Observatoire des métiers du Numérique,

de l’Ingénierie, du Conseil et de l’Evènement

RAPPORT D’ÉTUDE

Les besoins en compétences, emplois et

formations en matière d'intelligence artificielle
en France

Branche des Bureaux d’Études Techniques, Cabinet

d’Ingénieurs-Conseils et Sociétés de Conseils

#IA
#IA_Générative
#Machine_learning
#Deep_learning
#Usage_IA

DPB / Direction des Politiques de

branches
SOMMAIRE

PARTIE 1. LE RAPPEL DU CONTEXTE DU PROJET............ 5

1.1. LES OBJECTIFS DE L’ÉTUDE .......................................................... 6
1.2. LA MÉTHODOLOGIE DU PROJET .................................................... 7

PARTIE 2. ÉTAT DE L’ART SUR LES DIFFÉRENTS TYPES

D’INTELLIGENCES ARTIFICIELLES ET LEURS CAS
D’USAGE 10
2.1 IA, IA GÉNÉRATIVE, DEEP LEARNING… QUELLES DIFFÉRENCES,
DE QUOI PARLE-T-ON ?........................................................................... 12
2.2 LES TECHNOLOGIES D'IA (MACHINE LEARNING / DEEP LEARNING,
IA HYBRIDE …) ........................................................................................ 15
2.2.1 LES DIFFÉRENTS MODÈLES D’IA .........................................15
2.2.2 D’AUTRES CLASSIFICATIONS DE L’IA ..................................18
2.3 LES USAGES DE L’IA DANS LES ENTREPRISES ........................... 19
2.3.1 LE RECOURS À L’IA DANS LES ENTREPRISES.....................19
2.3.2 LES CAS D’USAGE DE L’IA DANS LES ENTREPRISES ..........22
2.4 DES ÉVOLUTIONS DÉPENDANTES DES AVANCÉES
TECHNOLOGIQUES ET DES INVESTISSEMENTS .................................... 26
2.4.1 LES INNOVATIONS TECHNOLOGIQUES FUTURES
DÉPENDANTES DES OPPORTUNITÉS.............................................26
2.4.2 D'IMPORTANTS INVESTISSEMENTS DANS L’IA ANNONCÉS 28
2.5 UN DÉVELOPPEMENT DE L’IA CONDITIONNÉ PAR LA PRISE EN
COMPTE DES ENJEUX SOCIÉTAUX ........................................................ 30
2.5.1 LES ENJEUX ÉTHIQUES DE L'IA ...........................................30
2.5.2 LES ENJEUX ENVIRONNEMENTAUX DE L'IA ........................31
2.5.3 LES ENJEUX DE SÉCURITÉ DE L’IA ......................................31
2.5.4 LES ENJEUX RÉGLEMENTAIRES ..........................................32
2.5.5 LES ENJEUX DE PROPRIÉTÉ INTELLECTUELLE ..................33
2.5.6 DES ENJEUX DE RENTABILITÉS DES SOLUTIONS D’IA
DÉVELOPÉES ..................................................................................33

PARTIE 3. LES USAGES DES INTELLIGENCES

ARTIFICIELLES DANS LES SECTEURS DE LA BRANCHE .. 35

DPB / Direction des Politiques de

branches
 3.1 LES PROJETS D’INTELLIGENCES ARTIFICIELLES DÉPLOYÉES
PAR LES ENTREPRISES DE LA BRANCHE .............................................. 37
3.1.1 LA PLACE DES ENTREPRISES DE LA BRANCHE DANS LA
CHAINE DE VALEUR DE CRÉATION D’IA .........................................38
3.1.2 LES TYPES D’IA DÉVELOPPÉES PAR DES ENTREPRISES DE
LA BRANCHE ...................................................................................44
3.2 L’INTÉGRATION DE L’UTILISATION DE L’IA DANS LES
ENTREPRISES DE LA BRANCHE ............................................................. 48
3.2.1 L’IA DANS LE SECTEUR DU NUMÉRIQUE .............................50
3.2.2 L’IA DANS LE SECTEUR DE L'INGÉNIERIE ............................54
3.2.3 L’IA DANS LE SECTEUR DU CONSEIL ...................................57
3.2.4 L’IA DANS LE SECTEUR DE L'ÉVÉNEMENTIEL .....................61

PARTIE 4. LES IMPACTS DU DÉPLOIEMENT DE L’IA SUR

LES EMPLOIS, LES MÉTIERS ET LES COMPÉTENCES DANS
LES ENTREPRISES DE LA BRANCHE ................................ 65
4.1 UNE ANALYSE DES IMPACTS EMPLOI ET COMPÉTENCES POUR
LE DÉVELOPPEMENT DE PROJETS D’IA ................................................ 67
1.2.1. UNE AUGMENTATION DES BESOINS ET DES COMPÉTENCES
LIÉS À L’IA........................................................................................69
4.2 LES IMPACTS EMPLOI ET COMPÉTENCES INDUITS PAR
L’UTILISATION D’IA DANS LES ENTREPRISES ....................................... 74
4.2.1 L’IMPACT DE L’UTILISATION L’IA SUR LES MÉTIERS
TRANSVERSES DE LA BRANCHE ....................................................78
4.2.2 L’IMPACT DE L’UTILISATION DE L’IA SUR LES MÉTIERS
CŒURS PAR SECTEUR ...................................................................82

PARTIE 5. COUVERTURE DES BESOINS EN

COMPÉTENCES CLÉS PAR LES FORMATIONS .................. 96
................................................................................................................. 96
5.1 LES FORMATIONS A L’IA EN FRANCE ............................................... 98
5.1.1 UNE OFFRE DE FORMATION INITIALE MENANT AUX METIERS
DE L’IA REPONDANT AUX BESOINS EN COMPETENCES DE LA
BRANCHE ........................................................................................99
5.1.2 LA COUVERTURE DES FORMATIONS INITIALES MENANT AUX
MÉTIERS DE L’OPIIEC POUR L’UTILISATION DES SOLUTIONS D’IA
102
5.2 DES ENTREPRISES DE LA BRANCHE QUI MOBILISENT DÉJÀ LES
FORMATIONS MENANT AUX MÉTIERS DE L’IA ......................................103

DPB / Direction des Politiques de

branches
 5.2.1 LE RECOURS À L’ALTERNANCE PAR LES ENTREPRISES DE
LA BRANCHE POUR COUVRIR LES BESOINS EN IA ...................... 103
5.2.2 LA FORMATION CONTINUE DES SALARIÉS DE LA BRANCHE
103

PARTIE 6. SYNTHÈSE .................................................... 107

PARTIE 7. ANNEXES ...................................................... 111
7.1 BIBLIOGRAPHIE ............................................................................112
7.2 LISTE DES MOTS CLÉS UTILISÉS POUR L’ANALYSE DES
FORMATIONS..........................................................................................114

DPB / Direction des Politiques de

branches
 PARTIE 1.
LE RAPPEL DU CONTEXTE DU
PROJET

DPB / Direction des Politiques de

branches
[Link] OBJECTIFS DE L’ÉTUDE

L’OPIIEC, Observatoire paritaire des métiers du Numérique, de l’Ingénierie, des Études et du Conseil,
et des métiers de l’événement est une instance paritaire dont les membres sont les fédérations
patronales (SYNTEC et CINOV) et les organisations de salariés (CFE/CGC/FIECI, CFDT/F3C, CGT,
CFTC/MEDIA+).
L’OPIIEC a décidé de conduire en 2024 une étude sur les besoins en compétences, emplois et
formations en matière d'intelligence artificielle en France au sein des secteurs de la branche Branche
professionnelle des Bureaux d’Études Techniques, Cabinet d’Ingénieurs-Conseils et Sociétés de
Conseils.
Les secteurs de cette branche sont les suivants 1 :
- Numérique (33 % des entreprises et 51 % des salariés) ;
- Ingénierie (30 % des entreprises et 29 % des salariés) ;
- Études et Conseils (35 % des entreprises et 19 % des salariés) ;
- Événementiel (2 % des entreprises et 1 % des salariés).
En effet, en raison des évolutions récentes des technologies et notamment l’émergence des IA
génératives, il est aujourd’hui essentiel d’appréhender comment les entreprises de la branche se
positionnent vis-à-vis de la création et l’utilisation de l’intelligence artificielle ainsi que les impacts en
emplois et en compétences que peut avoir l’évolution de cette technologie.
En 2023, près de 35 % des établissements de plus de 10 salariés utilisaient au moins une
intelligence artificielle et 8 % des établissements n’ayant pas recours à l’IA envisageaient de l’utiliser
dans un avenir proche2. L’usage de l’IA en entreprise a pris un essor considérable ces dernières
années, notamment avec l’émergence de l’IA générative fin 2022 et des outils accessibles comme
ChatGPT ou Midjourney.
De leur côté, les entreprises de la branche sont impactées à deux niveaux :
- Elles peuvent développer des solutions d’intelligence artificielle à destination de leurs clients.
Cela concerne principalement les entreprises du secteur numérique, mais pas uniquement. Le
développement de ces solutions et les attentes des clients impliquent pour les entreprises de
se doter des compétences nécessaires pour répondre aux enjeux de ces projets.
- Elles sont aussi consommatrices d’IA. Dans leurs pratiques internes, les entreprises de la
branche peuvent avoir recours à des solutions d’IA. L’intégration de ces pratiques transforme
leurs activités, leur organisation du travail et les besoins en compétences des salariés.
Plus spécifiquement, les secteurs du numérique, de l’ingénierie, du conseil et de l’événement seront
fortement impactés par l’essor de l’IA générative. En effet, les professionnels de la branche s’appuient
fortement sur les connaissances et l’expérience, que peut émuler dans certains cas l’IA générative. Il y
a donc un enjeu pour les entreprises à réussir à appréhender l’utilisation de l’IA générative. Cependant,
si on voit que l’IA générative peut avoir de nombreux domaines d’application au sein des entreprises de
la branche, au regard du caractère récent de cette innovation, il reste difficile de percevoir pleinement
son utilisation, d’autant plus que les différents secteurs de la branche sont différemment impactés. C’est
ce qui a motivé l’OPIIEC a lancer en 2024 une étude approfondie dédiée à ce sujet.
Il apparaissait nécessaire qu’une étude soit conduite afin de comprendre les différentes utilisations
actuelles et à venir de l’IA dans les entreprises de la branche, de comprendre les différents impacts de
l’intégration de ces usages pour anticiper les besoins en emploi, en compétences et en formation et
d’identifier les actions à mener pour répondre aux conséquences de cette évolution.
Les principaux enjeux de cette étude de l’OPIIEC étaient ainsi les suivants :

1
OPCO Atlas – principales activités de la branche - Lien
2
Les employeurs f ace à l’Intelligence Artif icielle – enquête sur 3 000 répondants – Pôle-Emploi – 15 juin 2023 (lien)

DPB / Direction des Politiques de

branches
 - Identifier les différentes utilisations de l’IA et les perspectives de son intégration dans les
entreprises des secteurs de la branche et évaluer leur impact sur la transformation des activités
et de l’organisation des entreprises.
- Évaluer quantitativement et qualitativement les impacts en matière d’emploi, de métiers et de
compétences selon les prévisions de déploiement de l’IA dans les entreprises de la branche.
- Évaluer la correspondance de l’offre de formation et certification sur les besoins en
compétences identifiés relevant de l’usage de l’IA dans les entreprises.
- Identifier les nouveaux métiers émergents par secteur de la branche et élaborer des
préconisations pour anticiper les tendances et répondre aux enjeux identifiés.

[Link] MÉTHODOLOGIE DU PROJET

LES GRANDES ÉTAPES LES POINTS CLÉS DE LA MÉTHODE

PHASE 1 : Analyse des tendances d’intégration de l’IA dans les entreprises des secteurs de la branche
et perspective d’évolution à horizon 2 et 5 ans

Étape 1.1 • Analyse des rapports et publications sur l’IA, son

Analyse documentaire des études et travaux utilisation au sein des secteurs clients et des secteurs
de recherche sur l’utilisation de l’IA de la branche

Étape 1.2
Réalisation de 30 d’entretiens auprès d’experts, d’entreprises de la branche et de clients

PHASE 2 : Analyse des impacts du déploiement de l’IA sur les activités, les métiers, les emplois et les
compétences des différents secteurs de la branche et évaluation du taux de couverture des formations

• Analyse des compétences visées par les

certifications recensées aux RNCP menant aux
Étape 2.1
métiers de l’ingénierie de construction et
Recensement et analyse de la couverture des d’aménagement
formations initiales et continues
• Analyse des formations continues visant les
compétences attendues pour les salariés en poste

Étape 2.2 • Qualification du positionnement des entreprises vis-à-

vis de l’IA et de leurs besoins en emplois et
Réalisation d’une enquête auprès des compétences. Ecoute des salariés sur leur utilisation
entreprises de la branche et des salariés de l’IA et leurs besoins en la matière.

PHASE 3 : Détermination des enjeux RH pour la branche et élaboration de préconisations

• Préparation de recommandations et animation d’un

Étape 3.1.
groupe de travail de réflexion
Animation d’un atelier de réflexion
• Finalisation d’un plan d’action

• Finalisation de l’ensemble des livrables (rapport

Étape 3.2. complet et synthèses)
Formalisation des livrables finaux • Restitution des travaux réalisés aux commissions
idoines

DPB / Direction des Politiques de

branches
Dans le cadre de l’étude, 40 professionnels ont été interrogés

Entreprises
ACTIA Client

Aerospace Valley Client

Airbus Client

APAVE Ingénierie

AREP Ingénierie

Berger-Levrault Client

BOTdesign Numérique

CAP GEMINI Numérique

Capgemini Numérique

CELAD Numérique

CGI Conseil

CNES Expert

CNRS Expert

Comexposium Evenementiel

Département Haute- Client

Garonne
Digitalandhuman Expert

Doshisha University Expert

Ekium Ingénierie

Eurogroupconsulting Conseil

GoodAlgo Expert

Helsing Numérique

Incepto médical Numérique

INRIA Expert

LaborIA Expert

Microsoft Numérique

Numeum Numérique

NXU Numérique

OPCO Atlas Occitanie Client

Orange Client

DPB / Direction des Politiques de

branches
Région Occitanie Client

Région Occitanie Client

Renault Expert

SCALIAN Numérique

SETEC Ingénierie

Sonny SAS Numérique

Textmaster Numérique

Tout va très bien Evenementiel

UNIMEV Evenementiel

Wavestone Client

XRPL Commons Numérique

LaborIA Expert

DPB / Direction des Politiques de

branches
 PARTIE 2. ÉTAT DE L’ART SUR
LES DIFFÉRENTS TYPES
D’INTELLIGENCES
ARTIFICIELLES ET LEURS CAS
D’USAGE

DPB / Direction des Politiques de

branches
 Synthèse de la section
L’adoption de l’Intelligence Artificielle (IA) reste progressive au sein des entreprises françaises. En
2023, près de 35 % des établissements de plus de 10 salariés utilisaient au moins une
intelligence artificielle et 8 % des établissements n’ayant pas recours à l’IA envisageaient de l’utiliser
dans un avenir proche. L’usage de l’IA en entreprise a pris un essor considérable ces dernières
années, notamment avec l’émergence de l’IA générative en 2022 et des outils accessibles comme
ChatGPT, Copilot ou GitHub Copilot. Contrairement aux IA traditionnelles, qui s'appuient
principalement sur des modèles d'analyse et de classification, l'IA générative vise à produire du
contenu nouveau (texte, images, audio, vidéo…) qui imite les créations humaines. Cette technologie
repose sur des modèles d’apprentissage automatique qui analysent des données massives pour
recréer des contenus inédits. L’accessibilité de ces outils a accéléré l’utilisation de l’IA au sein des
entreprises quelle que soit leur taille, notamment en raison de leur capacité à optimiser des processus
de création et à réduire le temps de travail sur certaines tâches répétitives.

Au sein des entreprises, l’IA peut être utilisée dans différents but s :

• Dans un objectif d’optimisation des activités ou des ressources ;

• Dans un objectif d’automatisation des tâches, notamment à travers l’emploi de robots ;
• Dans un objectif de création de contenus ;
• Dans un objectif d’analyse et de proposition de prédictions.

Le développement des IA et leurs usages devraient s’accroitre dans les années à venir. Les
investissements dans l’IA continuent de progresser, soutenus par des initiatives publiques et privées
à grande échelle. En France, les pouvoirs publics et nombre d’entreprises ont pris des
engagements financiers importants pour soutenir le développement des infrastructures
nécessaires à l'IA et à son déploiement. Au niveau international, les prévisions indiquent que le
marché de l’IA pourrait atteindre 15 700 milliards de dollars en 2030, reflétant son potentiel de
croissance important.

Toutefois, le développement de l’IA devra faire face à plusieurs limites techniques, éthiques et
environnementales. L'entraînement des modèles, notamment les modèles génératifs, exige une
quantité d’énergie considérable, ce qui soulève des inquiétudes concernant l'empreinte carbone des
centres de données. De plus, des enjeux éthiques, notamment concernant la transparence des
algorithmes et la sécurité des données personnelles, freinent l'adoption de certaines IA. Enfin,
les défis réglementaires autour de la confidentialité et de la responsabilité des décisions prises
par les systèmes IA sont également des obstacles majeurs au déploiement d’applications IA dans
certains secteurs sensibles.

DPB / Direction des Politiques de

branches
2.1 IA, IA GÉNÉRATIVE, DEEP LEARNING… QUELLES
DIFFÉRENCES, DE QUOI PARLE-T-ON ?

