et restera muet sur la seconde.
Ce que les trois stades distinguent réellement
Le modèle par stades compte plus que le pourcentage d'accroche, parce qu'il donne au responsable des opérations quelque chose à instrumenter.
Stade 1 — Assistance à la recherche (27 %). Le salarié pose des questions au modèle. Rédaction, synthèse, recherche d'informations. Le poste est inchangé ; une étape de consultation est devenue plus rapide.
Stade 2 — Exécution de tâches (14 %). Le modèle réalise une unité de travail distincte : il écrit la première version, extrait les champs, produit l'analyse. La tâche est désormais partagée. Le flux de travail autour reste intact.
Stade 3 — Intégration au flux de travail (2 %). L'IA est une étape porteuse dans un processus qui a été réordonné autour d'elle. Les transmissions ont bougé. Les validations ont bougé. Le travail n'est pas l'ancien travail fait plus vite ; il a une autre forme.
Seul le stade 3 change la structure de coûts
C'est là le nœud opérationnel. Les stades 1 et 2 produisent des gains de temps éclatés entre individus — vingt minutes ici, un après-midi là. Réels, mais non capitalisables. Rien ne bouge dans le compte de résultat parce que rien n'a bougé dans le processus ; les minutes gagnées sont réabsorbées par la file d'attente qui les a produites.
Le stade 3 est celui où réagissent le temps de cycle, les plans d'effectifs et l'économie unitaire, parce que le processus lui-même a été reconstruit. C'est le stade sur lequel votre business case a été écrit. C'est aussi le stade atteint par deux pour cent des salariés.
Le mécanisme derrière cet écart est bien documenté. L'étude Deloitte auprès de 3 235 dirigeants montre une réponse à l'IA fortement orientée vers l'apprentissage des outils plutôt que vers la restructuration du travail : 53 % forment les équipes pour élever la maîtrise de l'IA, tandis que seulement 30 % repensent l'organisation autour des nouveaux schémas d'IA et 33 % redessinent les parcours de carrière (Deloitte, 2026). Tout le monde forme. Presque personne ne refond. Puis tout le monde mesure les formations achevées et appelle cela de l'adoption.
Pourquoi le nombre de licences passe encore pour de l'adoption de l'IA
Les métriques de connexion survivent pour des raisons structurelles, pas stupides.
Elles sont gratuites — la plateforme de licences les produit sans aucun travail d'instrumentation. Elles bougent tôt, ce qui les rend satisfaisantes lors des deux premiers trimestres d'un déploiement. Elles sont sans ambiguïté, donc personne ne discute en comité de pilotage. Et elles montent de façon monotone, ce qu'un sponsor sous pression attend précisément d'une diapositive.
Les métriques de travail transformé n'ont aucune de ces propriétés. Elles exigent que quelqu'un définisse le flux de travail, en établisse la référence, puis admette qu'il n'a pas bougé. Elles sont contestables. Elles peuvent rester plates deux trimestres pendant qu'on se dispute sur la refonte. Les remonter est un acte politique, ce que remonter des licences n'est pas.
L'incitation est donc nette et orientée dans le mauvais sens : le chiffre le plus facile à produire est celui qui est le moins lié au résultat promis. Ce n'est pas un échec de mesure. C'est un échec de gouvernance déguisé en mesure.
Il existe un coût de second ordre qu'on nomme rarement. Une fois que le nombre de licences s'installe comme définition de l'adoption de l'IA, il se met à orienter les comportements. Le budget va vers ce qui le fait monter — plus de licences, déploiement plus large, un service de plus embarqué — parce que c'est le chiffre sous pilotage. La refonte du flux de travail, celle qui ferait réellement bouger le business case, doit disputer son financement à une métrique structurellement incapable de la récompenser. Les équipes ne choisissent pas la distribution plutôt que la refonte sur le fond. Elles la choisissent parce que la distribution est ce que le tableau de bord rémunère.
La lecture honnête des deux pour cent
Trois réserves, sinon le chiffre sera mal utilisé.
Ce n'est pas une preuve que l'IA ne fonctionne pas. C'est une preuve sur la diffusion, pas sur l'efficacité. Un taux d'intégration de 2 % dit que la pratique est rare, pas qu'elle est improductive. Les organisations situées dans ces 2 % sont la population intéressante, et rien dans ces données ne suggère qu'elles perdent leur temps.
La trajectoire est réelle. La cohorte du stade 3 est passée de 1 739 salariés au T1 2026 à 2 369 au T2 — une hausse trimestrielle de 36 % (ActivTrak Productivity Lab, 2026). Petite base, pente forte. C'est un comportement de diffusion précoce, pas une stagnation.
