Deux tiers des organisations françaises savent désormais mesurer le retour sur investissement de leurs projets d'intelligence artificielle, contre un tiers seulement il y a un an. Le chiffre vient de la deuxième édition de l'étude Trends of AI, menée par KPMG et le think tank Les EnthousIAstes auprès de 356 décideurs français. Mais ce progrès cache une fracture nette entre fonctions : le marketing et l'IT avancent vite, la finance et la conformité restent scotchés aux tâches les plus élémentaires. Pour un DAF ou un responsable conformité qui se demande pourquoi son projet IA n'avance pas, cette étude donne enfin des chiffres à mettre sur un constat souvent ressenti sans être objectivé.
Une transformation qui structure enfin les organisations françaises
L'IA a changé de statut dans les grandes entreprises françaises. Ce n'est plus un sujet de labo innovation, c'est devenu un chantier de gouvernance porté par la direction générale. Selon l'étude Trends of AI 2026, 60 % des organisations interrogées ont désormais déployé un dispositif de pilotage transverse pour industrialiser l'IA, et 86 % ont validé une charte d'usage responsable, le plus souvent portée directement par le Comex. Sur les 356 décideurs sondés, 62 % siègent au comité exécutif de leur entreprise, ce qui donne à ces chiffres un poids particulier : ce ne sont pas des intentions de terrain, ce sont des priorités validées en haut de la pyramide.
Ce basculement vers la gouvernance change la nature des arbitrages. Quand 86 % des entreprises ont une charte d'usage responsable, la question n'est plus de savoir si l'IA doit entrer dans les processus, mais dans quel cadre et avec quels garde-fous. « Les entreprises ne se demandent plus si elles doivent adopter l'IA, mais comment l'inscrire durablement dans leurs pratiques », résume Étienne Lecoeur, co-fondateur des EnthousIAstes, dans les colonnes du Monde du Chiffre. L'IA devient, selon ses termes, un système nerveux de l'organisation plutôt qu'un outil isolé entre les mains de quelques équipes pionnières.
Le problème, c'est que ce système nerveux irrigue très inégalement les différents organes de l'entreprise. Huit fonctions ont été passées au crible par l'étude : marketing, IT, relation client, finance, RH, achats, supply chain, et risque & conformité. Deux d'entre elles tirent l'ensemble vers le haut. Deux autres traînent des pieds, et ce ne sont pas les moins stratégiques.
Le marketing et l'IT ouvrent la marche, la finance freine
Qui a le plus largement adopté l'IA générative en France en 2026 ? Le marketing, sans ambiguïté. 59 % des entreprises utilisent déjà des outils IA pour résumer des conversations ou traduire des contenus, et 55 % pour générer directement du contenu marketing. En revanche, dès qu'il s'agit de prévision, l'enthousiasme retombe brutalement : seulement 7 % des entreprises utilisent l'IA pour les prévisions de ventes ou de stocks. Le marketing a adopté l'IA comme outil de production de texte, pas encore comme outil de décision.
L'IT progresse dans une direction différente. La fonction perçoit l'IA comme un pilier stratégique, mais son industrialisation avance à petits pas budgétaires : 45 % des entreprises consacrent moins de 3 % de leur budget IT aux projets d'intelligence artificielle. Autrement dit, la conviction stratégique existe, mais l'argent ne suit pas encore au même rythme dans la majorité des DSI.
La finance, elle, reste sur la réserve. L'étude situe l'adoption dans cette fonction comme prudente, centrée d'abord sur la formation des équipes et la gestion des données : 38 % des cas d'usage recensés en finance concernent ces deux sujets, plutôt que des applications directement opérationnelles comme la clôture ou le reporting. Un dossier publié par IT for Business durant l'été 2026 va plus loin sur ce point précis : sur l'ensemble des cas d'usage IA imaginés ou testés en finance, seulement 10 % sont aujourd'hui réellement déployés en production. Neuf projets sur dix restent, d'une manière ou d'une autre, coincés entre le pilote et l'échelle.
Les RH occupent une position intermédiaire, révélatrice à sa façon. 37 % des entreprises testent aujourd'hui l'IA générative pour la préqualification de CV, un usage déjà bien installé dans les cabinets de recrutement. Mais l'étude est catégorique sur un point : l'impact transformationnel de ces outils reste limité tant qu'ils ne dépassent pas le stade du tri automatique. Passer de la préqualification à un accompagnement complet du recrutement demande une maturité que peu d'organisations ont encore atteinte, faute d'avoir posé un cadre de gouvernance propre à cette fonction.
