actualités & événements
retour à toutes les nouvelles
Ce guide s'adresse aux dirigeants, DRH, DAF et DSI qui cherchent à comprendre où en est réellement l'intelligence artificielle en entreprise en 2026, au-delà du bruit médiatique : quels usages sont matures, quels signaux indiquent qu'il est temps d'agir, comment choisir une solution, et quel cadre réglementaire s'applique.
Vous y trouverez une définition claire du vocabulaire IA, un panorama des cas d'usage par grande fonction de l'entreprise, une grille de lecture pour évaluer votre propre maturité, les critères qui comptent vraiment pour choisir une solution, un point réglementaire à jour sur le RGPD et l'AI Act, ainsi que les erreurs les plus fréquentes observées sur le terrain.
Le principal facteur d'échec des projets IA n'est pas la technologie choisie, mais la qualité des données et la conduite du changement (Deloitte, Global Human Capital Trends, 2025).
L'intelligence artificielle en entreprise recouvre aujourd'hui des technologies très différentes, souvent confondues sous un même terme générique. Poser un vocabulaire commun est indispensable avant d'aller plus loin.
Il faut distinguer l'IA grand public, comme les assistants conversationnels utilisés individuellement par les collaborateurs, de l'IA métier intégrée nativement aux outils de gestion de l'entreprise : SIRH, ERP financier, CRM, outils de gestion des dépenses. Cette seconde catégorie est connectée aux données réelles de l'organisation, encadrée par une gouvernance définie et généralement soumise à une supervision humaine structurée.
Cette distinction explique en grande partie l'écart observé entre l'usage individuel de l'IA par les collaborateurs et son adoption officielle par les organisations, un phénomène que plusieurs études désignent sous le terme d'IA de l'ombre : des collaborateurs utilisent des outils d'IA grand public dans leur travail quotidien, sans que l'entreprise en ait officiellement validé l'usage ni encadré les risques associés, notamment sur la confidentialité des données.
L'adoption de l'IA a franchi un cap. Selon McKinsey (State of AI, 2025), 88 % des organisations utilisent désormais l'IA dans au moins une fonction métier, et 79 % ont adopté l'IA générative. Mais seuls 7 % environ l'ont déployée à l'échelle de toute l'entreprise. C'est cet écart entre adoption ponctuelle et déploiement à l'échelle qui définit l'enjeu stratégique des deux prochaines années.
Trois dynamiques expliquent cette accélération. La pression concurrentielle d'abord : les organisations qui industrialisent l'IA prennent une avance mesurable sur leurs concurrents en matière de productivité et de coût de traitement. La pression sur les compétences ensuite : dans un contexte de tension sur certains métiers, l'IA permet de redéployer le temps des équipes vers des tâches à plus forte valeur ajoutée. La pression réglementaire enfin, qui impose désormais un cadre de gouvernance strict, en particulier pour les usages à risque.
L'essor de l'IA agentique change également la nature du sujet. Ce ne sont plus seulement des outils d'assistance ponctuelle, mais des systèmes capables d'exécuter des tâches de bout en bout. Selon McKinsey, 62 % des organisations expérimentent déjà des agents IA, et environ 31 % en font tourner au moins un en production, la banque et l'assurance étant les secteurs les plus avancés.
Chiffres clés à retenir
|
Les usages de l'IA varient fortement d'une fonction à l'autre, en niveau de maturité comme en nature des gains obtenus. Voici un panorama synthétique par grande fonction.
Recrutement prédictif, chatbot collaborateur, formation personnalisée, gestion des talents et people analytics figurent parmi les usages les plus matures en RH. Pour un panorama détaillé avec exemples concrets : 6 cas d'usage concrets de l'IA dans les RH.
59 % des directeurs financiers utilisent déjà l'IA dans leur service en 2025, contre 37 % deux ans plus tôt (Daf-Mag, 2026). Les cas d'usage les plus avancés : rapprochement bancaire automatisé (85 % des écritures traitées sans intervention humaine, taux d'erreur ramené sous 0,3 %), extraction automatique de données de factures (92 à 98 % de précision), détection d'anomalies comptables et automatisation des comptes fournisseurs. L'automatisation des notes de frais et de la conformité T&E, déjà largement engagée chez les entreprises équipées d'outils comme SAP Concur, en est une extension naturelle.