Bien qu’il n’y ait pas de définition universelle admise de l’intelligence artificielle (IA), plusieurs institutions
ont proposé des définitions, notamment l’Union européenne (UE) qui définit l’IA de la façon suivante :
« Les systèmes d'intelligence artificielle (IA) sont des systèmes logiciels (et éventuellement matériels)
conçus par des humains, ces derniers peuvent également utiliser des techniques d'IA pour optimiser la
conception de ces systèmes. Les systèmes IA, lorsqu'un objectif complexe leur est assigné, agissent
dans la dimension physique ou numérique en percevant leur environnement à travers l'acquisition de
données, en interprétant les données structurées ou non structurées collectées, en raisonnant sur les
connaissances ou en traitant l'information dérivée de ces données, et en décidant des meilleures actions
à entreprendre pour atteindre l'objectif fixé.
Les systèmes d'IA peuvent utiliser des règles symboliques ou apprendre un modèle numérique, et ils
peuvent également adapter leur comportement en analysant comment l'environnement est affecté par
leurs actions précédentes. »3
Les notions clés à retenir de cette définition sont que pour être qualifié d’IA un système a besoin d’un
objectif complexe, il doit décider d’action à mener pour atteindre son objectif, et ses décisions sont
basées sur sa perception de son environnement.

Figure 1 : Représentation schématique d’un système IA – Commission européenne – 20194

Il est important de noter que l’IA ne se restreint pas à l’apprentissage et qu’un régulateur de vitesse ou
un robot aspirateur, un traducteur automatique sont des IA au sens où on l’entend aujourd’hui. Il existe
une grande confusion du grand public entre les notions d’IA et de Machine Learning, que nous définirons
ci-après et qui sont des concepts bien distincts.
Les années 2023 et 2024 ont vu émerger pour le grand public la notion additionnelle d’IA générative,
dont les usages ont été popularisés à une vitesse sans précédent. L'intelligence artificielle générative -
GenAI pour Generative Artificial Intelligence - est un domaine de l'IA qui se concentre sur la création de
modèles capables de produire de manière autonome du contenu. En particulier , certains modèles de
Machine Learning apprennent les caractéristiques et les structures des données d'entraînement pour
générer des données similaires, mais non identiques, qu'il s'agisse de texte, d'images, de musique ou
d'autres types de données. Ces modèles visent à modéliser la distribution statistique des données
existantes afin de créer du contenu qui respecte les mêmes « patterns » ou styles.

3
UE - A def inition of Artif icial Intelligence : main capabilities and scientif ic disciplines | Shaping Europe’s digital f uture (lien)
4
UE - A def inition of Artif icial Intelligence : main capabilities and scientif ic disciplines | Shaping Europe’s digital f uture ( lien)

DPB / Direction des Politiques de

branches
Enfin, à la fin du mois d’octobre 2024 “The open source initiative”’ organisme de référence pour
l’informatique open source, à rédigé la première définition de ce qu’est une IA open source5. Une IA
Open Source est un système d'IA mis à disposition dans des conditions et d'une manière qui accordent
la liberté6 de :
- d'utiliser le système dans n'importe quel but et sans avoir à en demander la permission
- d'étudier le fonctionnement du système et d'inspecter ses composants
- Modifier le système dans n'importe quel but, y compris pour changer ses résultats.
- Partager le système pour que d'autres puissent l'utiliser, avec ou sans modifications, dans
n'importe quel but.
Ces libertés s'appliquent à la fois à un système entièrement fonctionnel et à des éléments discrets d'un
système. Une condition préalable à l'exercice de ces libertés est d'avoir accès à la forme préférée pour
apporter des modifications au système.
L'idée de créer des dispositifs mécaniques ou des automates capables de réaliser des tâches humaines
ou intelligentes remonte à l'Antiquité. Des mythes comme celui de Talos, un automate géant de la
mythologie grecque, montrent que l'idée de machines « intelligentes » est très ancienne. La fascination
de l'homme pour ce que l'on appelle « l'intelligence » ne date pas d'hier, bien que cette notion soit
encore aujourd'hui débattue, car aucune définition ne fait consensus. Avec la formalisation de
l'informatique moderne ainsi que les grandes avancées scientifiques autour de la Seconde Guerre
mondiale, de nombreux chercheurs se sont intéressés à la capacité de reproduire l'intelligence avec un
ordinateur. De cette volonté est née l'idée d'IA forte, une IA qui, à l'instar d'un système naturel intelligent,
aurait conscience d'elle-même, penserait, réfléchirait, apprendrait et évoluerait. Cette histoire peut être
résumée avec ces quelques dates clés :
En 1943, les chercheurs McCulloch et Pitts ont conçu un modèle mathématique pour simuler le
fonctionnement d’un neurone humain à l'aide de circuits logiques. Ce travail a posé les bases des
réseaux neuronaux modernes utilisés en intelligence artificielle pour l'apprentissage automatique. C’est
ce principe que Marvin Minsky, l’un des pères fondateurs de l’IA moderne, réutilise dans la machine
SNARC, le premier réseau de neurones artificiel introduit dans une machine et développé pour l’US Air
Force, en 1951. À l’époque il s’agissait de machine électronique simple, bien loin des capacités d’un
ordinateur moderne.
En 1950, le test de Turing est créé pour évaluer la capacité d'une machine à imiter l'intelligence
humaine. Si un évaluateur humain ne peut pas distinguer la machine d'un humain à travers des
conversations, la machine réussit le test. Mais rapidement ces visions sont contestées et en 1980 John
Searle imagine l’expérience de pensée de la chambre chinoise, afin de montrer les limites du test de
Turing. Cette expérience de pensée présente la situation suivante :
Dans cette expérience de pensée, Searle imagine une personne non sinophone enfermée dans une
chambre, capable de répondre aux phrases en chinois en utilisant des règles syntaxiques. Bien qu'elle
puisse produire des réponses qui semblent être celles d'un locuteur chinois natif, elle ne comprend pas
la signification des phrases. Searle pousse l'expérience plus loin en imaginant que les réponses
deviennent indiscernables de celles d'un vrai locuteur chinois, mais la personne dans la chambre ne
comprend toujours pas le chinois. Cette expérience suggère que reproduire les comportements
linguistiques ne suffit pas pour parler une langue, car cela nécessite également une compréhension
consciente du sens des mots. Une reproduction artificielle ne peut pas produire cette conscience.

5
The Open Source AI Def inition – 1.0 – Open Source Initiative – Lien
6
Ces libertés sont dérivés de la déf inition : What is Free Sof tware? - GNU Project - Free Sof tware Foundation – Lien

DPB / Direction des Politiques de

branches
 Figure 2 : Représentation de la chambre chinoise

Entre 1964 et 1966, Joseph Weizenbaum écrit le programme Eliza, qui simule un psychothérapeute
rogérien en reformulant la plupart des affirmations du « patient » en question, et en les lui posant. Eliza
est la première intelligence artificielle qui passe le test de Turing.
Au début des années 1990, IBM se lance dans le développement de Deep Blue, un ordinateur
spécialisé dans le jeu d’échecs. Il perd contre le champion du monde d'échecs Garry Kasparov, en
1996, puis le bat dans une revanche en 1997, marquant une avancée majeure pour l'IA. C'était la
première fois qu'une machine remportait une victoire contre un grand maître humain dans un jeu aussi
complexe, démontrant la puissance des algorithmes et du calcul. Cependant, ces performances sont
assujetties à d’énormes controverses quant à la véracité de la performance de la machine.
En parallèle, dès les années 1980, des chercheurs tels que Yann Le Cun réalisent des travaux de
recherche sur la capacité des ordinateurs dans les tâches de vision, comme la reconnaissance de
chiffres écrits manuellement, modèle LeNet. Cela montre la capacité des systèmes d’IA à réaliser des
tâches de vision en plus de celle du langage.
En 2004, IBM lance le projet WATSON, visant au traitement du langage naturel par une machine.
Finalement, en 2011, WATSON gagne le jeu télévisé du Jeopardy qui montre des avancées importantes
dans la possibilité des systèmes IA pour le traitement de la connaissance.
En 2017, Google introduit l’architecture des Transformer. C’est l’aboutissement des 22 ans de
recherches de différentes équipes introduisant au fil des années des révolutions techniques aboutissant
à l’architecture qui est derrière les LLM GPT. En 2018, OpenAI réalise le premier GPT, architecture qui
sera améliorée jusqu’en 2023 et la sortie de GPT-3. Grâce à ses 175 milliards de paramètres, GPT-3 a
ouvert la voie à des applications avancées en IA, allant de la rédaction automatique à la création de
dialogues complexes. C’est avec la sortie de ce modèle qu’OpenAI décide de construire l’interface grand
public ChatGPT.

DPB / Direction des Politiques de

branches
 Figure 3 : Histoire de l'IA, temps forts de 1940 à aujourd'hui 7 - WiziShop –2022

2.2 LES TECHNOLOGIES D'IA (MACHINE LEARNING / DEEP

LEARNING, IA HYBRIDE …)

2.2.1 LES DIFFÉRENTS MODÈLES D’IA

Pour comprendre les différentes formes d’IA, plusieurs classifications sont proposées notamment par
l’OCDE8. Les IA peuvent notamment être catégorisées selon leur technologie de fonctionnement. En ce
sens, l’OCDE distingue deux grandes familles d’IA (les IA symboliques et les IA statistiques) ainsi qu’une
nouvelle forme d’apprentissage mixte qu’est la logique floue.

L’IA symbolique

L'IA symbolique, ou basée sur la connaissance, utilise des représentations logiques générées par les
humains pour déduire une conclusion à partir d'un ensemble de contraintes (variables). Les modèles
symboliques sont exprimés dans des langages tels que la logique mathématique (déclarations
conditionnelles "si/alors" ou des façons plus abstraites de représenter des connaissances v ia des
formules mathématiques). L'IA symbolique est encore largement utilisée pour des outils d'optimisation
et de planification.
Un exemple d’application de l’IA symbolique est le système expert. Un système expert est un
programme informatique qui utilise des règles de déduction pour résoudre des problèmes dans un
domaine spécifique, comme le diagnostic médical ou l’aide à la décision en entreprise. Un autre
exemple est la détection de fraude à la carte bancaire, en se basant sur des données historiques et des
règles spécifiques, le système est capable de détecter des anomalies dans l’utilisation d’une carte

7
WiziShop : Histoire de l’IA : création et évolution – 2022 (lien)
8
OCDE- Perspectives de l’emploi de l’OCDE 2023 : Intelligence artificielle et marché du travail – 2019 (lien)

DPB / Direction des Politiques de

branches
bancaire. Un autre exemple encore est la traduction automatique basée sur des règles, les règles de
grammaire et de syntaxe sont utilisées pour traduire un texte d’une langue à une autre.

Exemple de système expert : Les premiers grands succès de cette IA ont été dans le domaine médical,
pour exploiter des bases de connaissances de la médecine et en tirer rapidement des informations de
diagnostic. En ce sens, le système expert de MYCIN a été un précurseur. Développée à partir de 1972,
cette IA exploite une base de connaissance d’environ 600 règles modélisant l’expertise d’un médecin.

L’IA symbolique est aujourd’hui très performante pour de nombreuses applications. En effet, dans le
cadre de problèmes dont les contraintes sont modélisables, comme l’optimisation d’une chaîne de
production industrielle, cette typologie d’IA reste très adaptée dans le cas où peu de données sont
disponibles.

L’IA statistique

Les modèles d'IA statistique, ou IA connexioniste, identifient des modèles s’appuyant sur les données
plutôt que sur des règles humaines prédéterminées. Ces modèles qui reposent sur les données sont
conçus pour extraire et représenter efficacement des connaissances à partir des données.
Les modèles d'IA statistique étaient auparavant utilisés principalement à des fins de reconnaissance
(par exemple, pour traduire l'écriture sur des chèques en code lisible par machine). Plus récemment,
ces modèles sont utilisés pour des créations, comme la création d'images ou de sons.
Ces IA ont différents modes de fonctionnement et on retrouve notamment celles qui vont avoir recours
à un apprentissage automatique… ou « Machine learning ». Cet apprentissage regroupe un ensemble
de techniques permettant aux machines d’apprendre de manière automatisée à partir de schémas et
d’inductions, plutôt qu’en suivant les instructions explicites d’un humain.

Figure 4 : Absence de consensus sur l’inclusion ou non du machine learning dans l’IA - Inetum – 2024

L’IA moderne et l’apprentissage automatique restent des domaines extrêmement jeunes et le

consensus scientifique n’existe pas encore sur de nombreux sujets. À titre d’exemple, avec les
capacités grandissantes des nouveaux algorithmes d’apprentissage automatique et profond, certains
chercheurs avancent que ces domaines ne sont plus des sous -parties de l’IA, comme cela est
communément admis depuis plusieurs décennies, mais qu’ils deviennent des domaines à part entière
dont une partie est en intersection avec l’IA, comme illustré dans le schéma ci-dessus. Leurs capacités
dépasseraient largement celles de l’intelligence, quelle que soit la forme ou la définition qu’on leur
donne.

DPB / Direction des Politiques de

branches
L’apprentissage automatique peut prendre plusieurs formes :
- Apprentissage supervisé : l'algorithme apprend à partir de données étiquetées, c'est-à-dire
que chaque entrée est associée à une sortie correcte. L'objectif est de prédire les sorties
pour de nouvelles données.
Cet apprentissage a notamment été utilisé pour permettre la reconnaissance d’images et d’objets.
Ces IA sont, au départ, alimentées par une grande base de données d’images qui sont chacune
annotées (par exemple : une image d’un chien est annotée par le commentaire « chien ») afin
d’entraîner l’algorithme pour qu’il sache faire les bonnes associations entre image et interprétation.
Ce modèle d’apprentissage présente quelques inconvénients, notamment son entraînement qui peut
prendre beaucoup de temps et les jeux de données sur lequel il s’entraîne qui peuvent présenter une
probabilité élevée d’erreur humaine, ce qui entraîne un apprentissage incorrect des algorithmes.

- Apprentissage non-supervisé : l'algorithme apprend à partir de données non étiquetées, en

cherchant à identifier des structures ou des modèles sous-jacents (comme des
regroupements ou des associations).
L’apprentissage non-supervisé a entre autres été développé dans le cadre de la détection des fraudes
en milieux bancaires. À travers l’analyse d’une grande quantité de données et transactions financières,
l’IA va détecter et définir des comportements habituels et pourra aussi détecter des données atypiques
qui attireront l’attention sur une possible fraude.

- Apprentissage par renforcement : l'algorithme interagit avec un environnement et apprend

par essais et erreurs, en recevant des récompenses ou des pénalités en fonction des actions
qu’il entreprend. L'objectif est d'apprendre à optimiser un comportement pour maximiser la
récompense cumulée.

Figure 5 : Les différentes formes d’apprentissage - Inetum – 2024

Les réseaux neuronaux sont un exemple de modèle d’IA d’apprentissage automatique. Ils sont très
répandus, car à la base de l’apprentissage profond… ou « Deep Learning ». L’apprentissage profond
est très puissant pour capturer des relations complexes dans des données volumineuses, sans

DPB / Direction des Politiques de

branches
nécessiter d’expertise humaine pour l’analyse de données. Il est à la base de nombreuses avancées
récentes en IA. Les réseaux de neurones étant une famille de modèles, ils peuvent être entraînés de
manière supervisée, non supervisée, ou bien par renforcement. Le mode d’apprentissage n’est que très
rarement une composante intrinsèque d’une famille d’algorithmes. Même si certains algorithmes ne sont
utilisés que dans un type d’apprentissage, car ils ne sont pas performant s pour les autres, il est souvent
possible de les utiliser pour d’autres types d’apprentissages.

L’IA hybride

Il existe des approches hybrides de l’IA - Symbolique et connexioniste en même temps par exemple –
qui tentent de tirer parti de la force des différentes approches connues. Un exemple est la logique
floue… ou « fuzzy logic », qui est une méthode de traitement des informations dans laquelle les valeurs
ne sont pas simplement vraies ou fausses (comme en logique binaire), mais peuvent prendre des
degrés intermédiaires (ex. : "plutôt vrai", "très faux"). Elle permet de travailler avec des données
imprécises ou ambigües, en s'inspirant de la manière dont les humains prennent des décisions dans
des situations floues.
La logique floue est souvent utilisée dans les systèmes de contrôle et de décision où les conditions sont
incertaines ou subjectives. Elle peut être combinée avec d'autres algorithmes d'IA pour améliorer la
prise de décision dans des environnements dynamiques ou incertains.

Figure 6 : Différentes formes d’IA - AFAS – 2020

2.2.2 D’AUTRES CLASSIFICATIONS DE L’IA

Mais d'autres classifications sont également proposées pour les IA par l’OCDE9. Les distinctions se
matérialisent ainsi :

Intelligence artificielle faible ou intelligence artificielle forte (ou générale)

L'IA faible, est un système conçu pour effectuer une tâche spécifique, comme recommander des
chansons ou répondre à des questions dans un assistant de conversation. Elle est programmée pour

9
OCDE- Perspectives de l’emploi de l’OCDE 2023 : Intelligence artificielle et marché du travail - 2019

DPB / Direction des Politiques de

branches
répondre à des instructions spécifiques et ne peut pas aller au-delà de ces instructions ou apprendre
de nouvelles compétences en dehors de sa programmation initiale.
L'IA forte, aussi appelée IA générale, est, quant à elle, théoriquement capable de comprendre,
d'apprendre et d'appliquer ses connaissances à différentes tâches. Elle serait capable de
raisonner, de résoudre des problèmes, de prendre des décisions et d'exercer des fonctions
généralement associées à l'intelligence.
Cependant, il est important de noter que, bien que l'IA forte soit un objectif de recherche, nous n'avons
pas encore les moyens techniques de la réaliser. Toutes les formes d'IA actuellement en usage sont
des formes d'IA faible. Nous avons fait des progrès significatifs dans le développement de systèmes
capables d'apprendre et de s'adapter à de nouvelles informations, mais ces systèmes restent très
spécifiques à la tâche pour laquelle ils ont été conçus et ne constituent pas une IA générale.