Pourquoi les DAF peinent à passer à l'échelle
Comment expliquer qu'une fonction aussi mature en matière de rigueur analytique traîne autant sur l'IA ? La réponse tient en trois obstacles récurrents, identifiés par IT for Business dans son dossier de l'été 2026 : l'accès et la qualité des données financières, la maturité limitée de certains processus clés, et surtout la dette technologique qui pèse sur les systèmes d'information finance. Beaucoup de DAF gèrent encore des empilements d'outils construits par strates successives depuis quinze ou vingt ans, où brancher un agent IA revient à greffer une technologie récente sur une infrastructure qui n'a jamais été pensée pour elle.
Le calendrier n'aide pas non plus. Selon l'étude annuelle Gartner AI in Finance Survey, publiée en novembre 2025, l'adoption de l'IA par les directions financières s'est stabilisée autour de 59 %, après une phase d'accélération en 2024. Ce ralentissement coïncide, dans beaucoup d'organisations, avec des migrations d'ERP ou des refontes de systèmes qui monopolisent déjà les équipes finance. Difficile de lancer un chantier IA ambitieux quand la même direction pilote en parallèle une bascule SAP ou Oracle qui absorbe l'essentiel de la capacité de projet.
Reste la question du retour sur investissement, qui pèse lourd dans l'arbitrage d'un comité de direction. Une étude BCG évalue le ROI moyen des projets IA en finance autour de 10 %, alors que la plupart des directions financières visaient plus de 20 % au moment de lancer leurs premiers projets. Cet écart entre promesse et résultat mesuré explique en grande partie pourquoi certains DAF freinent des quatre fers avant d'élargir un pilote à l'ensemble de leur périmètre. Nous avions déjà détaillé, dans notre analyse des cas d'usage IA en direction financière, que les projets qui tiennent leurs promesses sont presque toujours ceux qui ciblent une tâche précise et mesurable plutôt qu'une transformation globale du service.
Risque et conformité : la fonction qui progresse le moins
Si la finance freine, risque & conformité freine encore davantage. C'est, selon l'étude Trends of AI 2026, la fonction où l'industrialisation de l'IA reste la plus limitée parmi les huit passées en revue. L'IA y est déployée uniquement sur des tâches à faible risque, traduction de documents, comptes-rendus de réunion, mais peine à s'étendre à des analyses plus complexes : seulement 18 % des entreprises utilisent l'IA pour la détection d'anomalies, pourtant l'un des cas d'usage les plus porteurs de valeur pour cette fonction.
L'ironie, c'est que cette fonction est précisément celle où l'IA générative promet le plus de valeur. Un algorithme qui repère un schéma de fraude dans des flux KYC, une anomalie dans un contrat de 300 pages, ou une incohérence entre deux clauses d'un dossier réglementaire fait gagner un temps que personne ne récupère en relisant manuellement. Comme un auditeur qui parcourt 400 factures à la recherche d'une seule anomalie dissimulée au milieu, le travail de conformité est exactement le type de tâche où la patience d'une machine dépasse celle d'un être humain, sans jamais la remplacer sur le jugement final.
Deux raisons expliquent ce retard. D'abord, la nature du risque : une erreur de l'IA en marketing coûte une reformulation, une erreur en conformité peut coûter une sanction réglementaire ou un contentieux. La tolérance à l'erreur n'est simplement pas la même, et les équipes le savent. Ensuite, le cadre réglementaire lui-même s'est resserré au moment même où ces fonctions auraient dû accélérer, ce qui a plutôt eu l'effet inverse : un principe de précaution renforcé, en attendant d'y voir plus clair sur les obligations exactes.
Ce retard touche particulièrement les secteurs déjà soumis à une supervision étroite. Un cabinet d'avocats ou une direction juridique qui manie des pièces couvertes par le secret professionnel n'a pas le droit de traiter la détection d'anomalies contractuelles comme un simple gain de productivité : chaque signalement doit rester examinable par une personne habilitée. Même logique du côté des courtiers, où la vérification de conformité d'un contrat d'assurance ou d'un dossier de financement touche directement à la responsabilité professionnelle de l'intermédiaire. Dans ces métiers, la prudence affichée par l'étude Trends of AI n'est pas un manque d'ambition, c'est une gestion du risque rationnelle face à un cadre encore mouvant.
