L'Insee a demandé aux entreprises qui n'utilisent pas l'intelligence artificielle ce qui les en empêche. Parmi elles, les difficultés liées aux données sont citées par un peu plus d'une petite entreprise sur quatre, et par près d'une grande sur deux. Cet article explique ce que mesure ce chiffre, ce qu'il ne mesure pas, et pourquoi il concerne d'abord les petites.
Quand l'Insee demande aux entreprises qui n'utilisent pas l'intelligence artificielle ce qui les en empêche, il leur propose huit raisons. Le tableau qui en sort, publié le 21 juillet 2026 dans son enquête annuelle sur le numérique dans les entreprises, se lit d'habitude par le haut.
En tête, 71 % de ces entreprises répondent qu'elles ne voient pas d'utilité à l'IA. Viennent ensuite le manque d'expertise, cité par 54 %, puis une série de freins autour de 38 %.
Presque en bas du tableau, une ligne attire moins l'attention : « Difficultés liées aux données nécessaires ». Elle est citée par 29 % de ces entreprises. Mais la moyenne cache un écart.
On s'attendrait à ce que les petites entreprises, moins outillées, soient les plus gênées par leurs données. C'est l'inverse. Parmi les entreprises qui n'utilisent pas l'IA, 28 % de celles de 10 à 49 salariés citent leurs données comme un frein, 32 % de celles de 50 à 249, et 49 % de celles de 250 salariés ou plus. Plus l'entreprise est grande, plus elle voit ses données comme un obstacle.
L'enquête compte ce qui est organisé, pas ce qui est bricolé
Avant d'interpréter, il faut savoir ce que l'Insee a mesuré. L'enquête interroge un échantillon de 11 000 entreprises de 10 salariés ou plus, dans les secteurs marchands hors agriculture, finance et assurance. Les réponses décrivent leur situation au premier trimestre 2025.
Surtout, elle compte l'usage organisé de l'IA dans les services de l'entreprise. Le salarié qui pose de temps en temps une question à un agent conversationnel n'est en principe pas compté. Les 18 % d'entreprises que l'Insee compte comme utilisatrices en 2025 sont donc celles qui ont fait entrer l'IA dans leur fonctionnement, pas celles où quelqu'un l'essaie de temps en temps.
Un piège de lecture, au passage : certains graphiques de la publication sont exprimés en part des salariés, pas en part des entreprises. Les chiffres cités ici viennent tous des tableaux exprimés en part d'entreprises.
L'usage de l'IA grandit avec la taille, et le frein des données aussi
En 2025, 15 % des entreprises de 10 à 49 salariés utilisent au moins une technologie d'IA, 31 % de celles de 50 à 249, et 58 % de celles de 250 ou plus. Les grandes entreprises sont donc beaucoup plus souvent passées à l'usage.
C'est peut-être là que se trouve l'explication : on rencontre ses données en essayant. Un outil qui doit répondre à partir des documents de l'entreprise pose immédiatement des questions que personne ne se posait : où sont-ils, lesquels sont à jour, une machine peut-elle seulement les lire. Un indice va dans ce sens : dans l'essai britannique sur vingt mille licences Copilot, plus de la moitié des participants n'ont jamais utilisé la fonction qui interroge l'ensemble des documents.
Ne pas voir un obstacle ne veut pas dire qu'il n'existe pas
Il faut le dire clairement : ce qui précède est une lecture, pas un résultat. L'enquête mesure ce que les entreprises déclarent. Elle ne dit pas pourquoi les grandes citent davantage leurs données.
Notre hypothèse est la suivante. Une petite entreprise qui n'a jamais demandé à une machine de lire ses documents n'a aucune raison de savoir s'ils sont lisibles, datés, sans doublons contradictoires. Le frein n'apparaît pas dans ses réponses parce qu'elle ne l'a pas encore rencontré. D'autres explications sont possibles : les grandes entreprises ont plus de systèmes, plus de volume, et des équipes qui savent nommer le problème.
Ce qui est certain, c'est que l'absence d'un frein dans les réponses ne prouve pas l'absence du problème. Et confier tous ses fichiers à un outil ne règle pas ce problème, comme nous l'avons expliqué à propos des modèles qui lisent de très longs textes.
L'enquête ne permet pas de trancher
Nous ne savons pas dans quel état sont les documents des petites entreprises qui ne citent pas ce frein. L'enquête de l'Insee ne le mesure pas. Nous ne savons pas non plus si l'écart par taille tient à l'expérience de l'IA, au volume de données ou à autre chose. Rien dans l'enquête ne permet de choisir, et ses chiffres décrivent le début de l'année 2025.
Rencontrer ses documents avant d'en avoir besoin
Une entreprise qui ne voit pas d'utilité à l'IA n'a pas tort de ne pas en acheter. Ce n'est pas le sujet de MIKURA. Le sujet, c'est que le jour où elle en voit une, elle rencontre ses documents en même temps que l'outil, et c'est le mauvais moment.
MIKURA inverse l'ordre. Chaque document déposé est lu, identifié, classé et tracé. Ce qui est douteux part en bannette, où un humain décide. Le fonds devient interrogeable en langage naturel, avec les droits de chacun et des réponses citées. Le tri fabrique le contexte, l'assistant le consomme.
Ce classement a une valeur avant toute IA : on sait où se trouve un contrat, et ce qui était douteux a été tranché par quelqu'un au lieu d'être deviné. C'est ce qui rend le travail utile aux 71 % qui ne voient pas d'intérêt à l'IA aujourd'hui.
Et le jour où l'assistant sert, le travail sur les documents a commencé depuis longtemps, pièce par pièce, au fil des dépôts. Pour une petite entreprise, tout l'intérêt est là : ce travail commence avant que le frein des données apparaisse, et non après.
Une seule question à se poser : si un outil devait répondre demain à partir de vos documents, lesquels lirait-il en premier, et le sauriez-vous vous-même ? Si la réponse n'est pas immédiate, la ligne « difficultés liées aux données nécessaires » vous concerne peut-être déjà, sans que vous l'ayez jamais cochée.
Sources
- Insee, Clément Lefebvre, « Les technologies de l'information et de la communication dans les entreprises en 2025 », Insee Première n° 2120, 21 juillet 2026, figures 1 et 4, encadrés « Sources » et « Méthodes ». Situation observée au premier trimestre 2025. Consulté le 25 septembre 2026.