IA centralisée ou distribuée

Cette distinction repose sur les modes de déploiement de l’IA. Une IA centralisée n’est localisée qu’à
un seul endroit (en l’occurrence une unique machine), alors qu’une IA distribuée est répartie sur un
ensemble de machines (serveurs) et fonctionne un peu comme un essaim d’abeilles, chaque partie
faisant ce qu’elle est censée faire de manière plus ou moins autonome pour servir un tout.

2.3 LES USAGES DE L’IA DANS LES ENTREPRISES

2.3.1 LE RECOURS À L’IA DANS LES ENTREPRISES

En France, une enquête menée en 2023 par Pôle emploi (devenu depuis France Travail), réalisée
auprès de 3 000 établissements de plus de 10 salariés, soulignait qu’alors près de 35 % des
établissements de plus de 10 salariés utilisaient au moins une intelligence artificielle et 8 % des
établissements n’ayant pas recours à l’IA envisageaient de l’utiliser dans un avenir proche10.

IA utilisée et déployée
31%
IA en cours de déploiement

57% IA envisagée dans le futur

4%
IA non utilisée et non envisagée
8%

Figure 7 : Part des établissements ayant recours ou non à l'IA – Enquête Pôle emploi (3 000 répondants) - 2023

Cette utilisation de l’IA varie selon les secteurs des entreprises et les cas d’usages plus ou moins
matures proposés. En effet, dans la même enquête, il apparaissait que le secteur industriel était en
2023 le principal secteur ayant recours à des solutions d’IA. Cette étude soulignait un recours à l’IA
particulièrement important dans l’industrie (la moitié des établissements mobilisant l’IA), le secteur de

10
Les employeurs f ace à l’Intelligence Artif icielle – enquête sur 3 000 répondants – Pôle-Emploi – 15 juin 2023 (lien)

DPB / Direction des Politiques de

branches
la finance (44 %) et le commerce (40 %). Les établissements de plus de 10 salariés de l’agriculture y
recourent également souvent (58 %) (mais ne représente que 1% des établissements du secteur).

Agriculture 58%

Industrie 50%

Services aux entreprises - finance 44%

Commerce 40%

Autres services aux entreprises 38%

Ensemble 35%

Services aux entreprises - transport 32%

Services aux particuliers 28%

Construction 28%

Figure 8 : Part des établissements ayant déployé ou étant en cours de déploiement d'outils liés à l'IA par secteur
d'activité - Enquête Pôle emploi (3 000 répondants) - 2023

En 2023, les solutions d’IA restaient principalement utilisées pour permettre l’aide à la décision en
produisant des diagnostics (46 % des entreprises de plus de 10 salariés utilisant des solutions d’IA
l’utilisaient en ce sens), suivi des applications de traitement du langage naturel, pour extraire des
informations ou converser avec des clients (36 % des établissements utilisant l’IA), puis de la robotique.

Outil d'aide à la décision 16%

46%

Traitement du langage naturel 13%

36%

Robotique 11% Part sur l'ensemble des

32% établissements
Alhotuthmes informatiques d'auto- 10%
apprentissage 29%
Part sur les établissements
Reconnaissance vocale 8% utilisateurs d'outils d'IA
22%

Reconnaissance visuelle 7%
21%

Figure 9 : Les outils d'IA les plus utilisés par les établissements – Enquête Pôle emploi (3 000 répondants) - 2023

Pour près de ¾ des employeurs, ce recours aux solutions d’IA a un effet positif sur l’évolution des
compétences des salariés. Les autres bénéfices observés par les employeurs sont notamment
l’augmentation de la productivité des salariés, une amélioration de la santé et la sécurité au
travail (cet impact est d’autant plus fort dans l’industrie notamment grâce à la robotisation et
l’automatisation de tâches dangereuses) et la réduction des tâches fastidieuses pour les salariés.
Pour autant, et malgré les avantages observés par les entreprises utilisatrices, une grande partie des
entreprises n’ont pas encore recours à des solutions d’IA. C’est d’autant plus vrai pour les petites

DPB / Direction des Politiques de

branches
entreprises. Dans une enquête réalisée par France Numérique en 2023, seulement 5 % des TPE/PME
avaient recours à une solution d’IA11.
Toutefois, la pratique se démocratise rapidement avec l’émergence des IA génératives et des
technologies LLM qui y sont associées. Ces IA sont facilement accessibles, même pour les plus petites
entreprises, et de nombreux cas d’usage sont importés au sein de l’entreprise par les salariés y ayant
recours dans leur sphère privée.

L’émergence des solutions d’IA génératives et l’explosion des usages

L’utilisation de solutions d’IA se développe ces dernières années avec l’émergence des solutions d’IA
génératives. Ces solutions utilisent des modèles d’apprentissage automatique (Machine learning) pour
générer des contenus (texte, images, vidéo ou audio). À la différence des autres solutions d’IA
traditionnelle, l’IA générative vise à produire de nouvelles données qui ressemblent à celles créées par
des êtres humains. De nouveaux outils facilement accessibles par abonnement (ChatGPT, Copilot,
Midjourney, Github…) permettent une utilisation facilitée des solutions d’IA.
En effet, bien qu’une faible partie des entreprises ait recours à des solutions d’IA générative (seulement
3 % des TPE/PME avaient régulièrement recours à des solutions d’IA début 2024 et 12 % y avaient
recours occasionnellement12), ces IA, en raison de leur facilité d’accès et d’usage, sont souvent utilisées
par les salariés directement, indépendamment de toute directive des entreprises. Selon une étude
réalisée l’Ifop pour Talan en 2024, 16 % des salariés déclarent utiliser les IA génératives dans le cadre
professionnel et 68 % d’entre eux l’utilisent sans en avertir leur employeur 13.

« L’IA générative, aujourd’hui, est plutôt une initiative des employés. Leurs usages ne sont pas validés
ou interdits par les DSI. Aujourd’hui, ces usages clandestins sont largement dominants par rapport
aux cas d’usage. » - Chercheur en IA
L’utilisation de cette technologie est donc plus répandue que ce que l’on peut observer par la seule
déclaration des employeurs, d’autant plus que son usage évolue de manière exponentielle dans la
mesure où, en un an, l’enquête réalisée par l’IFOP en 2024 montre que le nombre d’utilisateurs des IA
génératives a augmenté de 60 % par rapport à 2023. Cette rapide diffusion est plus rapide que les
précédentes innovations, car elle bénéficie de nouveaux facteurs inexistants auparavant comme
internet (qui permet la diffusion rapide des expériences et de la communication autour des bénéfices),
des coûts qui devraient continuer de baisser en raison du développement d’une concurrence sur ce
sujet et le développement de Chatbot qui rend facilement accessible l’utilisation de ces nouveaux
outils 14.
En cours de déploiement dans de nombreuses entreprises, l’IA générative semble apporter de
nombreux avantages :
- L’amélioration des processus : l'automatisation des tâches intellectuelles par l'IA Générative
peut permettre aux entreprises d'optimiser leurs processus internes. Selon une étude de PwC,
l'automatisation des processus métier grâce à l'IA pourrait entraîner une augmentation de la
productivité allant jusqu'à 40 % 15. En libérant les employés de tâches répétitives, ces
technologies peuvent les aider à se concentrer sur des activités à plus forte valeur ajoutée. Une
autre enquête menée, par Deloitte16, a révélé que 72 % des entreprises estiment que
l'automatisation des tâches administratives grâce à l'IA a permis d'améliorer la productivité et
la qualité du travail.

11
Baromètre France Num 2023 : où en sont les TPE PME (0 à 249 salariés) avec le numérique ? – France Numérique –
Septembre 2023 - lien
12
IA : révolution – BPI France et Le Lab- Mars 2024 - lien
13
Les Français et les IA génératives – IFOP/Talan- mai 2023 - lien
14 IA lettre du front – rapport COMEX40 Medef –2024 (lien)
15
How will AI affect jobs, skills, wages, and productivity ? – PwC – 2024 - lien
16
L’état de l’IA générative dans les entreprises - Deloitte – 2024 - lien

DPB / Direction des Politiques de

branches
 - La réduction des coûts : la démocratisation des technologies d'IA Génératives devrait
entraîner une baisse des coûts. Selon une étude de Capgemini 17 de 2024, l'adoption
généralisée de l'IA générative pourrait réduire les coûts opérationnels des entreprises de 25 à
35 % d'ici 2025. Cette réduction des coûts liée à l'utilisation de l'intelligence artificielle générative
peut également permettre aux entreprises de proposer des services plus compétitifs à leurs
clients.
- L’amélioration de la qualité du travail : selon une étude de McKinsey 18, 73 % des entreprises
ont constaté une amélioration de la qualité du travail grâce à l'intégration de l'intelligence
artificielle dans leurs processus. Cette évolution vers des métiers plus axés sur l'analyse, la
créativité et la prise de décision peut contribuer à valoriser les compétences humaines uniques.

Dans le paysage actuel de l'IA, les grands acteurs cherchent à consolider leur position en développant
des modèles toujours plus volumineux et puissants. Cette tendance, motivée par la volonté de capter
une part majeure des investissements et de dominer le marché, donne naissance à des modèles
généralistes, capables de gérer une grande variété de tâches de manière performante. Ces modèles
de grande taille démontrent leur utilité dans des applications telles que le chat ou les interactions
conversationnelles classiques, où leur vaste base de connaissances améliore la fluidité et la qualité des
échanges.
Cependant, cette orientation présente des défis importants lorsqu'il s'agit de personnalisation et de fine-
tuning. Que l'on parle de modèles propriétaires comme GPT ou open source tels que Mistral ou les
modèles de Meta, adapter des architectures Transformers, grandes ou petites, à des cas d'usage
spécifiques reste coûteux et techniquement exigeant. Cette complexité découle non seulement de la
taille des modèles, mais aussi des limitations des Transformers, qui rendent difficile l'ajustement rapide
et peu onéreux aux besoins spécifiques. Dans le cas d’applications de type RAG, par exemple, l’intérêt
ne réside pas dans la vaste connaissance interne du modèle, mais dans sa capacité à formuler des
réponses en utilisant une base de connaissances externe. La technologie actuelle peine à répondre
efficacement à cette demande, exacerbant la domination des grands modèles généralistes au détriment
de solutions plus spécialisées et personnalisables.

2.3.2 LES CAS D’USAGE DE L’IA DANS LES ENTREPRISES

Pour analyser les perspectives d’implantation des IA dans les entreprises, il est préférable de se
positionner davantage dans le cadre des cas d’usage. Au-delà de savoir comment les IA fonctionnent
et sont construites, les entreprises sont davantage tournées vers les applications pour lesquelles elles
sont adaptées et les gains que leur usage permettrait. Il s’agit dès lors de proposer une classification
des grands usages qu’ont les entreprises des IA. Nous proposons ici de les classer en 4 catégories,
des usages dans le but :
- d’optimiser des process ;
- d’automatiser la réalisation de tâches ;
- de créer du contenu ;
- d’analyser des données afin de prédire des événements ;

Les IA d’optimisation

L’IA est largement utilisée pour résoudre des problèmes d’optimisation, que ce soit pour maximiser ou
minimiser un critère particulier (temps, coûts, ressources …). Cet usage trouve des applications dans
tous les secteurs de l’économie. Ça peut aussi bien être dans l’industrie, dans laquelle l’IA va analyser
des données afin d’optimiser les lignes de production ou d’optimiser la gestion des stocks comme dans

17
Harnessing the value of generative AI – Capgemini – 2024 - lien
18
The economic potential of generative AI: The next productivity frontie – McKinsey & Company – 2024 – lien

DPB / Direction des Politiques de

branches
le transport pour optimiser la gestion des flottes ou des trajets des véhicules, ou encore dans le
commerce en optimisant des campagnes marketing.
Exemples d’IA utilisées :

UPS utilise une IA pour optimiser sa

logistique, l’IA va déterminer les routes de
livraison optimales pour minimiser les coûts et
les délais de livraison. Cette IA n’est pas
Tesla optimise ses lignes de production
toujours réalisée avec de l’apprentissage. Et
par une IA qui va allouer les ressources à
malgré le fait que les algorithmes
chaque poste pour minimiser les temps
d’apprentissage automatique ont beaucoup
d’arrêt et maximiser la productivité.
apporté au domaine, des algorithmes simples
comme dijkstra sont des solutions d’IA
anciennes à ces problèmes.

La mise en place d’IA dans un but d’optimisation permet pour les entreprises d’obtenir une
réduction des coûts, mais aussi une amélioration de l’efficacité opérationnelle et une accélération
des processus de décision. En effet, une IA peut travailler 24 heures sur 24, 7 jours sur 7, à
l’optimisation avec une réactivité en temps réel dans énormément de situations.
Toutefois, la mise en place d’une telle IA nécessite des données de qualité pour garantir de bons
résultats et une optimisation excessive peut entraîner des coûts cachés ou des effets secondaires , par
exemple des conditions de travail plus difficiles dans les chaînes de production optimisées. Il est aussi
important de noter que les modèles utilisant de l’apprentissage ne sont capables de reproduire que les
schémas statistiques des données sur lesquels ils ont appris. Un système IA, à l’exception de quelques
approches complexes dédiées à cette tâche, ne saura pas réaliser une optimisation de rupture vis-à-vis
de la donnée sur laquelle il a été entraîné.

Les IA d’automatisation

L’IA permet d’automatiser des tâches répétitives, complexes ou nécessitant une intervention humaine.
Cette utilisation permet notamment de réduire les erreurs et libère des ressources pour des tâches à
plus forte valeur ajoutée.
Exemples d’IA utilisées :

Les robots logiciel développés par L’entreprise Fanuc développe des robots
UiPath permettent une automatisation du utilisés dans les chaînes de production pour
traitement des factures ou la saisie de assembler des pièces ou effectuer des tâches
données. de peinture de manière autonome.

DPB / Direction des Politiques de

branches
L'implémentation d'une IA avancée intervient pour réduire les erreurs humaines, augmenter la
productivité et diminuer les coûts associés à la main-d'œuvre. Ces avantages sont particulièrement
notables dans des domaines tels que le support client, la logistique et la catégorisation des données.
Cependant, le déploiement de l'IA n'est pas sans risques. Il peut entraîner la suppression d'emplois et,
dans certains cas, l'exécution inadéquate de tâches qui nécessiteraient une supervision ou une
intervention humaine. Le développement de cet usage est limité par l’appréhension de certaines
entreprises. Pour permettre son déploiement, il est crucial de comprendre la valeur ajoutée par un
système d'IA. Par exemple, si un système d'IA présente un taux d'erreur de 10 %, mais que ce taux
est nettement inférieur à celui d'une opération manuelle, qui pourrait être de 35 % selon les données
historiques, il se peut que certaines entreprises restent sceptiques quant à l'adoption de l'IA, la réticence
découlant d'une appréhension face au changement ou d'une mauvaise évaluation des bénéfices
potentiels d'une telle technologie.

Les IA de création et génération de contenu

Ces IA sont capables de générer des contenus innovants comme du texte, des images, de la musique
ou des vidéos. Pour fonctionner, elles vont analyser des ressources déjà existantes pour en déduire
des modèles qu’elles pourront reproduire.
Exemples d’IA utilisées :

OpenAI a développé une série de modèles d'apprentissage

automatique s’appuyant sur des architectures de
transformateurs préentraînés, connus sous le nom de série
GPT-n (Generative Pre-trained Transformers), allant de
GPT-1 à GPT-o1 en 2024. Ces algorithmes sont intégrés
dans le produit ChatGPT, qui permet de générer des textes
en réponse aux commandes des utilisateurs.
OpenAI a également mis au point DALL-E, un modèle de
génération d'images s’appuyant sur une architecture de
diffusion, qui est l'équivalent des transformateurs pour la
création visuelle. Il est important de noter que malgré la
notoriété des produits d'OpenAI tels que GPT et DALL-E,
d'autres entreprises ont développé des technologies
similaires. Par exemple, Meta a créé LLaMA, Mistral AI a
développé Mistral… qui sont également des architectures
de type GPT.

Ces IA permettent pour les entreprises utilisatrices de gagner en productivité en raison de

l’accélération des processus de création et aussi une personnalisation du contenu à grande
échelle. Toutefois, l'utilisation de ces outils soulève des enjeux éthiques et juridiques significatifs,
notamment en ce qui concerne la propriété intellectuelle des œuvres générées par l'intelligence
artificielle, ainsi que la sécurité des données personnelles. En effet, l'avènement de ces technologies
a permis la création de fausses informations d'un réalisme troublant. Par exemple, des images
retouchées montrant le pape François en tenue de mode ou des vidéos détournées du président
français Emmanuel Macron chantant à la place de la chanteuse Angèle dans un clip vidéo. Bien que
ces manipulations puissent sembler anodines, elles révèlent le potentiel de mésusage de ces outils.
Aux États-Unis, un incident particulièrement inquiétant a été rapporté : un individu a réussi à imiter la
voix du président Joe Biden, incitant près de cinq mille citoyens américains à s'abstenir de voter lors

DPB / Direction des Politiques de

branches
des primaires démocrates de janvier 2024. Cet exemple illustre clairement certains risques associés à
de telles technologies.