Ce que change l'AI Act pour ces deux fonctions
Depuis le 2 août 2026, les systèmes d'IA classés à haut risque sont soumis à des obligations de conformité renforcées au titre de l'AI Act européen, avec des sanctions qui peuvent grimper jusqu'à 7,5 millions d'euros ou 1 % du chiffre d'affaires mondial selon la nature du manquement. Or les cas d'usage les plus prometteurs en finance et en conformité, scoring de crédit, détection de fraude, préqualification de dossiers RH, figurent justement parmi les catégories que le règlement encadre le plus strictement. Un DAF ou un responsable conformité qui accélère sans avoir cartographié ces obligations prend un risque disproportionné par rapport au gain espéré.
Cette convergence entre AI Act et RGPD crée ce que certains cabinets de conseil appellent un double verrou réglementaire, particulièrement sensible pour les directions juridiques et les services conformité qui doivent désormais documenter chaque système à haut risque avant sa mise en production. Nous avions déjà creusé cette mécanique dans notre analyse de DORA appliqué à la finance et à l'assurance, où l'exigence de traçabilité des prestataires critiques recoupe largement celle de l'AI Act sur les systèmes à haut risque.
Est-ce que cette réglementation condamne la finance et la conformité à rester en retard sur le marketing ? Rien n'est moins sûr. Une réglementation claire, une fois bien comprise, devient un cadre qui sécurise l'adoption plutôt qu'un frein qui la bloque. Les entreprises qui ont déjà cartographié leurs systèmes à haut risque avancent aujourd'hui plus vite que celles qui attendent encore d'y voir clair, précisément parce qu'elles savent où elles ont le droit d'aller.
Sortir de l'expérimentation : la méthode qui fonctionne
Les entreprises qui progressent le plus vite sur l'IA, dans n'importe quelle fonction, partagent un point commun rarement mis en avant : elles ne traitent pas leurs projets IA comme des expérimentations isolées. Elles les rattachent d'emblée à la gouvernance déjà en place, avec un pilotage transverse et une charte d'usage claire, exactement les deux dispositifs que 60 % et 86 % des organisations ont désormais mis en œuvre selon l'étude Trends of AI. Un DAF qui lance un projet IA sans passer par ce cadre reproduit, à l'échelle de son service, l'erreur que beaucoup d'entreprises ont commise en 2023 et 2024 : multiplier les pilotes sans jamais les connecter à une stratégie d'ensemble.
La méthode qui fonctionne suit trois étapes simples, mais rarement respectées dans cet ordre. D'abord cartographier précisément les cas d'usage à faible risque réglementaire, ceux qui peuvent être déployés rapidement sans attendre une validation juridique complète : synthèse de documents, préparation de reporting, structuration de données éparses. Ensuite, mesurer le ROI sur ces premiers cas avec la même rigueur qu'un investissement classique, ce qui explique pourquoi deux tiers des organisations savent désormais l'évaluer contre un tiers l'an dernier. Enfin seulement, élargir vers les cas d'usage à plus forte valeur mais plus exposés sur le plan réglementaire, comme la détection d'anomalies ou le scoring, une fois la cartographie AI Act posée noir sur blanc.
Chez ClaudIn, c'est exactement cette logique que nous appliquons avec les directions financières et les équipes risque et conformité que nous accompagnons : commencer par les gains rapides et mesurables avec Claude Cowork, documenter chaque système déployé au fur et à mesure, puis élargir le périmètre une fois la confiance et la gouvernance établies. C'est aussi le principe que nous détaillons dans notre formation Claude Cowork, pensée pour que les équipes finance et conformité montent en compétence sans dépendre d'un service IT déjà saturé. Nous avions posé les bases de cette approche progressive dans notre article sur les trois conditions du ROI de l'IA en entreprise.
La fracture entre marketing et finance n'a rien d'irréversible. Elle reflète surtout des priorités de départ différentes, une tolérance au risque différente, et des systèmes d'information hérités qui ne se modernisent pas au même rythme partout. Les organisations qui referont ce même sondage l'an prochain avec un écart resserré seront celles qui auront traité leur direction financière et leur fonction conformité comme des priorités stratégiques, et non comme des chantiers à traiter une fois que le reste sera fait. Votre direction financière ou vos équipes conformité sont-elles prêtes à passer du pilote à la production ? Réservez 30 minutes avec notre équipe pour en discuter.