La Silicon Valley présente souvent l'intelligence artificielle comme la force qui inaugurera une nouvelle ère d'abondance. Pourtant, lorsque l'on demande aux directeurs financiers des plus grandes entreprises mondiales comment l'IA affecte leurs résultats, la réponse de 88 % d'entre eux, selon l'enquête 2026 de McKinsey sur l'état de l'IA, est : « Pas tellement. »

Ce décalage s'est déjà produit. Lors du lancement de l'iPhone en 2007, les commentateurs prédisaient que la technologie mobile transformerait presque tous les aspects de la vie. Quand le haut débit s'est généralisé, Businessweek a proclamé une « Nouvelle Économie ». Et lorsque les ordinateurs personnels ont investi presque chaque bureau, l'économiste prix Nobel Robert Solow a famously observé que l'ère de l'informatique était visible partout sauf dans les statistiques de productivité.

Sur plus de cinq décennies, les vagues successives d'innovation numérique ont atteint une adoption grand publique remarquable tandis que la croissance de la productivité continuait de décliner. J'appelle cela le paradoxe de l'innovation : plus nous innovons vite, plus nous croissons lentement.

Deux formes en K, un même problème

La diffusion des technologies numériques suit ce que je décris comme un double schéma en K — une forme en K étant une divergence dans laquelle un groupe prend nettement l'avance tandis que l'autre décroche. La première divergence oppose les consommateurs aux entreprises. Les smartphones ont atteint 80 % des Américains en sept ans, tandis que les systèmes de planification des ressources d'entreprise ont mis 33 ans à équiper 57 % des entreprises américaines. L'utilisation de l'IA par les consommateurs a grimpé à 53 % des adultes américains à peine trois ans après le lancement de ChatGPT fin 2022. En revanche, l'IA en déploiement productif en entreprise ne représente que 10 %.

La seconde forme en K existe au sein même du secteur des entreprises. L'enquête 2026 de McKinsey a révélé que 88 % des organisations utilisent l'IA dans au moins une fonction, mais seulement 6 % se qualifient de « hauts performers », c'est-à-dire qu'elles obtiennent un impact EBIT (résultat avant intérêts et impôts) supérieur à 5 %. Cette part est inchangée depuis 2025.

L'écart de 82 points de pourcentage n'est pas principalement un déficit technologique. C'est un déficit de transformation organisationnelle. Les 6 % d'entreprises qui réussissent sont trois fois plus susceptibles d'avoir repensé leurs flux de travail de bout en bout. Seuls 21 % de tous les adoptants de l'IA l'ont fait.

Le marché boursier reflète une divergence similaire. Trente-six entreprises d'IA du S&P 500 — l'indice de référence des grandes sociétés américaines cotées — représentent désormais 45 % de la capitalisation boursière de l'indice Sur trois ans, le S&P 500 a affiché un rendement de 76 % ; hors actions liées à l'IA, ce rendement tombe à 32 %.

Ce que l'électrification a bien fait

L'électrification et les télécommunications au début du XXe siècle ont atteint les consommateurs et les entreprises à des rythmes globalement similaires et, surtout, avec une profondeur comparable. Les moteurs électriques ont contraint les usines à abandonner les agencements rigides au profit d'une production flexible en flux continu. Le téléphone a fortement réduit les coûts de coordination. La refonte organisationnelle a suivi, notamment la structure multidivisionnelle d'Alfred Sloan chez General Motors et le management scientifique de Frederick Taylor.

La diffusion était à la fois profonde, transformant le fonctionnement des entreprises, et large, se propageant à travers des secteurs industriels verticalement liés.

Les technologies numériques, en revanche, se sont diffusées dans une économie fondamentalement différente. Les services représentent désormais la part dominante du PIB. Un hôpital ou une agence gouvernementale n'a pas les mêmes liens de chaîne d'approvisionnement qu'un sidérurgiste. L'économiste William Baumol a identifié la contrainte sous-jacente dans les années 1960, une dynamique connue depuis sous le nom de « maladie des coûts de Baumol » : les secteurs de services « stagnants » résistent aux gains de productivité parce qu'ils dépendent fortement de l'interaction humaine. Ces secteurs de Baumol — santé, éducation, administration publique, construction — représentent environ 50 % du PIB des économies avancées et restent obstinément réfractaires à la transformation technologique.

Le piège des frais généraux

Pourquoi l'adoption en entreprise stagne-t-elle ? Non pas parce que la technologie est indisponible, mais parce que les organisations ont accumulé des couches de complexité.

J'ai développé un indicateur transnational appelé le Combined Overhead Ratio. Il englobe les dépenses publiques, les frais commerciaux, généraux et administratifs des entreprises (SG&A) et les coûts de conformité réglementaire. Aux États-Unis, ce ratio a franchi un seuil de 47 % du PIB vers 2000. Au-dessus de ce seuil, la croissance du PIB n'a pas dépassé durablement 2,5 % — soit environ la moitié du taux atteint lorsque les frais généraux restaient inférieurs à 35 % dans les années 1960.