Avant de choisir un outil, il est indispensable de savoir où se situe réellement votre organisation. Les cadres de référence du marché convergent généralement sur cinq stades de maturité.
| Stade | Ce qui le caractérise |
|---|---|
| Démarrage | Usages individuels et non encadrés (IA de l'ombre), aucune stratégie formalisée. |
| Expérimentation | Quelques pilotes lancés, périmètre limité, résultats non généralisés. |
| Formalisation | Cas d'usage priorisés, gouvernance des données en cours de structuration. |
| Industrialisation | Déploiement à l'échelle d'une ou plusieurs fonctions, ROI mesuré. |
| Transformation | L'IA est intégrée nativement aux processus et à la culture de décision. |
→ Évaluez votre maturité IA en 5 minutes avec notre questionnaire
Le marché des solutions IA est dense et évolue vite. Plutôt que de comparer des fonctionnalités qui changent chaque trimestre, il est plus utile de s'appuyer sur des critères transverses, stables dans le temps.
| Critère | Ce qu'il faut vérifier |
|---|---|
| Interopérabilité | La solution s'intègre-t-elle nativement à votre SI existant (SIRH, ERP, CRM) ? |
| Sécurité des données | Où sont hébergées les données ? Sont-elles utilisées pour entraîner des modèles tiers ? |
| Explicabilité | L'éditeur peut-il documenter comment une recommandation ou décision est produite ? |
| Conformité réglementaire | La solution est-elle positionnée par rapport au RGPD et à l'AI Act ? |
| Accompagnement au changement | L'éditeur ou l'intégrateur propose-t-il un plan de formation et d'adoption ? |
| ROI mesurable | Des indicateurs de succès sont-ils définis avant le déploiement ? |
Le RGPD encadre tout traitement de données personnelles, y compris lorsqu'il est réalisé par un système d'IA. Les obligations classiques s'appliquent intégralement : base légale du traitement, information des personnes concernées, durées de conservation définies, et réalisation d'une analyse d'impact (AIPD) pour les traitements à risque élevé.
L'AI Act européen est entré en vigueur le 1er août 2024, avec une application progressive de ses obligations. Les interdictions de certains usages et les obligations sur les modèles d'IA à usage général sont déjà applicables depuis 2025.
Le calendrier des systèmes à haut risque, qui concerne notamment l'IA utilisée en recrutement et en évaluation des collaborateurs, a été modifié par le règlement Digital Omnibus (UE 2026/1744), entré en vigueur le 27 juillet 2026. L'échéance initialement fixée au 2 août 2026 a été reportée au 2 décembre 2027. Ce report donne aux organisations un délai supplémentaire pour se mettre en conformité, mais ne dispense pas d'anticiper : les obligations de transparence (article 50), notamment l'information des utilisateurs interagissant avec un système d'IA conversationnel, restent d'application progressive sur la période.
Bon à savoir L'AI Act n'interdit pas l'usage de l'IA en entreprise. Il exige que les usages à risque soient documentés, explicables et supervisés par des humains. Le report de l'échéance à 2027 ne doit pas être interprété comme un relâchement de la vigilance : la mise en conformité prend du temps, et les organisations qui l'anticipent dès maintenant éviteront les refontes précipitées en fin de délai. |
Arago accompagne ses clients sur la valorisation de la data et l'intégration de l'IA au cœur de leurs systèmes RH et Finance, avec une chaîne de valeur complète : extraction native des données, orchestration des flux, valorisation par la Business Intelligence, adoption des nouveaux usages...
Cette approche part toujours du cadrage stratégique avant la construction technique. Avant tout projet technique, nos experts interviennent pour auditer la maturité data et IA de votre organisation : scorer la qualité et la gouvernance des données existantes, cartographier l'écosystème, identifier les cas d'usage à plus fort retour sur investissement... Un diagnostic essentiel à tout projet Data et IA, pour construire une architecture ou déployer des agents sur des fondations évaluées et solides. Au-delà de l'intégration standard, nos équipes développent également des solutions sur-mesure pour vous permettre de gagner en maturité Data & IA.
Nous pensons à la fois stratégie et exécution, portés par des experts dédiés et plus de 200 consultants certifiés.
L'IA prédictive analyse des données historiques pour anticiper un résultat. L'IA générative produit du contenu (texte, image, code). L'IA agentique va plus loin : elle exécute des tâches de façon autonome en enchaînant plusieurs actions, sans validation humaine à chaque étape. Ces trois familles se combinent souvent au sein d'une même solution.
Par un audit de maturité honnête : cartographie des usages existants (y compris non officiels), qualité des données disponibles, et identification d'un premier cas d'usage à fort volume et faible risque. Se lancer directement sur un projet complexe sans cette étape est l'une des causes principales d'échec.
L'AI Act classe les usages IA selon leur niveau de risque et impose des obligations de transparence, de documentation et de supervision humaine pour les usages à haut risque, notamment en recrutement et évaluation RH. L'échéance de mise en conformité pour ces systèmes a été reportée au 2 décembre 2027 par le règlement Digital Omnibus entré en vigueur en juillet 2026.
Le ROI doit être défini avant le déploiement, pas après : gain de temps sur des tâches précises, réduction du taux d'erreur, amélioration d'un délai de traitement. Les organisations qui ne définissent pas ces indicateurs en amont sont aussi celles qui peinent le plus à justifier le passage à l'échelle.
L'IA transforme davantage les tâches que les métiers dans leur ensemble. Elle automatise les composantes répétitives et à faible valeur ajoutée d'un poste, ce qui déplace le temps disponible vers des activités de jugement, de relation et de décision. Cette transformation nécessite un accompagnement en compétences, pas seulement un déploiement technique.
Vous souhaitez structurer votre stratégie IA en RH ou en Finance ?