Figure 10 : Exemples de créations visuelles par IA générative

Les IA d’analyse et de prédiction

L’IA permet d’analyser des ensembles massifs de données pour extraire des informations utiles et faire
des prédictions sur des événements futurs, améliorant ainsi la prise de décision.
Exemples d’IA utilisées :

Le fonds d’investissement BlackRock à IBM a développé une IA santé, IBM Watson

développé l’IA Aladdin pour anticiper les Health, pour identifier des maladies à partir de
mouvements des marchés financiers. scans ou d’imageries médicales et aider le
corps médical dans la prise de décision.

Cette utilisation des IA a pour but d’accompagner des professionnels dans la prise de décision,
d’anticiper des tendances ou risques avant sa réalisation. Toutefois, son développement et son recours
ne sont pas sans risques pour les entreprises dans la mesure où elles sont fortement dépendantes
des données utilisées pour les prédictions. De ce fait, des biais dans les données utilisées peuvent
entraîner des anticipations erronées voire la reproduction de biais humains comme la discrimination.

DPB / Direction des Politiques de

branches
2.4 DES ÉVOLUTIONS DÉPENDANTES DES AVANCÉES
TECHNOLOGIQUES ET DES INVESTISSEMENTS

2.4.1 LES INNOVATIONS TECHNOLOGIQUES FUTURES DÉPENDANTES

DES OPPORTUNITÉS

Prédire les évolutions des IA est extrêmement difficile. En raison de la confidentialité des programmes
de recherche et développement des entreprises, les perspectives de progrès ne sont pas rendues
publiques avant leur aboutissement. C’est notamment ce qui explique la fulgurante arrivée de l’IA
générative au travers de ChatGPT développé par OpenAI. L’émergence de l’IA DeepSeek AI en début
d’année 2025 était aussi difficile à prévoir. Toutefois, pour mieux comprendre les technologies
émergentes de demain, on peut isoler 4 technologies d’IA majeures pour lesquelles le déploiement
pourrait fortement impacter les usages et les pratiques des entreprises. Ces IA sont développées
pour aider les entreprises à innover et se montrer plus compétitives tout en étant plus écoresponsables.
Elles correspondent notamment aux technologies suivantes :
- L’IA causale identifie et utilise les relations de cause à effet afin de transcender les modèles
prédictifs établis sur la corrélation et d’évoluer vers des systèmes d’IA capables de prescrire
des actions efficaces et autonomes. Cette technologie est l’une des plus émergentes et devrait
être opérationnelle d’ici 2 à 5 ans. Cette IA plus autonome rendra les prévisions plus pertinentes
et aura un impact important sur les usages des IA pour l’analyse et la prédiction.
- L’apprentissage automatique fédéré (Federated machine learning) vise à former un
algorithme d’apprentissage automatique sans partager explicitement des échantillons de
données, ce qui permet d’améliorer la confidentialité et la sécurité. Cette technologie permet de
faciliter l’apprentissage, notamment le respect des réglementations et des intérêts des
entreprises. Cette protection des données permettra de faciliter le déploiement d’IA dans les
domaines sensibles tels que la santé.
- La science des données graphiques (SDG) est une discipline dans laquelle les techniques
de science des données sont appliquées aux structures de données graphiques afin d’identifier
les caractéristiques comportementales qui peuvent être utilisées pour générer des modèles
prédictifs. Cette technologie devrait être opérationnelle d’ici au moins 5 ans et permettra
l’analyse d’un plus grand nombre de données. Ces IA pourraient avoir un impact dans de
nombreux domaines comme le conseil ou le marketing, pour réaliser des tâches de prédiction,
d’aide à la décision ou de création.
- L’IA neurosymbolique est une forme d’IA composite qui combine des méthodes du machine
learning (apprentissage automatique) et des méthodes d’IA symbolique pour créer des modèles
d’IA plus robustes et plus fiables. Cette technologie n’est pas encore optimale et son plein
emploi devrait être atteint dans une dizaine d’années . Toutefois, elle est prometteuse dans la
mesure où elle devrait permettre d’améliorer l’explicabilité des résultats proposés par l’IA
(quelles chaînes causales… ?), mais aussi la fiabilité des résultats des IA sur des bases de
données plus faibles (et donc moins coûteuses en temps et en énergie) ce qui rendra le recours
à l’IA plus accessible pour les entreprises.
Il est essentiel de souligner que les technologies inhérentes à la discipline de l'intelligence artificielle
sont en proie à des bouleversements majeurs. Le traitement du langage naturel (NLP), autrefois
considéré comme un domaine distinct par des références telles que Gartner, a vu sa perception
transformée par l'essor fulgurant de l'IA générative. Cette dernière, dont les modèles LLM constituent
une sous-branche, a redéfini les tendances technologiques. Les architectures de type Transformer, qui
constituent le socle des LLM modernes, existent depuis 2017. Cependant, c'est l'intégration de ces
architectures avec des mécanismes d'attention qui a catalysé l'explosion des capacités des LLM. Cette
percée technique, imprévisible et difficilement anticipable, explique pourquoi le marché peut être
pris au dépourvu. En comparant les courbes de hype de 2022 à celles de 2023, on observe des écarts
significatifs dans les prévisions concernant le temps que l'IA générative mettra pour atteindre

DPB / Direction des Politiques de

branches
un plateau de maturité. Ces différences s'expliquent par l'intense activité de recherche dans le
domaine et les améliorations de performance qui sont réalisées sur une base quasi hebdomadaire.

Figure 11 : Hype Cycle concernant l'intelligence artificielle - Gartner - 2022 et 2023

Enfin, ces technologies peuvent permettre d’être plus performants en étant écoresponsable. C’est
particulièrement le cas pour des applications d’IA non générative sur des sujets d’optimisation de
ressources. En revanche, l’utilisation d’IA générative engendre un impact carbone conséquent, que ce
soit pour chaque inférence du modèle, chaque prédiction que l’on souhaite faire et ce sans prendre en
compte le coût d’apprentissage de ce dernier. Cet impact carbone constitue un frein à son déploiement
aujourd’hui. De plus, les coups pour développer l’apprentissage de ces modèles restent importants,
même pour les IA génératives en open source tel que Mistral.
Nombre de Coût d'entraînement Impact carbone
Modèle 19 Temps d'entraînement
paramètres (USD) (tonnes de CO2)
GPT-3 175 milliards 12 millions Plusieurs semaines ~502
GPT-4 Non spécifié Non spécifié Non spécifié Non spécifié
GPT-4o Non spécifié Plus élevé que GPT-4o- Plus long que GPT-4o- Plus élevé que GPT-4o-
mini mini mini
GPT-4o-mini Non spécifié Moins élevé que GPT- Plus court que GPT-4o Moins élevé que GPT-
4o 4o
Mistral 7B 7 milliards Non spécifié Non spécifié Non spécifié
Mixtral 8x22B 141 milliards (39 Non spécifié Non spécifié Non spécifié
milliards actifs)
Llama 2 70B 70 milliards Non spécifié Non spécifié Non spécifié
BLOOM 176 milliards ~ 7 millions 3 mois ~ 50.5
BERT-Large 340 millions ~ 500 000 4 jours Non spécifié
GPT-2 1.5 milliard ~ 50 000 Non spécifié Non spécifié
PaLM 540 milliards ~ 8 millions Non spécifié Non spécifié
Figure 12 : Coût et impact carbone des différents LLM

Il est important de noter que ces chiffres sont des estimations construites sur les informations
disponibles fin 2024 et peuvent varier en fonction des infrastructures utilisées, des optimisations

19
Carbon Emissions and Large Neural Network Training – Cornelle University – 2023 - lien

DPB / Direction des Politiques de

branches
appliquées et des sources d’énergie employées. De plus, l’impact environnemental dépend également
de la localisation des centres de données, de leur efficacité énergétique…

2.4.2 D'IMPORTANTS INVESTISSEMENTS DANS L’IA ANNONCÉS

Les investissements dans l’IA sont en très forte progression sur ces dernières années et devraient
continuer à augmenter, particulièrement en France.

Un engagement fort des pouvoirs publics dans l’IA

Au niveau des pouvoirs publics, au cours des dernières années, la France a considérablement intensifié
ses investissements dans le domaine de l'intelligence artificielle (IA), consolidant ainsi sa position parmi
les leaders européens en la matière. En 2023, le pays comptait environ 751 start-ups spécialisées en
IA (+ 27 % par rapport à l’année précédente) ayant levé plus de 2 milliards d'euros cette même année,
soit une multiplication par six par rapport à 2018. Ces investissements sont renforcés par la mise en
place d’une stratégie nationale pour l'IA, depuis 201820, amplifiée en 2022 avec le plan France 2030,
pour des investissements à hauteur de 2,5 milliards d'euros dans ce secteur entre 2018 et 2025.
Ce plan vise à soutenir la recherche, la formation et le développement de technologies innovantes. En
2023, un financement sur cinq ans de 360 millions d’euros a été réparti entre neuf pôles d'excellence
en recherche et formation en IA qui ont été sélectionnés.
Pour l’avenir, les projections indiquent une accélération des investissements. À la suite du rapport de la
commission de l’intelligence artificielle de mars 2024, qui recommande que la France triple ses
investissements dans l’IA générative, et en réponse au plan d’investissement américain « Stargate »,
doté de 500 milliards d’euros, Emmanuel Macron a annoncé, à la veille du Sommet pour l’action sur
l’IA, un investissement de 109 milliards d’euros « dans les années à venir ».
Ces investissements à l’échelle nationale sont à additionner avec des dynamiques territoriales qui leur
sont propres. En effet, certaines régions peuvent également investir dans l’accompagnement des
entreprises dans le développement des solutions d’IA. C’est le cas notamment de la région Occitanie
qui a adopté un plan de 60 millions d’euros dédié aux intelligences artificielles à horizon 202821.

Un développement porté par les investissements privés

L’avenir de l’IA dépend également fortement des investissements permettant de faire avancer la
recherche, émerger de nouvelles technologies et proposer de nouveaux cas d’usage.
Sur ces dernières années, les États-Unis représentent le pays pour lequel les investissements privés
dans l’IA sont les plus importants. Sur les 10 dernières années, près de 335 milliards de dollars ont été
investis par des fonds privés dans le développement de l’IA et près de 67 milliards sur l’année 2023,
soit 0,25 % du PIB des Etats-Unis en 2023. En France, sur les 10 dernières années, 8 milliards de
dollars ont été investis dans le développement de l’IA et près de 1,6 milliard sur la seule année 2023,
soit 0,05 % du PIB français en 2023 (soit 5 fois moins qu’aux Etats-Unis).

20
Intelligence artificielle en France : un écosystème d’excellence – Ministère de l’économie – 2024 - lien
21
Décision Région Occitanie – 2024 – lien

DPB / Direction des Politiques de

branches
 Etats-Unis 335,24
Chine 103,65
Royaume Uni 22,25
Israël 12,83
Canada 10,56
Allemagne 10,35
Inde 9,85
France 8,31
Corée du sud 7,25
Singapore 6,25
Japon 4,81
Australie 4,4
Suisse 3,28
Hong Kong 3,15
Suède 2,88

Figure 13 : Investissements privés dans l'IA générative entre 2013 et 2023 par pays en milliard de dollars
– IA Index report – Stanford University - 202422

En 2025, les investissements pourraient fortement augmenter dans le monde. Aux Etats-Unis, le
nouveau gouvernement a annoncé un investissement de près de 500 milliards euros dans le projet d’IA
baptisé « Stargate »23. En France aussi, les investissements devraient également augmenter. De
grosses entreprises investissent pour accompagner le développement de l’IA et de ses usages. À titre
d’exemple, Microsoft 24 a annoncé en mai 2024 un investissement de 4 milliards d'euros en France pour
développer des infrastructures cloud et des centres de données dédiés à l'IA et Amazon25 va investir
près de 1,2 milliard d’euros également dans des infrastructures cloud pour le domaine de l’intelligence
artificielle.
À l’échelle mondiale, ce marché est en pleine expansion et il ne semble pas ralentir. En effet, si en 2023
le marché de l’IA représentait près de 241 milliards de dollars, en 2030 il est estimé que ce marché
pèsera près de 15 700 milliards 26.
Toutefois certains indicateurs montrent que le secteur pourrait être confronté à des difficultés. La
crainte d’un nouvel « hiver » de l’IA émerge, notamment de l’IA générative, en raison de son
caractère peu rentable. Cette crainte du manque de rentabilité pour inciter à baisser les investissements
des entreprises dans des solutions d’IA.
De plus, cette évolution n’est possible que si les matériaux permettant l’utilisation de l’IA sont
disponibles. En effet, la création d’IA nécessite l’utilisation de semi-conducteurs et une potentielle
pénurie pourrait ralentir fortement le développement des IA du fait du manque des matériaux
nécessaires à son usage. D’autant plus que l’augmentation des besoins en microprocesseurs, en
datacenters et en infrastructure, va augmenter les besoins en matières premières et notamment de
certains métaux, dont le cuivre. Par exemple, il a été estimé que l'IA allait représenter une demande
supplémentaire de 1 million de tonnes par an de cuivre d'ici à 203027, ce qui devrait entrainer une forte
hausse des besoins de cette matière première et donc des coûts plus élevés. Au-delà des semi-

22
IA Index report – Standford University - 2024 - lien
23
Projet Stargate : derrière les 500 milliards annoncés- France info – 2025 – (lien)
24
Microsoft annonce un investissement de 4 milliards d'euros en France – 2024 - lien
25
Amazon investira 1,2 milliard d'euros dans l'IA et ses entrepôts – L’express 2024 - lien
26
Le marché de l’IA en chiffres – BPI France – 2024 - lien
27
Le cours du cuivre s’emballe – Les Echos -2024 - lien

DPB / Direction des Politiques de

branches
conducteurs et du cuivre, l’utilisation de l’IA a conduit à une explosion des besoins en électricité, qui
peut également entraîner une forte augmentation des coûts de l’IA dans les années à venir.
Enfin, pour que les pays puissent développer les IA, l’enjeu est aussi pour eux de savoir garder les
talents, les personnes formées sur cette spécialité, afin d’avoir les ressources humaines pour répondre
à ces investissements.

2.5 UN DÉVELOPPEMENT DE L’IA CONDITIONNÉ PAR LA PRISE

EN COMPTE DES ENJEUX SOCIÉTAUX

Le déploiement de systèmes d’IA pose de nombreuses questions qui peuvent ralentir leur adoption
aujourd’hui et pour les années à venir ou, tout du moins, qui ne rendent pas leurs usages sans risque.
Le recours à l’IA pose en effet des enjeux éthiques (notamment en raison des biais que peut avoir l’IA),
rentre en confrontation avec les enjeux environnementaux actuels et il introduit de nouvelles
problématiques de sécurité importantes, de respect des nouvelles réglementations et est aussi
confronté à des enjeux de rentabilité.

2.5.1 LES ENJEUX ÉTHIQUES DE L'IA

Les risques éthiques liés à l'IA sont multiples, notamment concernant la transparence, la discrimination,
et la responsabilité des décisions prises par les algorithmes.
En matière de discrimination et de biais, les algorithmes d'IA, lorsqu'ils sont mal conçus ou mal
entraînés, peuvent reproduire des biais discriminatoires, notamment en matière de recrutement ou de
justice. Par exemple, des systèmes de recrutement automatisés ont déjà été démontrés comme
discriminant des candidatures féminines ou issues de minorités ethniques.
Ainsi, en octobre 2018, les développeurs de l’IA utilisé par Amazon pour trier les CV se sont rendu
compte que leur programme, développé sur la base d’un système de notation automatisé, pénalisait les
candidatures où figurait une référence aux femmes. Lors de sa création, le logiciel intelligent avait été
entraîné avec des banques de CV d'anciens candidats qui étaient très majoritairement des hommes.
De plus, les systèmes d’IA peuvent parfois entraîner une perte d'autonomie pour les personnes.
L'automatisation accrue peut réduire la capacité des individus à exercer un jugement critique. Le rapport
de la CNIL souligne que les algorithmes peuvent entraîner une « perte de compétence » des
professionnels qui se reposeraient trop sur l'IA 28. Cela touche des secteurs sensibles comme la santé
ou la finance, où des erreurs algorithmiques peuvent entraîner des conséquences majeures.
L’IA vient également transformer la question de la responsabilité. Elle devient floue avec l'utilisation
d'IA, notamment dans des domaines où les décisions sont partiellement ou entièrement automatisées.
Par exemple, dans le cadre de l'utilisation de robots autonomes dans la défense, la France a refusé
d'adopter des systèmes d'armes totalement autonomes, insistant sur la néc essité de maintenir un
contrôle humain.
Cette responsabilité implique également dans certains secteurs, comme celui de la santé, de garantir
l’explicabilité des résultats des IA. Ce principe est la capacité de mettre en relation et de rendre
compréhensible les éléments pris en compte par le système d’IA pour la production d’un résultat. Or,
aujourd’hui, pour certaines IA, les algorithmes très complexes ne permettent pas de répondre à ce
principe, ce qui freine la mise en application d’IA avancées. Par exemple, dans le domaine de la santé,
ces systèmes sont souvent soumis à des homologations et/ou certifications qui requièrent de pouvoir
expliquer les résultats pour justifier les décisions prises. Aujourd’hui, le fait que beaucoup de solutions
d’IA ne permettent pas d’expliquer les résultats freine leur utilisation.