Les dépenses publiques ont grimpé à 36 % du PIB, tandis que les SG&A des entreprises ont doublé depuis les années 1980. Le Competitive Enterprise Institute estime que les entreprises américaines dépensent plus de 2 000 milliards de dollars par an en conformité.

Mon analyse des entreprises du S&P 500 par secteur et par décennie de 1985 à 2025 montre que 73 % de ces observations tombent dans le « piège des frais généraux », défini comme une hausse des SG&A accompagnée d'un déclin de la croissance du chiffre d'affaires. Comme Jack Dorsey de Block l'a soutenu, la hiérarchie d'entreprise est un protocole de routage de l'information obsolète. La plupart des entreprises déployant l'IA aujourd'hui installent un moteur plus puissant dans une calèche. Une analyse connexe décrit les limites consistant à considérer l'IA comme une simple version accélérée des systèmes existants.

L'IA est différente — mais pas les obstacles

L'IA est catégoriquement différente des vagues numériques précédentes. Les technologies antérieures facilitaient principalement le traitement, la transmission ou l'affichage de l'information. L'IA raisonne, décide et crée. Cette distinction importe car les secteurs de Baumol ne manquent pas d'information ; ils sont intensifs en jugement. Ils exigent diagnostic, évaluation et personnalisation — précisément les capacités que l'IA peut amplifier.

Les obstacles à la diffusion, eux, restent familiers Plus de 40 ans d'expérience en tant que dirigeant d'entreprise et associé en capital-investissement ont révélé un schéma récurrent.

Dans une entreprise grand public, la numérisation a produit une croissance impressionnante du canal en ligne mais n'a pas réussi à s'étendre à l'activité hors ligne, bien plus importante, de l'entreprise. Des distributeurs indépendants ont refusé de céder leurs données clients à une plateforme intégrée. Dans la santé, introduire des outils numériques auprès des médecins est relativement simple. Établir une numérisation de bout en bout pour améliorer les flux cliniques est bien plus difficile, empêtré dans la gouvernance des données, les exigences de conformité et le pouvoir asymétrique que les professionnels de santé exercent sur la direction.

Ces cas ne sont pas isolés. Ils représentent nombre des entreprises dans lesquelles j'ai été personnellement impliqué. L'enquête 2026 de Writer sur l'IA en entreprise, menée avec Workplace Intelligence auprès de 2 400 dirigeants mondiaux, confirme ce schéma à grande échelle. Soixante-dix-neuf pour cent des organisations déclarent des difficultés d'adoption de l'IA, une hausse à deux chiffres par rapport à 2025. En outre, 54 % des cadres dirigeants admettent que l'adoption de l'IA est en train de « déchirer leur entreprise ».

Profondeur et largeur, pas vitesse

La leçon de 50 ans d'innovation numérique est que la vitesse d'adoption compte bien moins que sa profondeur et sa largeur. L'adoption grand publique de ChatGPT a été la plus rapide de toute technologie grand public de l'histoire enregistrée, et pourtant elle n'a pas fait bouger les indicateurs macroéconomiques.

Ce qui compte, c'est si l'IA pénètre les opérations centrales et conduit à une refonte des flux de travail — c'est-à-dire la profondeur — et si la transformation s'étend au-delà des entreprises stars vers les vastes secteurs qui concentrent l'essentiel de l'emploi et du PIB — c'est-à-dire la largeur. Au vu des données d'enquête à ce jour, ce sont aussi les chiffres à surveiller : la part des hauts performers s'est maintenue à 6 % pour une deuxième année consécutive d'enquête, et la refonte des flux de travail de bout en bout concerne seulement 21 % des adoptants. L'évolution de ces chiffres, plutôt que les taux d'adoption en titres, est l'indicateur qui révélera si la profondeur se construit.

Les données historiques, de l'électrification aux vagues numériques successives, indiquent des délais d'adoption longs : généralement plus de 10 ans, souvent plusieurs décennies. L'IA progresse plus vite que toute technologie précédente. Mais la refonte organisationnelle nécessaire pour l'absorber avance au rythme des institutions humaines : lentement, douloureusement, et face à une vive résistance.

Le paradoxe de l'innovation persiste non pas parce que la technologie n'avance pas, mais parce que les institutions n'arrivent pas à s'adapter. La société ne verra un impact économique substantiel que lorsque l'IA sera adoptée en profondeur au sein des entreprises et largement à travers les grands secteurs économiques.

Les opinions exprimées dans les chroniques de Fortune.com sont uniquement celles de leurs auteurs et ne reflètent pas nécessairement les opinions et convictions de Fortune.

Cette histoire a été publiée à l'origine sur Fortune.com.