La télémétrie comportementale a ses angles morts. Elle voit l'activité sur les outils, pas le jugement. Un salarié qui utilise l'IA une fois pour refondre un processus, puis exécute le processus amélioré sans plus toucher un modèle, fait exactement ce que le stade 3 est censé décrire — et ne sera pas nécessairement enregistré comme tel. Les données de comportement observé sont un meilleur proxy que le déclaratif. Elles restent un proxy.
Ce qui survit aux trois réserves, c'est l'asymétrie entre les deux courbes. L'accès est distribué à un rythme que le comportement est loin d'égaler, et une seule de ces deux choses figure dans les rapports remontés à la direction.
S'arrêter au stade 2 a aussi sa facture
Il y a une raison de plus de ne pas traiter le stade 2 comme un point d'arrivée confortable, et elle vient du même instrument.
La comparaison comportementale d'ActivTrak sur environ 10 584 salariés, mesurés 180 jours avant et après l'adoption de l'IA, relève une activité e-mail en hausse de 104 %, le chat de 145 %, l'usage des outils métier de 94 %, les heures productives de 5 % — et des sessions de concentration ininterrompue en baisse de 9 %, de 14 minutes 23 secondes à environ 13 minutes (ActivTrak, 2026).
Lisez cela comme un énoncé opérationnel. Le travail est devenu plus rapide et plus dense. Il est aussi devenu plus fragmenté, et la fragmentation frappe précisément la capacité de concentration profonde qu'exige la refonte des processus. Le stade 2 sans le stade 3 vous achète plus de transactions par heure et moins de plages ininterrompues où quelqu'un pourrait se demander pourquoi ce processus comporte autant de transactions.
Pendant ce temps, la courbe de déploiement continue de grimper. Le Work Trend Index 2026 de Microsoft fait état d'agents actifs en croissance de 15x d'une année sur l'autre dans son écosystème, 18x dans les grandes entreprises, alors que seuls 26 % des utilisateurs d'IA déclarent une direction alignée sur la stratégie IA (Microsoft, 2026). La distribution devance la direction, et le tableau de bord mesure la distribution.
Reconstruire le tableau de bord autour du travail transformé
Quatre changements, du moins coûteux au plus coûteux.
Retirez le nombre de licences des indicateurs de tête. Gardez-le comme donnée de coût, à sa place — à côté de la dépense de licences, pas à côté des résultats. Dès qu'il apparaît sur une diapositive de résultats, il commence à en tenir lieu.
Nommez un seul flux de travail et classez-le honnêtement. Choisissez un processus unique avec un propriétaire réel. Classez-le : assistance à la recherche, exécution de tâches ou intégration au flux de travail. La plupart des équipes découvrent que leur récit IA phare est un stade 1 avec de bonnes anecdotes attachées. Cette découverte est le livrable.
Instrumentez des faits de processus, pas des faits d'activité. Temps de cycle de bout en bout, nombre de transmissions, taux de reprise, volume d'exceptions. Ce sont les grandeurs qui ne bougent que lorsque le flux bouge, et c'est précisément pourquoi elles sont plus difficiles à manipuler et valent plus que n'importe quel graphique d'usage.
Conditionnez l'extension des licences à une preuve de stade 3. Gelez la croissance des licences tant qu'un flux de travail nommé n'a pas démontré son passage à l'intégration. C'est le seul mécanisme de la liste qui ait des dents, parce qu'il rend la mesure conséquente plutôt que décorative.
Ajoutez un contrôle d'attention : suivez la durée des sessions de concentration ininterrompue avant et après chaque déploiement. Si l'adoption de l'IA fragmente la journée, vous voulez le voir dans le même rapport que les gains de débit, pas le découvrir un an plus tard.
Une décision pour ce trimestre
Prenez le flux de travail par lequel votre investissement IA est publiquement justifié. Classez-le selon le modèle à trois stades avec quelqu'un qui n'a aucun intérêt dans la réponse. Si c'est un stade 1 ou 2 — et au vu de ces données, c'est très probablement le cas — gelez l'extension des licences et consacrez le trimestre à faire passer ce seul flux au stade 3.
L'exercice coûte peu, prend environ une semaine, et produit le seul artefact qui manque à la plupart des programmes IA : une référence honnête. Tout ce qui vient ensuite — le business case, le plan d'extension, la discussion sur les effectifs — gagne en précision d'avoir un vrai chiffre en dessous.
La question à laquelle répond votre tableau de bord d'adoption de l'IA est combien de personnes peuvent utiliser l'IA. La question sur laquelle repose votre business case est quelle part du travail se fait désormais autrement. Une seule des deux est déjà apparue dans le compte de résultat, et ce n'est pas celle qui est sur la diapositive.