28
Comment permettre à l’homme de garder la main ? – CNIL – 2017 - Lien

DPB / Direction des Politiques de

branches
 « Dans le cadre des systèmes des réseaux de neurones, on n’arrive pas à expliquer les résultats.
C’est un réel frein, car il existe des systèmes performants, mais très difficiles à faire homologuer » -
Chercheur en IA

2.5.2 LES ENJEUX ENVIRONNEMENTAUX DE L'IA

L’impact environnemental des systèmes d’IA est important et son développement peut parfois entrer en
confrontation avec les impératifs actuels. En effet, alors que les réglementations visant à réduire l’impact
environnemental des entreprises se renforcent, la Stratégie Nationale Bas Carbone fixe un objectif de
neutralité carbone à horizon 2050 qui impose aux entreprises de maîtriser leur impact carbone. En ce
sens, l’impact des IA, sur plusieurs points, est souvent sous-estimé.
La consommation énergétique des IA peut être énorme, c’est particulièrement vrai pour les modèles
génératifs tels que ceux utilisés pour la génération de texte ou d'images. La formation des grands
modèles de langage (LLM) requiert des ressources massives en calcul, ce qui se traduit par des
émissions de CO2 importantes. Une étude de 2019 montre que l'entraînement d’un seul modèle peut
émettre autant de CO2 que cinq voitures au cours de tout leur cycle de vie29.
Dans l’impact carbone des IA, il faut également prendre en compte le cycle de vie des matériaux.
L’évaluation des impacts environnementaux de l'IA doit inclure non seulement l'empreinte carbone liée
à la consommation énergétique, mais aussi celle des équipements physiques utilisés (serveurs, centres
de données, terminaux) et leur cycle de vie, depuis leur production jusqu’à leur recyclage. En ce sens,
l’IA, pour se développer, a besoin d’infrastructure, notamment de datacenters. Leur construction est en
forte expansion (à titre d’exemple, Microsoft a annoncé investir près de 4 milliards d’euros en France
pour la construction de datacenters) alors même que plusieurs réglementations rendent plus
contraignante la construction de bâtiments neufs (comme la loi climat et résilience qui impose des
obligations de revégétalisations en cas d’artificialisation des sols).
De ce fait, le recours à ces technologies, fortement consommatrices, impacte grandement les émissions
carbone des entreprises alors qu’elles doivent aujourd’hui faire preuve de frugalité énergétique. Cette
contrainte les conduit à intégrer des critères environnementaux dans le développement et l’usage des
systèmes mobilisant l’IA. Cela inclut une gestion responsable des ressources informatiques (centres de
données, serveurs) pour limiter l'impact carbone de l'IA, notamment dans les processus énergivores
comme l’entraînement des modèles.
Par exemple, plusieurs entreprises se tournent vers des solutions IA open source optimisées pour une
utilisation moins gourmande en énergie ou mettent en place des centres de calcul verts .

2.5.3 LES ENJEUX DE SÉCURITÉ DE L’IA

Les enjeux de sécurité de l'IA concernent tant la cybersécurité que la sécurité physique ou encore la
protection des utilisateurs contre les erreurs ou abus potentiels des systèmes d'IA.
Concernant la cybersécurité, les systèmes d'IA sont eux-mêmes vulnérables à des attaques, par
exemple à travers des manipulations de données (data poisoning) qui peuvent fausser les résultats. En
2023, environ 30 % des entreprises interrogées en France avaient déjà utilisé l'IA pour détecter des
cybermenaces, mais l'IA reste elle-même une cible. Les systèmes d'IA peuvent devenir des cibles pour
les cyberattaques, notamment dans des secteurs critiques comme l'énergie, la finance ou la défense.
La sécurisation des données utilisées pour entraîner ces systèmes est cruciale pour éviter le piratage
et les fuites d'informations sensibles qui entraîneraient l’engagement de la responsabilité des
entreprises.
De plus, certaines IA peuvent exercer une influence sur la sécurité physique des personnes
comme les IA dans des systèmes autonomes utilisés dans le développement des voitures sans

29
Energy and Policy Considerations for Deep Learning in NLP – Emma Strubell, Ananya Ganesh, Andrew McCallum - 2019

DPB / Direction des Politiques de

branches
conducteur ou des drones. Les erreurs dans les algorithmes de décision de ces systèmes peuvent
entraîner des accidents graves.
Face à ces risques, la réglementation encadre les pratiques notamment dans des secteurs
spécifiques. L’IA Act européen prévoit des règles strictes pour l'utilisation des systèmes d'IA dans des
contextes à haut risque, comme les transports ou la gestion de la sécurité publique. Des obligations de
transparence et de surveillance sont imposées pour garantir que ces systèmes fonctionnent de manière
sécurisée.

2.5.4 LES ENJEUX RÉGLEMENTAIRES

La création et l’usage des IA se font également dans un cadre légal et réglementaire de plus en plus
contraignant. Face aux nouvelles innovations, les pouvoirs publics sont amenés à légiférer pour
permettre un déploiement des IA dans un cadre respectueux du droit et des personnes. Deux textes
européens viennent notamment encadrer le développement et l’utilisation des IA.
La première norme est la réglementation RGPD. Elle a pour objet de protéger le recueil et l’utilisation
des données par les entreprises. Elle a un impact direct sur l’IA et cela à différents niveaux :
- Lors de la phase d’apprentissage : cette étape consiste à concevoir, développer et entraîner
un système d’IA et en particulier un modèle. Lors de cette phase, l’IA va être amenée à collecter
une grande base de données afin d’apprendre et de s’entraîner. Il est donc nécessaire de savoir
comment alimenter l’IA avec des données respectueuses de la réglementation. De plus, il faut
garantir que, le cas échéant, le traitement des données personnelles et/ou sensibles par l’IA se
fait aussi dans le respect de la réglementation et ne porte pas atteinte aux droits des personnes.
- Lors de la phase de production : cette phase consiste à déployer de manière opérationnelle
le système d’IA. Lors de cette phase, les productions de l’IA ne doivent pas permettre de
divulguer des informations personnelles ou sensibles. Il y a donc un enjeu de contrôle des
productions de l’IA pour que l’entreprise ne soit pas involontairement à l’origine de fuite ou
modification de données personnelles.
En ce sens, le développement d’IA et leur utilisation ne peuvent se faire sans une bonne connaissance
de la réglementation RGPD. L’implication des délégués à la protection de données dans la mise en
place de solutions d’IA au sein de l’entreprise est nécessaire et primordiale pour garantir un usage
respectueux des normes.
La seconde norme récemment entrée en vigueur, le 12 juillet 2024, est le règlement européen dit «
IA Act ». Ce texte a notamment pour objectif de veiller à ce que les systèmes d’IA mis sur le marché
soient sûrs. Il vient notamment harmoniser les réglementations de mise sur le marché à l’échelle
européenne de systèmes d’IA, mais aussi interdire certaines pratiques. Les pratiques interdites
concernent notamment les atteintes considérées comme trop grandes à la vie privée comme la
reconnaissance des émotions sur le lieu de travail ou encore un système qui aurait pour fonction
d’évaluer ou à établir un classement de la fiabilité de personnes en fonction de leur comportement
social.
Cette réglementation applique des exigences spécifiques aux IA considérées comme étant à haut risque
(notamment dans les domaines des transports et la gestion de la sécurité publique). Des obligations de
transparence et de surveillance sont imposées pour garantir que ces systèmes fonctionnent de manière
sécurisée. Ça concerne une liste déterminée d’IA correspondant à celles nécessitant une évaluation de
conformité afin d’être commercialisées et à celles amenées à gérer et exploiter des infrastructures
critiques.
Pour ces IA à haut risque, plusieurs acteurs sont soumis à des obligations :
- Le fournisseur des solutions d’IA : il a l’obligation de prendre les mesures nécessaires sur le
système d’IA à risques élevés s’il n’est pas conforme à la réglementation.
- Le distributeur des solutions d’IA : il doit prendre les mesures correctives si une IA non
conforme est actuellement sur le marché.

DPB / Direction des Politiques de

branches
 - L’utilisateur des solutions d’IA : il doit d’assurer de la pertinence des données entrées dans
le système.
Pour développer une IA ou y avoir recours, il faut donc également bien comprendre comment, en
fonction de la finalité poursuivie, l’entreprise s’inscrit dans l’écosystème et maîtriser la réglementation
pour connaitre les obligations applicables.
Les entreprises utilisant et développant des solutions d'IA doivent aborder ces enjeux de manière
proactive. La mise en place de comités d'éthique, l'évaluation environnementale rigoureuse, et des
protocoles de sécurité renforcés sont autant de moyens d'assurer une adoption responsable de ces
technologies. En parallèle, les régulations européennes et nationales, telles que l'AI Act ou le RGPD,
définissent un cadre légal qui vise à minimiser ces risques tout en encourageant l'innovation.

2.5.5 LES ENJEUX DE PROPRIÉTÉ INTELLECTUELLE

Les enjeux de propriété intellectuelle dans le cadre de l'intelligence artificielle sont nombreux et
complexes et peuvent freiner l’utilisation de solutions d’IA au sein d’une entreprise.
L'un des problèmes les plus débattus est de savoir si une IA peut être considérée comme l'auteur ou
l'inventeur d'une œuvre ou d'une invention. Les systèmes juridiques actuels s’appuient
généralement sur l'idée que seuls les humains peuvent être auteurs ou inventeurs, ce qui soulève des
questions sur la propriété des créations générées par l'IA. Aujourd’hui, alors que les CGU peuvent
préciser que l’utilisateur est titulaire des droits de propriété sur le contenu créé, ni la réglementation ni
la jurisprudence (française ou européenne) n’a pour le moment posé un cadre clair sur ce cas de figure.
En ce sens, certaines entreprises ont développé des solutions garantissant une lisibilité sur la propriété
intellectuelle des créations. Par exemple Firefly, développé par Adobe, est une application web pour
l’étiquetage de contenus créatifs. Elle offre une solution efficace pour garantir l’authenticité des œuvres
numériques.
Au-delà de la question de la propriété des contenus créés, le développement des IA pose aussi la
question de la propriété des données utilisées pour entrainer l’IA. Les contenus étant créés à partir
de contenus déjà existants, ils peuvent être à l’origine d’une contrefaçon. Pour encadrer cette pratique,
l’IA Act pose le principe de transparence dans l’utilisation des données. Autrement dit, les créateurs
d’IA doivent fournir publiquement un résumé suffisamment détaillé du contenu utilisé pour
l’entraînement de leurs algorithmes. Sur la base de cette publication, les auteurs peuvent demander à
ce que leur création ne soit pas utilisée pour entrainer l’IA.
Utiliser des IA impose de maitriser ces enjeux juridiques pour garantir une application respectueuse des
normes en vigueur et que toutes productions réalisées à l’aide d’une IA ne portent pas atteinte au droit
d’auteur d’autres personnes et soit bien la propriété de l’entreprise.

2.5.6 DES ENJEUX DE RENTABILITÉS DES SOLUTIONS D’IA DÉVELOPÉES

Bien que beaucoup de solutions d’IA sont aujourd’hui testées par les entreprises, les solutions d’IA
générative restent souvent à un stade d’expérimentation et des difficultés sont rencontrées pour
déterminer l’efficacité et la rentabilité de ces solutions. Nous sommes aujourd’hui dans une période du
pic de l’attente vis-à-vis de ‘IA.
En effet, le taux d’échec des projets d’IA reste encore très élevé. Dans une étude réalisée par RAND
en 2024, il apparait que 80 % des projets d’IA n’aboutissent pas 30. Le principal défi pour les décideurs
est notamment le passage à l’échelle des solutions pour gagner en rentabilité. En effet, dans un
sondage de 2024 réalisé par la BCG auprès de dirigeants d’entreprises dans le monde 31, 74 % des
entreprises qui utilisent des solutions ne trouvent pas de rendement à ces technologies . Cela nécessite

30
The Root Causes of Failure f or Artif icial Intelligence Projects and How They Can Succeed – RAND - Lien
31
Where’s the Value in AI – BCG – 2024 (lien)

DPB / Direction des Politiques de

branches
de réussir les intégrations techniques des IA ainsi que de maitriser les coûts liés au développement des
solutions, de leur intégration et de leur maintenance.
En conséquence de cela l’intérêt à l’égard des solutions d’IA est en baisse sur les derniers mois
L’enthousiasme mondial pour l’utilisation de l’intelligence artificielle au travail diminue, passant de 47 %
à 41 %, notamment aux États-Unis (de 45 % à 36 %) et en France (de 53 % à 41 %). Bien que son
usage progresse parmi les travailleurs de bureau, il tend à progresser moins vite : après une hausse de
20 % à 32 % entre septembre 2023 et mars 2024, il stagne autour de 33 % ces derniers mois, tant en
France qu’aux États-Unis.

Pour réussir cette mise en place, plusieurs étapes peuvent être identifiées :
• Identifier un besoin réel et viable. La première étape consiste à cibler un cas d'usage
précis où l'IA peut apporter une réelle valeur ajoutée. Par exemple, dans le secteur bancaire,
l'IA est souvent utilisée pour détecter les fraudes, tandis que dans l'industrie, elle peut
permettre d’anticiper des casses via de la maintenance prédictive.
• Évaluer la faisabilité technique et financière. Cette étape implique une analyse
approfondie des coûts et des infrastructures nécessaires. Selon l'étude Expleo, 39 % des
décideurs identifient des difficultés techniques comme un obstacle majeur et 35 %
mentionnent les coûts élevés comme une contrainte significative
• Choisir la bonne technologie et la bonne architecture. L'IA repose sur des infrastructures
technologiques adaptées. Il est essentiel de sélectionner des outils répondant aux besoins
spécifiques de son organisation. Une erreur fréquente est de sous-estimer les besoins en
infrastructures, ce qui peut entraîner des surcoûts ou des performances limitées.
• Construire un « pipeline » de données solide et automatisé. Les données sont la pierre
angulaire de tout projet d'IA. Il est crucial de disposer de données de haute qualité,
cohérentes et mises à jour régulièrement. Par exemple, dans le domaine des sciences de la
vie, des flux de données robustes permettent de développer des modèles pour la découverte
de médicaments.
• Entraîner et valider le modèle sur des données représentatives. Un modèle d'IA doit être
testé sur des données représentatives des conditions réelles pour assurer sa robustesse et
sa fiabilité. Cela évite de nombreux problèmes lors de la mise en production à grande
échelle.
• Organiser le suivi et la maintenance des données et des modèles. Une fois en
production, l'IA doit être surveillée pour détecter les dérives des données et adapter les
modèles. Cela garantit leur efficacité à long terme et répond aux évolutions des besoins
organisationnels.

Le passage à l’échelle de l’IA implique d’avoir une bonne maitrise des différentes étapes avec
notamment des compétences dans l’accompagnement du changement pour identifier les cas
d’usage et accompagner les entreprises et ses équipes dans l’intégration des SIA dans leur process.
Cela nécessite aussi de solides compétences en termes de gouvernance, notamment des données,
pour garantir un bon apprentissage des SIA, mais aussi pour ne pas entrainer une mauvaise
utilisation des données.

DPB / Direction des Politiques de

branches
 PARTIE 3.
LES USAGES DES
INTELLIGENCES ARTIFICIELLES
DANS LES SECTEURS DE LA
BRANCHE

DPB / Direction des Politiques de

branches
 Synthèse de la partie

Les entreprises de la branche jouent un rôle double : elles sont à la fois utilisatrices et développeuses
d'IA. Parmi elles, 39 % conçoivent et déploient des IA sur mesure. Ces activités représentent
actuellement 16 % du chiffre d’affaires entreprises de la branche et sont en constante augmentation
car elle pourrait représenter 30 % du chiffre d’affaires en 2028. Les projets développés se tournent
principalement vers le secteur des services aux entreprises comme le numérique ou le conseil (86
%), de la santé et du social (65 %) et de l’Administration, le Service Public et les collectivités
territoriales (64 %).
Ce rôle de créateur et d’intégrateur implique des interventions à plusieurs étapes du cycle de vie de
l’IA, allant de la conception à l’exploitation et à l’optimis ation, tout en assurant la maintenance et la
formation des utilisateurs.
En ce sens, les entreprises peuvent intervenir à toutes les étapes d’un projet d’IA.
- Dès la phase d’itération et de conception, elles accompagneront les entreprises dans la
définition de leur projet et des moyens techniques les plus adaptés aux besoins et aux
contraintes budgétaires, légales et environnementales
- Durant la phase de développement, elles réaliseront la production des algorithmes et des
tests afin de créer un outil qui répond aux besoins et aux usages.
- Enfin, dans la phase de production et de déploiement les entreprises auront pour principale
tâche de permettre la bonne intégration des IA dans les systèmes des entreprises et dans la
conformité des réglementations en vigueur

Par ailleurs, ces activités de développement ou d’accompagnement au développement d’IA

concernent une part non négligeable des salariés de la branche. En effet, environ 258 000 salariés
travaillent sur ces activités ce qui représentent 19 % des effectifs de la branche.

Les entreprises de la branche sont également des consommatrices d’IA : 64 % des entreprises
ont aujourd’hui recours à des SIA et 75 % des salariés de la branche en utilisent. Les principaux freins
invoqués par les entreprises non utilisatrices sont la crainte de l’augmentation des risques sur la
sécurité de l’entreprise, les contraintes financières, ou encore le risque d’impacts sur la confidentialité
des données.

Les entreprises vont y avoir recours à différents moments pour optimiser leurs travaux. Les usages
et leur degré peuvent différer fortement en fonction des secteurs de la branche et de la taille des
entreprises (les TPE/PME mobilisent par exemple moins l’IA que les entreprises de plus de 500
salariés). Différents cas d’usage sont mobilisés par les entreprises comme l’optimisation (dans
l’industrie elles vont être amenées à créer des IA pour optimiser le processus de production, dans la
vente les IA développées peuvent optimiser les campagnes marketing), la création de contenus
(des IA ont été créées pour faciliter la conception de produits industriels) ou encore l’analyse et la
prédiction (ces IA ont été développées par des entreprises de la branche pour anticiper les prévisions
météorologiques).

Pour chaque secteur, des IA spécifiques aux métiers ont été développées (par exemple des IA
permettant la réalisation de test pour le numérique, des IA pour l’analyse de données financières pour
le conseil, des IA de suivi en temps réel d’événements…) Toutefois, certains usages sont aussi
partagés par toutes les entreprises, notamment sur les fonctions support comme l’aide à la rédaction
de document, l’analyse de CV pour les fonctions RH ou encore la création de contenu pour le
marketing.

DPB / Direction des Politiques de

branches
 3.1 LES PROJETS D’INTELLIGENCES ARTIFICIELLES
DÉPLOYÉES PAR LES ENTREPRISES DE LA BRANCHE

La chaîne de valeur de l’IA peut être segmentée en trois parties 32 :

• Les intrants (données, capacités de calcul, main d’œuvre spécialisée…) nécessaires au
développement de solutions d’IA ;
• La modélisation, notamment des modèles d’IA généralistes et leur spécialisation ;
• Le déploiement des modèles chez les utilisateurs finaux.

Les entreprises françaises sont très peu positionnées sur la première partie. En effet, la capacité de
calcul est largement concentrée autour de quelques très grandes entreprises comme NVIDIA (85 % des
parts de marché mondial) et AMD (10 % des parts de marché mondial) 33. Le marché des infrastructures
de calcul et de leur location est également concentré autour de quelques entreprises, mais certaines
entreprises françaises se positionnent dessus comme OVHCloud ou encore Scaleway qui a annoncé
en 2024 des investissements dans des infrastructures de calcul et développe un service d’entrainement
de modèle34.
La modélisation et le déploiement des IA sont plus ouverts notamment sur des modèles spécialisés à
un secteur. Bien que le développement de modèles généralistes reste largement dominé par les
GAFAM (près d’un tiers des modèles récents ont été développés par Google Microsoft ou Méta), la
spécialisation de ces derniers laisse une plus grande place aux start-ups notamment parce que la
spécialisation des modèles pré-entrainés pour une application spécifique nécessite moins de données
et de puissance de calcul. En ce sens, en France de nombreuses start-ups investissent dans le
développement de nouveaux cas d’usage35. Dans le cadre d’une étude de Sopra Storia pour France
Digital, 590 startups françaises ont été recensées et sont spécialisées dans l’intelligence artificielle en
2023.
Dans cette chaine de valeur de l’IA, la branche des bureaux d’études techniques est particulière
puisque, si une grande partie de ses entreprises est consommatrice de solutions d’IA, elle est surtout
la branche qui accompagne le développement et l’implantation de solutions IA (via le conseil, l’ingénierie
et le numérique) dans l’ensemble des secteurs économiques. Les professionnels de la branche
accompagnent leurs clients pour évaluer les risques et opportunités au déploiement de cas d’usage
mobilisant l’IA, conçoivent et développent des solutions technologiques incorporant des briques
numériques avec système d’IA, assurent très souvent leurs exploitation, évaluation et optimisation…
De la technologie à l’usage, ils viennent en appui de bout en bout.
Ces deux réalités (consommation et développement/déploiement) peuvent co-exister dans une même
entreprise. Ainsi une entreprise peut être à la fois consommatrice de ChatGPT et Copilot, mais peut
aussi développer sa propre solution pour utiliser ChatGPT avec des données confidentielles appelée
SecureChatGPT 36 ou encore accompagner un client dans la configuration de systèmes experts.
En ce sens, il faut bien distinguer d’un côté le déploiement de solutions d’IA générative « for all » destiné
au maximum de salariés et de l’autre côté le déploiement de solutions IA (pas nécessairement d’IA
génératives) à destination d’une petite équipe interne, une « task force » IA, qui sera chargée aussi de
développer des solutions ou de choisir des SIA selon les besoins 37.

32
La chaine de valeur de l’IA : enjeux économique et place de la France – 2024 – ministère de l’Économie, des f inances et de
l’industrie
33
Computing power and the governance of artif icial intelligence ; Sastry – 2024 (lien)
34
« Le Groupe iliad et Inf raVia s’associent pour développer un leader européen du data center hyperscale – Iliad – (lien)
35
France digital - lien
36
AgoraManager – Les uses cases de Gen IA au sein du groupe Saf ran (2024) - Lien
37
Les Échos - IA : les entreprises au déf i de la f ormation de leurs salariés (2024)

DPB / Direction des Politiques de

branches
 3.1.1 LA PLACE DES ENTREPRISES DE LA BRANCHE DANS LA
CHAINE DE VALEUR DE CRÉATION D’IA

Les entreprises de la branche des bureaux d'études techniques jouent un rôle stratégique dans la
chaîne de valeur de création, déploiement et accompagnement de solutions d’intelligence artificielle
(IA). Contrairement à d’autres secteurs davantage axés sur l’utilisation d’outils d’IA, les entreprises de
la branche se positionnent comme des intermédiaires dans l’implémentation de ces technologies, en
particulier dans l’ingénierie, le conseil et le numérique. Leur valeur ajoutée se situe dans l’effort de R&D
et d’innovation puis dans l’accompagnement des clients, de la phase de conception à celle d’exploitation
des solutions IA.

Une majorité d’entreprises positionnées sur cette activité

Au sein de la branche, près
de 4 entreprises sur dix
Sous-Total : Oui (39%) développent déjà
Aujourd’hui et à l’avenir des solutions d’IA ou
accompagnent leurs
clients sur des projets
88 % intégrant l’IA. Près de 5
entreprises sur 10 (49%)
projettent de le faire dans
les 3 ans à venir. Elles sont
Oui extrêmement peu, un peu
12% plus d’1 entreprise sur 10
(12%) à ne pas vouloir
développer cette activité
39% dans les trois ans à venir
Non, mais on projette de le (Figure 14).
faire dans les 3 ans à venir

49% Du côté des salariés, ils

sont 58 % à participer au
Non et on ne projette pas
développement de
de le faire dans les 3 ans à
venir solutions d’IA ou à
accompagner les
entreprises dans la
réflexion ou le
déploiement de cette technologie.

Figure 14 : Part des entreprises développant ou accompagnant des clients La taille des entreprises
dans le développement d'IA - Source : enquête BVA pour OPIIEC - 2024 influe sur la propension des
entreprises à intégrer cette
dimension technologique
dans leur offre de service. En effet, alors que seulement un tiers des TPE (moins de 10 salariés) sont
positionnées sur l’IA (50% se projettent dans les 3 ans et 17 % ne se projettent pas du tout sur
l’intégration de l’IA dans leur offre), deux tiers des grandes entreprises (plus de 500 salariés) en ont
déjà fait une partie intégrante de leur offre (67%).

Le secteur d’activité est également un élément créant des disparités dans ces résultats. Le conseil
développe davantage des solutions d’IA ou accompagne leurs clients (45%) notamment avec le
développement de solution en interne sur de l’analyse documentaire et de la création de texte afin de
faciliter les différentes étapes de rédaction d’un rapport ou d’une offre commerciale, suivi du numérique
(36%), de l’ingénierie (35%) et plus en retrait, l’événementiel (15%) (figure 15).

DPB / Direction des Politiques de

branches
 Sous-Total

Conseil 45% 42% 14%

Numérique 36% 58% 6%

Ingénierie 35% 46% 18%

Evénementiel 15% 73% 12%

Oui
Non, mais on projette de le faire dans les 3 ans à venir
Non, et on ne projette pas de le faire dans les 3 ans à venir
Figure 15 : Part des entreprises développant ou accompagnant des clients dans le développement
de solutions d'IA par secteur de la branche – Source : enquête BVA pour OPIIEC - 2024

Au sein des entreprises, développant des solutions ou accompagnant leurs clients à l’intégration de l’IA,
1 entreprise sur 3 a moins de 30 % de ses effectifs liés à l’IA. Près de 2 entreprises sur 10 ont entre
30 % et 49 % de leurs effectifs liés à cette technologie. Enfin, plus d'1 entreprise sur 2 ont plus de
50% de leurs effectifs sur l’IA. En moyenne, les entreprises ont 46% de leur effectif en lien avec l’IA.
Il est à noter que le conseil et le numérique sont les secteurs avec la part de salariés liée à l’IA la plus
importante (moyenne : 47%), suivie par le secteur de l’ingénierie (moyenne : 41%) et l’événementiel
(moyenne 40%).
Il est également important de relever que plus le nombre de salariés de l’entreprise est élevé, plus la
part de salariés liée à l’IA est faible : les structures de moins de 10 salariés ont un effectif lié à l’IA
plus important (moyenne : 51%). En effet, ces dernières vont être amenées à se spécialiser dans ce
domaine et accorder une plus grande part de leurs effectifs à cette activité.

Une activité qui prendra de plus en plus de poids au sein des entreprises de la branche
La part de l’activité des entreprises liée au développement de solutions d’IA et/ou de l’accompagnement
d’entreprises clients reste minoritaire au sein de la branche, mais est amenée à prendre de plus en plus
d’importance. La part du chiffre d’affaires lié à cette activité actuelle moyenne des entreprises
pour les entreprises développant des solutions d’IA ou accompagnant des entreprises clientes
dans leur développement est de 24 %. Ce qui représente près de 17 % du chiffre d’affaires des
entreprises de la branche.
A 3 ans, les entreprises liées à l’IA estiment que leur CA en lien avec cette technologie devrait
augmenter, la part des activités liées à l’IA devrait représenter près de 30 % du chiffre d’affaires de la
branche.
Les évolutions divergent en fonction du secteur d’activité. Les entreprises du secteur du numérique
estime que la part de l’activité lié à l’IA devrait être plus importante, mais devrait moins augmenter dans
les entreprises de l’ingénierie et de l’événementiel.

DPB / Direction des Politiques de

branches
 Le rôle des entreprises de la branche dans le développement de nouvelles IA

Les entreprises interviennent ainsi (en développement ou en accompagnement) aux différentes phases
du cycle de vie d’une IA.

En phase d’idéation puis de conception, les entreprises, En phase de déploiement, les entreprises de l’ingénierie et
typiquement du conseil et de l’ingénierie, vont travailler à la du numérique vont intervenir pour intégrer les IA dans les
définition du besoin des entreprises clientes, évaluer les systèmes existants de l’entreprise, notamment à travers le
moyens technologiques dont elles disposent pour intégrer développement éventuel d’API pour l’entreprise. Leur rôle
une IA… Ce travail permet de définir les cas d’usage consiste également à assurer les fonctions de
possibles de l’IA dans l’entreprise et les meilleures maintenance et de surveillance. Ces entreprises vont
solutions à envisager dans le respect des réglementations, également être amenées à intervenir sur la formation des
des objectifs et des moyens de l’entreprise cliente. salariés sur l’utilisation de ces outils.

Idéation et Déploiement et
Développement
conception exploitation

En phase de développement des systèmes, les

entreprises d’ingénierie et du numérique vont
accompagner les entreprises dans la sélection et
l’organisation des données à utiliser pour
l’entrainement des algorithmes, à développer et
optimiser les algorithmes, réaliser les premiers
tests et prototype, puis valider la robustesse des
résultats.

La conception du projet

Cette phase a pour but de faire émerger les cas d’usage pour lesquels la mise en place d’une solution
d’IA est pertinente. Pour cela, il est important de suivre une démarche structurée qui permet d'identifier
les opportunités où l'IA peut apporter de la valeur. Par exemple, il est important de savoir s’il faut
privilégier le développement interne ou externe des SIA. Les développements dédiés se révèlent moins
évolutifs, ayant une plus forte tendance à figer les organisations, à l’inverse de logiciels aux
développements mutualisés dits SaaS, pour software as a service, qui obligent à recomposer les
procèdes.
L’identification des cas d’usage nécessite l’implication de l’ensemble des services d’une entreprise (ex. :
le marketing, les ventes, la production et la DSI). L'objectif est d’analyser les processus métier pour
détecter les tâches qui pourraient être optimisées grâce à l'IA.
A ce stade il est également important d'évaluer la maturité technologique de l'entreprise et sa capacité
à intégrer des solutions d'IA. Après avoir listé les idées potentielles, il est important de les prioriser en
fonction de leur impact potentiel sur l'entreprise, de la faisabilité technique et de l'alignement avec la
stratégie globale de l'entreprise.
Cette phase peut également intégrer le développement de prototypes pour tester et valider les cas
d'usage sélectionnés, en mesurant leur performance et en ajustant les modèles d'IA en conséquence.

DPB / Direction des Politiques de

branches
 Cette démarche itérative permet de s'assurer que les solutions d'IA déployées répondent effectivement
aux besoins de l'entreprise sans quoi aucun retour sur investissement ne peut être envisagé.
Au sein de l’entreprise, cette phase implique notamment l’intervention de plusieurs
personnes :
• La direction générale pour définir la vision stratégique et s'assurer que le projet d'IA est aligné
avec les objectifs de l'entreprise.
• Les managers et chefs de département pour apporter une connaissance approfondie des
processus métiers et identifier les opportunités d'amélioration.
• Les employés opérationnels pour fournir des insights sur les défis quotidiens et les points de
douleur qui pourraient être adressés par l'IA.
• Les équipes IT/Data pour évaluer la faisabilité technique et les ressources nécessaires pour
le développement du projet.
Lors de cette phase, les entreprises de la branche peuvent être sollicitées afin d’accompagner les
entreprises dans la définition de leur projet et les solutions les plus adaptées pour y répondre. Cet
accompagnement peut se faire pour appuyer et définir la stratégie de transformation de l’entreprise en
correspondance avec les objectifs stratégiques de l’entreprise, pour aider à la définition des cas d’usage
et de la faisabilité des projets, pour garantir que les projets souhaités correspondent aux normes en
vigueur.

Principaux métiers impliqués pour accompagner les entreprises dans cette étape sont :
• Chef de projet IA pour coordonner le projet et s'assurer de son alignement avec les objectifs
de l'entreprise.
• Spécialiste métier pour lequel l’IA est développée afin de définir les usages, mais aussi les
exigences qualité en fonction des contraintes du métier. (Par exemple, dans le domaine de la
santé, les professionnelles du secteur sont impliquées dans le processus d’idéation afin de
déterminer les cas d’usage pertinents (ex : aide au diagnostic) et les contraintes liées, comme
une explicabilité des résultats).
• Expert en IA pour identifier les solutions les plus adaptées, les modèles et les technologies les
plus pertinentes aux usages souhaités.
• Data Scientist pour analyser les données et aider à identifier les opportunités d'utilisation de
l'IA.
• Business Analyst pour évaluer les besoins métier et les retours sur investissement potentiels.
• Juriste pour garantir que le projet respecte les réglementations en vigueur.

Exemples d’intervention des entreprises de la branche dans la phase d’initialisation du projet :

Numérique Ingénierie Conseil

Evaluer les besoins de l’entreprise en
fonction des objectifs stratégiques
Réaliser des études de faisabilité des
Extraire, nettoyer et structurer des Accompagner à la détermination des
projets en fonction des moyens et
données utilisées pour entrainer les cas d’usage
des objectifs
modèles d’IA
Contrôler la compatibilité des outils Recommander des technologies à
Présélectionner les technologies et adopter en fonction des objectifs de
avec les infrastructures existantes
outils d'IA l’IA, des cas d’usage identifié et des
Conceptualiser les infrastructures moyens
Elaborer les prototypes d’IA et
réseaux, notamment l’implantation
réalisation des premiers tests Analyser l’adéquation de la solution
d’IoT pour la collecte de données
avec les contraintes réglementaires,
environnementales…

DPB / Direction des Politiques de

branches
Le développement du système

Une fois le cas d'usage IA validé, plusieurs approches peuvent être adoptées pour développer le
système d'IA correspondant.
La première option consiste à construire une solution en interne, en mobilisant une équipe de data
scientists et d'ingénieurs IA pour concevoir, entraîner et déployer des modèles d'apprentissage
automatique sur mesure. Cette approche nécessite des compétences techniques approfondies et une
compréhension claire des objectifs métier.
Comme alternative les entreprises peuvent s'appuyer sur des plateformes d'IA en tant que service
(AIaaS), qui offrent des outils et des environnements préconfigurés pour faciliter le développement
d'applications d'IA sans nécessiter une expertise technique poussée.
Les entreprises peuvent également opter pour des solutions logicielles prêtes à l'emploi, souvent
appelées solutions "plug-and-play", qui peuvent être intégrées dans les systèmes existants avec une
personnalisation limitée.
Enfin, il est possible de collaborer avec des partenaires externes, tels que des startups spécialisées
en IA ou des consultants, pour bénéficier de leur expertise et accélérer le développement du projet.
Chaque approche a ses avantages et ses inconvénients, et le choix dépendra des ressources
disponibles, du niveau de personnalisation requis, de la complexité du cas d'usage et de la stratégie
globale de l'entreprise en matière d'innovation technologique.
Comme évoqué précédemment, le développement de systèmes IA implique de respecter cert ains
critères.
- L’intégration de l'IA doit être réalisée dans le respect des cadres légaux, tels que le RGPD en
Europe, qui encadre l’utilisation des données personnelles. Les entreprises doivent s’assurer
que leurs solutions IA respectent ces régulations pour éviter des sanctions. Cela inclut
également des audits réguliers pour garantir la conformité.
- L’éthique doit être au centre de l’utilisation de l’IA, notamment pour éviter les biais dans les
décisions algorithmiques, comme cela a été observé dans les systèmes de recrutement
automatisés.
- Les entreprises doivent intégrer des critères environnementaux dans le développement et
l’usage des systèmes IA. Cela inclut une gestion responsable des ressources informatiques
(centres de données, serveurs) pour limiter l'impact carbone de l'IA, notamment dans les
processus énergivores comme l’entraînement des modèles. Par exemple, plusieurs entreprises
se tournent vers des solutions IA open-source optimisées pour une utilisation moins gourmande
en énergie ou mettent en place des centres de calcul verts.

Cette phase implique l’intervention de différents métiers :

• Des Data scientists et ingénieurs IA qui vont concevoir et entraîner les modèles d'IA (ex. :
Data Engineer, Machine Learning Engineer, développeur IA…)
• Des développeurs et architectes IT qui vont intégrer le système d'IA a l'infrastructure existante
(ex. : UX/UI Designer, Développeur IA…)
• Des experts en sécurité et conformité qui vont s'assurer que le système respecte les normes
de sécurité des données et les réglementations.
• Des équipes qualités qui vont vérifier que le système répond aux exigences et spécifications
définies (ex. : Testeur QA, Data Scientist…)
• Des spécialistes métiers qui vont tester la solution pour observer la pertinence de la solution
de l’IA en fonction de leur usage et des contraintes métiers.

DPB / Direction des Politiques de

branches
 Numérique Ingénierie Conseil
- Accompagner à l’élaboration
- Entrainer les IA sur les bases
des usages
de données retenues - Concevoir les modèles
spécifiques à l’application - Validation de la pertinence
- Réaliser les premiers tests
des solutions développées
des modèles identifiés - Valider les modèles en
conditions réelles d’utilisation - Estimer les gains réalisables
- Intégrer la solution dans un
en fonction des modèles
environnement test - Contrôler les performances déployés
- Optimiser les modèles en du modèle
- Vérifier les résultats obtenus
fonction des résultats
avec les objectifs

La mise en production et la gestion

La mise en production et la gestion d'un système d'IA sont des étapes cruciales qui nécessitent une
planification et une exécution rigoureuses pour assurer la réussite et la pérennité de la solution.
La première étape consiste à intégrer le système d'IA dans l'environnement opérationnel existant,
ce qui peut impliquer la configuration des interfaces de programmation d'applications, la mise en place
de connexions avec les bases de données et la garantie de la compatibilité avec les systèmes de gestion
de l'entreprise. Il est également essentiel de s'assurer que le système est sécurisé, conforme aux
réglementations en vigueur et qu'il respecte les normes de confidentialité des données.
Une fois en production, le système doit être étroitement surveillé pour évaluer ses performances et
son efficacité, en utilisant des indicateurs clés de performance spécifiques au cas d'usage. La
maintenance continue est nécessaire pour corriger les bugs et mettre à jour les modèles en fonction
des nouvelles données et ajuster les algorithmes pour améliorer les résultats.
La gestion efficace d'un système d'IA en production est un processus itératif qui exige une collaboration
étroite entre les équipes techniques, les opérationnels et la direction pour continuer à générer de la
valeur et à innover.
En outre, il est important de prévoir un plan de gestion des changements pour former les
utilisateurs, adapter les processus métier et accompagner l'organisation dans l'adoption de la nouvelle
technologie. Il est crucial de former les équipes à l’utilisation des nouvelles technologies, et de
veiller à ce que les employés soient acculturés aux outils IA. Cela inclut des formations sur les systèmes
d’IA, mais aussi sur les aspects éthiques et de sécurité liés à leur usage. Une entreprise peut organiser
des sessions régulières d'information pour sensibiliser les employés à la transparence des algorithmes
et aux principes éthiques de l'IA. Les entreprises doivent pouvoir expliquer comment les décisions
sont prises par les algorithmes. Cela permet de répondre aux enjeux de conformité et d’éthique, tout
en instaurant un climat de confiance avec les utilisateurs et les employés.

Cette phase implique l’intervention de différents métiers :

• Des ingénieurs DevOps pour automatiser le déploiement et s’assurer la continuité des
opérations.
• Des architectes de systèmes pour s'assure que l'architecture IT supporte efficacement les
solutions d'IA.
• Des ingénieurs de maintenance IA qui vont surveiller et mettre à jour les systèmes d'IA en
production.
• Les chefs de projet IA qui vont planifier l'expansion et l'intégration de l'IA dans d'autres
domaines de l'entreprise.

DPB / Direction des Politiques de

branches
 En phase de production de l’accompagnement par des entreprises spécialisées peut servir à deux
choses. D’une part une assistance technique peut être utile pour le bon déroulement des opérations,
et d’autre part pour l’analyse des résultats dans le cadre d’une amélioration continue du service.

Numérique Ingénierie Conseil

Former les équipes utilisatrices des
Superviser la mise en œuvre
Implémenter les solutions dans les outils d’IA
technique
environnements de production
Accompagner les entreprises dans les
Adapter les systèmes en fonction des
Assurer la maintenance et la mise à évolutions futures des solutions d’IA
évolutions technologiques et de
jour des modèles déployées
l’entreprise
Suivre les performances et assister le Conseiller les entreprises dans la
Contrôler de manière continue la
client sur des problèmes techniques gestion de risques et la gouvernance
performance des IA
des données

3.1.2 LES TYPES D’IA DÉVELOPPÉES PAR DES ENTREPRISES DE LA

BRANCHE

Les entreprises développant des solutions d’IA ou accompagnant l’intégration de l’IA sont aujourd’hui
sollicitées sur ces projets en premier par le secteur des services aux entreprises (Figure 16). 86%
des entreprises l’ont cité parmi leurs principaux clients, dont 36% en premier. Ce secteur recouvre un
ensemble d’activités qui ont pour point commun d’avoir une activité en grande partie liée à la vente de
produits et de services à des entreprises. Il couvre aussi bien les activités informatiques, le conseil,
l’ingénierie que les entreprises ayant des activités administratives de soutien aux entreprises.
Suivent des secteurs-clients traditionnels pour la branche tels que la santé/social (65%),
l’administration, services publics et collectivités territoriales (64%), les services aux
particuliers (62%). Les secteurs de la banque-finance-assurance (58%), de l’industrie (53%), de
l’énergie/environnement (52%) ainsi que la construction (50%) et l’agriculture (47%) sont moins
cités, reflétant ainsi un recours moindre aux solutions et proposé par les entreprises de la branche.

Services aux entreprises (y compris, ingénierie) 36% 50%

Santé/Social 10% 55%
Administration, services publics et collectivités… 19% 45%
Services aux particuliers 12% 50%
Banque/finance/assurance 1% 57%
Industrie 3% 50%
Énergie/environnement 9% 43%
Construction 5% 45%
Agriculture 46%
Autres 5% 2%
En premier secteur client
En secteur client suivant
Figure 36 : Les principaux secteur-clients des entreprises sur des projets de solutions d'IA - Source :
enquête BVA pour OPIIEC – 2024

DPB / Direction des Politiques de

branches
Concernant le secteur stratégique en France de l’industrie, les six premières filières avec lesquelles
travaillent les entreprises de la branche sur l’IA sont les télécoms (63%), les industries de santé
(48%), le nucléaire (41%), l’aéronautique et spatial (38%) ainsi que la chimie (37%) et l’énergie
(35%).
Sur ces projets d’IA, les principaux objectifs visés pour leurs clients concernent majoritairement
l’automatisation des tâches (69 %) et l’optimisation des process (69 %). Elles interviennent ainsi sur le
gain de temps sur des tâches répétitives, la diminution du risque d’erreurs et l’amélioration au global de
la productivité et de l’efficacité opérationnelle.
Moins nombreuses, les entreprises relèvent également la création et génération de contenus (49 %)
(texte, images, musique, vidéos, modèles 3D etc.) ainsi que l’analyse et la prédiction des
comportements (43 %). (Figure 17).

Automatiser des tâches (répétitives ou complexes) 69%

Optimiser des process (fiabilité, temps, coût, ressources…) 69%

Créer et générer des contenus (ex : texte, images, musique,

49%
vidéos, modèles 3D…)

Analyser et prédire des comportements (projection sur des

événements futurs) 43%

Figure 47 : Principaux objectifs visés par les projets liés à l'IA pour les entreprises clientes - Source :
Enquête BVA pour OPIIEC - 2024
Les salariés impliqués dans les projets confirment ces principaux objectifs visés par les projets liés à
l’IA. Ils citent également en premier l’automatisation des tâches répétitives (67 %) puis l’optimisation
des process (66 %). La création et la génération de contenus sont relevées par 54 % des salariés et
l’analyse et la prédiction des comportements, par 50 % des salariés.

Le déploiement d’IA d’optimisation

Les entreprises de la branche sont amenées à développer des IA à destination de leurs clients dans le
but d’optimiser leur process. Ces clients sont très diversifiés puisque l’optimisation peut être réalisée
pour des usages dans l’industrie (optimisation de la gestion des stocks, du transport de
marchandises…) comme pour le commerce par exemple afin d’optimiser les campagnes marketing de
leur client.
Les entreprises n’exploitent qu’une partie des données qu’elles collectent et, la plupart du temps, les
décisions relatives à l'optimisation des processus s’appuient sur des méthodes manuelles, subjectives
et biaisées de documentation des processus. En ce sens, les solutions d’IA portées par des entreprises
de la branche peuvent représenter une réelle valeur ajoutée pour les entreprises clientes en analysant
les données de manière efficace et structurée. C’est ce qui a notamment été développé par l’entreprise
Livejourney pour permettre à ses clients d’optimiser leurs processus dans tous les domaines.

Livejourney a décidé de développer des SIA à partir de Process Mining qui permet d'explorer les
données cachées ou inexploitées dans les ERP et autres systèmes sources. En capturant des données
sur les identifiants, activités, et horodatages des processus, le process mining permet de visualiser et
améliorer les processus en temps réel, générant des économies significatives en réduisant les temps
de traitement.

Le Process Mining est en forte croissance, particulièrement dans les secteurs financiers et
commerciaux, car il permet de transformer les données inexploitées en insights actionnables,

DPB / Direction des Politiques de

branches
augmentant l'efficacité et réduisant les coûts. La demande pour ces solutions augmente à mesure que
les entreprises cherchent à automatiser et à optimiser leurs processus en temps réel.

Au-delà d’optimiser les processus, les SIA permet aussi d’optimiser l’empreinte environnementale des
entreprises. La gestion énergétique assistée par l’IA est en forte croissance, stimulée par la demande
accrue de solutions durables et l’optimisation des coûts énergétiques. Avec l’augmentation des
régulations environnementales et la pression pour réduire l’empreinte carbone, les entreprises
industrielles et commerciales adoptent massivement des technologies pour piloter en temps réel leur
consommation énergétique.

Metron a développé une IA à destination des industries afin que les entreprises optimisent leur
consommation d’énergie et réduisent leur impact carbone et leurs coûts. Cette solution utilise des
algorithmes de Machine Learning pour analyser les données de consommation d'énergie, identifier
les schémas d'utilisation et optimiser l'efficacité énergétique des bâtiments industriels et
commerciaux.

Enfin, les entreprises vont également développer des solutions dans le but d'optimisation de la chaîne
de production. Ce cas d’usage est en forte croissance, particulièrement dans les secteurs de la
distribution et de la logistique. Les technologies comme l'IA, le machine learning, et l'IoT permettent aux
entreprises de transformer leurs chaînes en réseaux intelligents, offrant une visibilité accrue et des
décisions en temps réel.

BrainCube a créé une IA dans le but d’accompagner les industries dans l’optimisation de leur chaîne
de production. Cette plateforme combine des capacités avancées en IT, cloud computing, et
intelligence artificielle pour rendre les processus de production plus flex ibles et adaptables

Le déploiement d’IA de conception ou de création

Les IA de conception et de création sont les IA les plus porteuses en ce moment avec l’émergence
des LLM. Mais différents outils sont créés pour accompagner les entreprises dans leurs activités de
création par IA. Quasiment tous les secteurs d’activité sont susc eptibles d’avoir recours à une IA de
création.
Les IA peuvent notamment être utilisées pour la conception automatisée de pièces industrielles. Cet
usage est en forte croissance dans l'ingénierie et la fabrication, car elle permet de réduire les coûts,
accélérer les processus de design et optimiser la performance des produits.

L’entreprise Dassault Système a développé la plateforme CATIA visual scripting, une IA qui permet
de générer automatiquement des conceptions de hautes performances. Cela permet aux ingénieurs
de générer de multiples designs en tenant compte des contraintes de fabrication, telles que les
techniques de fraisage ou d'impression 3D.

Ces IA de création sont aussi très utilisées dans le cadre de la création de spectacles interactifs et
installations artistiques. Les expériences immersives et interactives utilisant l'IA sont en forte croissance
dans les secteurs du divertissement, de l'événementiel et des expositions culturelles ou de la mode.
Les technologies comme le scanning 3D, la capture de mouvement et l’IA offrent de nouvelles
possibilités artistiques en permettant des interactions dynamiques et personnalisées avec le public.

DPB / Direction des Politiques de

branches
 IMKI est spécialisé dans l’IA générative dans le domaine de la mode. Cette entreprise, qui créer des
vêtements générés par IA, a également mis en place une première exposition virtuelle créée par IA,
« L’odyssée sonore ». L’IA à créer à la fois les décors, mais aussi le son de cette odyssée virtuelle.
Pour ce projet l’entreprise a été récompensée lors de la CES 2024. Grâce à des technologies comme
le scanning 3D et l'IA, les participants peuvent suivre et réagir en temps réel ce qui permet aux
performances d'évoluer et de s'adapter dynamiquement aux interactions du public.

Le déploiement d’IA d’analyse et de prédiction

Les IA de prédiction sont des IA fortement attendues par les entreprises. Cette technologie permettant
d’anticiper des événements futurs et ainsi accompagner les décideurs dans leurs prises de décisions,
trouve une application dans différents secteurs de l’économie.
Dans le domaine industriel, la maintenance prédictive des équipements fortement utilisés peut être
déployée grâce à l'intégration de l'IoT et des jumeaux numériques. Ces technologies permettent
d'anticiper les défaillances, réduisant ainsi les temps d'arrêt non planifiés et les coûts de maintenance.

Asystom est une entreprise spécialisée dans la surveillance et la maintenance prédictive, elle
propose des solutions basées sur l'IA pour monitorer en temps réel l'état des machines, permettant
de prévenir les défaillances et d'optimiser les opérations de maintenance.

Dans le domaine industriel toujours, au niveau de la supply chain, les IA peuvent également avoir
comme fonction d’anticiper la demande et la gestion des stocks. C’est notamment à travers
l’apprentissage par Machine Learning que les IA vont déterminer des prévisions de consommation
associées au cloud computing qui permet de suivre en temps réels l’évolution des stocks. Ces solutions
permettent d'analyser des données historiques, des tendances de vente, des comportements
consommateurs et des facteurs externes comme la météo pour ajuster les prévisions de demande en
temps réel et optimiser les stocks.

Lokad est une entreprise spécialisée dans l'optimisation des chaînes d'approvisionnement, elle
propose des solutions basées sur l'IA pour améliorer la prévision de la demande et la gestion des
stocks. Leur approche permet aux entreprises de réduire les coûts et d'augmenter la disponibilité
des produits.

Les outils d’IA de prévisions sont également utilisés dans le secteur des banques et assurances. Ils
peuvent, avoir comme objectifs d’anticiper des mouvements financiers, un usage plutôt à destination
des banques, mais aussi et de façon plus originale de surveiller et d’anticiper les risques de catastrophe
naturels pour les assurances.

Synapse développement a développé pour la BNP Paribas Real Estate un système innovant de
surveillance et de gestion en temps réel du risque hydrologique pour l’alerte de crue, le monitoring
des ressources en eaux et l’hydrologie urbaine. Ce système, conçu sur base d’IA et de puissantes
capacités d’analyse sémantique, permet d’extraire de grandes quantités de données depuis
plusieurs sources pour fournir des résumés pertinents et améliorer la pris e de décision.1

DPB / Direction des Politiques de

branches
 3.2 L’INTÉGRATION DE L’UTILISATION DE L’IA DANS LES
ENTREPRISES DE LA BRANCHE

Si de nombreuses entreprises de la branche sont créatrices d’IA ou participent à leur déploiement, elles
peuvent toutes également être utilisatrices d’IA. Dans leurs pratiques quotidiennes, elles peuvent
intégrer des solutions d’IA. Cet usage s’est beaucoup développé avec l’essor des IA génératives. En
effet, les professionnels de la branche s’appuient fortement sur les connaissances et
l’expérience, des qualités qui rejoignent fortement les capacités de l’IA générative. En ce sens,
la traduction, le résumé des réunions, la synthèse de documents, par exemple, sont parmi les usag es
les plus répandus et à grande échelle chez les salariés.
« Le cas d’usage est une initiative d’employeur, l’IA générative reste en 2024 une initiative
d’employés, parfois clandestine. Les entreprises font un travail actuellement pour légitimer les usages
non déclarés, notamment pour garantir la sécurisation de ces pratiques ». Expert indépendant en IA

L’utilisation des IA par les salariés de la branche

75 % des salariés interrogés au sein de la branche, dans le cadre de leur travail, utilisent des
logiciels s’appuyant sur l’IA. Ce résultat varie en fonction du secteur d’activité dans lequel travaille le
salarié. Les salariés travaillant dans le numérique utilisent davantage de logiciels qui s’appuient
sur l’IA (84 %), alors que cet outil est moins utilisé chez les salariés travaillant dans le secteur de
l’ingénierie (35 %).
On observe également une plus grande utilisation de l’IA chez les salariés âgés de 25 à 34 ans (87
%) et une utilisation moindre chez les 45-54 ans (64%) et les 55 ans et plus (56 %).
Enfin, les salariés des petites entreprises utilisent moins l’IA dans le cadre de leur travail . En
effet, 56% des salariés travaillant dans des structures de moins de 10 salariés n’utilisent pas de logiciels
qui s’appuient sur l’IA. Cela peut s’expliquer par le fait que les grandes entreprises vont prendre
l’initiative de développer des usages au sein de leurs équipes, notamment parce qu’elles peuvent avoir
des équipes dédiées à l’intégration de ces solutions. Dans les plus petites entreprises, les moyens étant
moins élevés, il est plus difficile pour les entreprises de développer des usages cadrés par l’employeur.
L’utilisation de l’IA relève davantage d’une initiative personnelle des salariés.
Selon 81 % des salariés, cette utilisation de l’IA s’inscrit dans la politique de leur entreprise. C’est
particulièrement vrai dans des structures de plus de 500 salariés (91%).

DPB / Direction des Politiques de

branches
 Manque de connaissance des solutions d’IA existantes 30%

Usage de l’IA non autorisé dans l’entreprise 26%

Manque de confiance dans l’IA 24%

Méconnaissance des usages et intérêts de l’IA 22%

Manque de compétence pour utiliser l’IA 14%

Manque de connaissance 13%

Figure 18 : Principales raisons du non-recours à l'IA par les salariés - Source : Enquête BVA pour OPIIEC - 2024

La première raison pour laquelle certains salariés n’ont pas recours à l’IA (figure 18) est selon eux le
manque de connaissance des solutions d’IA existantes (pour 30 % des salariés de la branche). En effet,
il est parfois difficile de comprendre quelles sont les bonnes IA à utiliser en fonction des tâches précises
que les salariés souhaitent optimiser. La seconde raison est que l’utilisation de l’IA est non autorisée
dans l’entreprise (pour 26 % des salariés n’utilisant pas l’IA) suivie d’un manque de confiance envers
l’IA (24 %) ou encore d’une méconnaissance des usages et intérêts de l’IA (22 %). Il s’agit moins, selon
les salariés, d’un manque de compétences pour utiliser l’IA (14 %) ou de connaissances (13 %).

L’utilisation de l’IA par les entreprises

En 2025, 64 % des entreprises répondantes utilisent déjà des solutions d’IA en interne. Ce résultat
augmente à 99 % en incluant les entreprises projetant de l’utiliser dans les 3 ans à venir. Ainsi, le
nombre d’entreprises ne prévoyant pas l’utilisation de cette solution en interne à terme est quasi nul
(2%).

Sous-Total : Oui Les entreprises du

Aujourd’hui et à numérique (70%) et du
l’avenir conseil (68 %) intègrent
davantage de solutions d’IA
2% en interne que les entreprises
98 % de l’événementiel (59%) et de
l’ingénierie (49%). 35 % des
35% entreprises n’ont pour le
Oui moment pas de solutions d’IA
en interne, avec toutefois une
volonté de se dynamiser
64% Non, mais on projette de le puisque 35% projettent de
faire dans les 3 ans à venir
l’intégrer dans les 3 ans.
Non et on ne projette pas
de le faire dans les 3 ans à
venir
Figure 15 : Part des entreprises de la branche ayant recours à
l'utilisation des solutions d'IA - Source : Enquête BVA pour OPIIEC

DPB / Direction des Politiques de

branches
 Ces résultats mettent en évidence une adoption croissante des solutions d’IA par et pour les
entreprises, avec une volonté pour ces dernières de réaliser des investissements en lien avec cette
technologie sur du court terme.

Suiveur 40% La perception par les entreprises de ce

nouvel outil leur permet de se classer
au sein de quatre catégories. Les
Expérimentateur 36% entreprises de la branche se
classent principalement comme des
suiveurs (40 %), c’est-à-dire qu’ils
Précurseur
vont suivre les tendances existantes et
19%
les intégrer une fois les preuves de la
pertinence de l’usage réalisée. Un
tiers des entreprises se
Sceptique 6% positionnent comme des
expérimentateurs (36 %), c’est-à-dire
Figure 59 : Auto positionnement des entreprises de la branche sur comme des entreprises qui vont
l'intégration de l'IA dans leur entreprise - Source : Enquête BVA mettre en œuvre des usages dont
pour OPIIEC l’efficacité reste à prouver. 19 % des
entreprises de la branche se
définissent comme des précurseurs, des entreprises qui innove dans le développement de solutions
et d’application d’usage. Enfin, seulement 6 % des entreprises se positionnent comme des
sceptiques (6 %) vis-à-vis de l’IA. Il est à noter que les entreprises du numérique sont davantage
expérimentatrices (45 %).
Toutefois, bien que les entreprises soient majoritaires à soutenir le déploiement et l’usage de solutions
d’IA, une petite part des entreprises ne développent pas d’IA et ne projettent pas de le faire dans
les trois ans à venir (12 % des entreprises). Les raisons évoquées sont diverses : crainte de
l’augmentation des risques sur la sécurité de l’entreprise, contraintes financières, risque d’impacts sur
la confidentialité des données ou encore en raison d’un manque de visibilité sur les usages possibles
des entreprises.

3.2.1 L’IA DANS LE SECTEUR DU NUMÉRIQUE

Comme vu précédemment, si les entreprises du numérique sont souvent productrices de solutions d’IA,
elles sont aussi fortement consommatrices. Les équipes peuvent être amenées à avoir recours à des
IA développés par d’autres dans leur quotidien.
Par rapport aux autres secteurs de la branche, le numérique utilise particulièrement l’IA pour de la
création de contenu marketing (52 % des entreprises du numérique) (figure 20), afin de suivre en
direct des événements (39 %) notamment dans le cadre de la cybersécurité, afin de générer des
codes (36 %), comme un outil d’aide à la décision (34 %).

DPB / Direction des Politiques de

branches
 Création de contenu marketing 52%
Suivi en direct d’événements 39%
Génération de code 36%
Aide à la décision (recommandation d’optimisation, analyse… 34%
Pré-sélection des CV 30%
Réalisation des tests 28%
Appui à la conception de plan de produit ou d’ouvrage … 28%
Personnalisation de l’expérience client 27%
Appui à la prise de note et la réalisation des comptes-rendus 22%
Aide à la gestion et planification des projets 21%
Aide à l’éco-conception de produits ou de services 21%
Assistance aux taches bureautiques (rédaction de mail, … 20%
Détection de comportement atypique et renforcement de la… 18%
Accompagnement de la recherche documentaire 17%
Analyse prédictive (ex : maintenance…) 16%
Formalisation de documents 15%
Aide à la gestion contractuelle (rédaction de contrat … 12%
Gestion de la relation client 11%
Figure 20 : principaux usages de solutions d'IA par les entreprises du numérique - Source : Enquête BVA pour OPIIEC - 2024

Contrairement au positionnement des entreprises, les salariés du secteur numérique déclarent utiliser
principalement l’IA afin de générer du code (44 %). En effet, cet usage concerne un plus grand nombre
de salariés dans le secteur que l’utilisation pour créer du contenu marketing qui concerne (39 % des
salariés). Les autres principaux usages sont la réalisation de tests (34%), l’assistance aux tâches
bureautiques (33%) ainsi que pour de l’analyse prédictive (32%).

Illustration des usages de l’IA dans les entreprises du numérique

Assistance à la programmation

Les salariés peuvent être amenés à travailler avec des IA génératives notamment pour créer du code.
Lorsque la pratique est encadrée, l’IA générative automatise certaines tâches répétitives comme
le codage de base, la gestion des données, ou la surveillance des systèmes, libérant ainsi du
temps pour les développeurs et ingénieurs logiciels pour se concentrer sur des tâches plus complexes
et créatives.
Elle accompagne les développeurs dans la programmation en proposant des lignes de code ou des
fonctions complètes, mais aussi dans la programmation des tests et la documentation du code38.
Cet usage permet notamment d’augmenter la productivité des développeurs les moins expérimentés.
Une étude a incité des développeurs à réaliser une tâche de codage aussi rapidement que possible. Un
groupe sélectionné de manière aléatoire avait accès à Copilot de Github. Ce groupe a accompli la tâche
en un temps inférieur de plus de 50 % à celui nécessaire au groupe de contrôle, et ce sont surtout les
développeurs les moins expérimentés qui ont tiré bénéfice de l’intelligence artificielle.
Pourtant, l’IA en code n’est pas encore pleinement opérationnelle pour remplacer un humain. Les
productions des IA sont souvent trop longues et ne permettent pas d’optimiser la mise en production.
Le recours à l’IA générative pose des enjeux de contrôle de qualité nouveaux. En effet, les équipes

38
Prospective Atlas - Étude exploratoire sur les tendances de l’IA pour l’évolution des métiers d’Atlas (2024)

DPB / Direction des Politiques de

branches
doivent travailler en synergie avec l'IA pour maximiser leur productivité tout en surveillant les
algorithmes, notamment en termes de qualité et d'éthique.
Cette utilisation permet de libérer de la charge pour les équipes qui peuvent passer davantage de temps
sur les autres tâches à plus fortes valeurs ajoutées et augmenter la qualité des productions. Il est
observé que les équipes de développement apprécient de moins en moins les systèmes IA qui
produisent directement du code en parallèle du développeur.

« Les grands modèles de langage ne peuvent pas véritablement raisonner du fait de leur nature
probabiliste. Ces modèles ne comprennent pas le sens des mots ou des concepts, ils prédisent
simplement la suite la plus probable dans une séquence. Cela limite leur capacité à effectuer des
déductions logiques ou à comprendre des relations complexes entre idées. Les incohérences dans
leurs réponses montrent cette faiblesse, notamment pour les tâches demandant un raisonnement
analytique approfondi. » - Expert IA dans le secteur du Numérique

À la place des systèmes types chat, intégré dans l’IDE du développeur, lui permettant de produire du
code, mais aussi de poser des questions dans le contexte de son projet sont souvent plus appréciés.
Ce type de systèmes peut aussi permettre de la revue de code automatisé, qui ne remplace pas le
contrôle de qualité par des paires, mais qui aide à la qualité de la production dans le temps.

Le renforcement de la cybersécurité

L'IA joue un rôle crucial en cybersécurité, car elle permet de détecter les menaces. Un système d'IA
peut analyser des comportements suspects, identifier des activités malveillantes et anticiper des
attaques potentielles. Elle est utilisée, par exemple, dans les systèmes de détection d'intrusions,
l'identification de logiciels malveillants, ainsi que la gestion des identités et des accès. Les systèmes IA
aident aussi à l’audit de certains systèmes informatiques afin d’en améliorer la robustesse aux attaques.

Aide à la décision

L’IA par sa capacité à collecter des données et à les analyser peut permettre de faciliter la prise de
décision des équipes d’une entreprise du numérique. Elle peut créer des diagrammes d’architecture de
haut niveau à partir de spécifications données, mais elle a aussi l’intelligence de recommander des
technologies appropriées pour la mise en œuvre de systèmes logiciels. Au moment du codage, elle es t
aussi en capacité de proposer des solutions d’optimisation des codes et des solutions de débogage.

La réalisation des tests

D’autres IA peuvent également être utilisées pour remplacer ou compléter certaines fonctions des
salariés. L'intégration de l'IA dans les processus de test présente de nombreux avantages, notamment
une couverture de test élargie, une détection anticipée des anomalies, une utilisation optimisée des
ressources et une accélération des cycles de test. Toutefois, elle apporte également des défis, comme
l'exigence de données de haute qualité pour l'apprentissage. Les systèmes IA aident aussi à l’audit de
certains systèmes informatiques afin d’en améliorer la robustesse aux attaques.

L’IA pour les opérations de maintenance et de qualité

Dans le cadre de la gestion des infrastructures IT, l'IA est utilisée pour anticiper les pannes et optimiser
la maintenance des équipements, réduisant ainsi les temps d'arrêt et les coûts associés. Elle peut être

DPB / Direction des Politiques de

branches
aussi utilisée pour répondre directement à un utilisateur sujet à un incident, tout comme aider les
équipes d’assistance à résoudre un incident durant l’exploitation d’un logiciel.

L’intérêt d’utiliser l’IA pour les entreprises du numérique

Les entreprises du numérique considèrent que l’intégration de l’IA au sein de leur structure de travail
peut en premier favoriser l’amélioration de la qualité des productions (70%) (Figure 21), puis
l’amélioration de la productivité (58 %). Elle peut également permettre une réduction des coûts (53
%), un développement de la créativité des salariés (34 %) ou encore l’aide à la formation de nouveaux
salariés (33%).
Concernant les salariés, ces derniers voient avec l’utilisation de l’IA, la possibilité d’améliorer leur
productivité (68 %), de favoriser l’aide à la créativité (55%), d’améliorer la qualité de leurs
productions (54%) et enfin, d’améliorer l’intérêt du travail (46%).

Amélioration de la qualité des productions 70%

Amélioration de la productivité 58%

Réduction des coûts 53%

Développement de la créativité des salariés 34%

Aide à la formation de nouveaux salariés 33%

Aide à l’éco-conception de produits ou de services 26%

Amélioration de l’intérêt du travail pour vos salariés (moins de
22%
temps consacré à des tâches répétitives ou peu intéressantes)

Figure 21 : principaux bénéfices identifiés par les entreprises dans l'utilisation de solutions d'IA - Source :
Enquête BVA pour OPIIEC - 2024

Bien que ces entreprises voient l’IA comme un outil avec de puissants atouts, cette perception
s’accompagne toutefois de freins notables, ralentissant le déploiement de cette intelligence. Les
principaux freins cités au déploiement de l’utilisation de l’IA au sein de leur structure sont le manque
de compétence interne (pour 57 % des entreprises) notamment sur les bons usages à avoir de l’IA,
l’impact environnemental (pour 55 % des entreprises) ce qui peut contrevenir aux politiques RSE des
entreprises, le coût de l’investissement (40 %) ainsi que la crainte d’une perte de qualité de la
production (37 %) (Figure 22).
Moins cités, les entreprises relèvent également les risques liés à son utilisation (25 %), la réticence des
salariés (25 %) et le manque de visibilité sur les usages possibles (17 %).

Manque de compétence interne 57%

Impact environnemental 55%

Coût de l’investissement 40%

Crainte de perte de qualité de la production 37%

Risques liés à l’utilisation (ex. fuite des données) 25%

Réticence des salariés 25%

Manque de visibilité sur les usages possibles 17%

Aucun frein en particulier 3%

Figure 22 : principaux freins du recours à des solutions d'IA dans les entreprises
Source : Enquête BVA pour OPIIEC - 2024

DPB / Direction des Politiques de

branches
 3.2.2 L’IA DANS LE SECTEUR DE L'INGÉNIERIE

Les entreprises d'ingénierie sont profondément réinterrogées dans leurs pratiques par l'essor de l'IA,
notamment dans le secteur industriel où l'IA est déjà largement mobilisée. Pour proposer des solutions
pertinentes et compétitives, ces entreprises devront maîtriser les outils et les capacités offertes par l'IA.
L’impact de l’IA sur les entreprises du secteur varie selon la taille des entreprises. Seul s 33 % des petites
entreprises interrogées dans le cadre d’une enquête de Syntec-Ingénierie avaient lancé des projets
Data et IA en interne en 2023, alors que 100 % des entreprises aux revenus élevés déclarent avoir déjà
mené ce type d’initiatives.
Les entreprises d’ingénieries en sont principalement à la phase de recherche de cas d’usage,
marquée par une profusion d’idées et le lancement de nombreux PoC. Cependant, ces initiatives
restent largement non structurées, et peu d’entreprises ont établi des processus clairs pour
prioriser les cas d’usage39. En tant qu'utilisatrices, elles développent le recours à l'IA générative ainsi
qu'à d'autres formes d'IA pour améliorer la qualité de leurs prestations.

Les principaux usages de l’IA dans les entreprises de l’ingénierie

Les entreprises du secteur de l’ingénierie qui utilisent l’IA y ont recours principalement en vue de
se faire aider à la gestion et planification de projets (64 %), de formaliser des documents (57%),
comme une aide à la gestion contractuelle (52%) ainsi que pour générer des codes (51%) . Cette
technologie est également utilisée en vue de se faire aider à l’éco-conception de produits ou de services
(28%), comme un outil d’analyse prédictive (27%), afin de se faire appuyer à la prise de note et
réalisation de comptes-rendus (27%) et enfin, de personnaliser l’expérience client (26%) (Figure 23).

Aide à la gestion et planification des projets 64%

Formalisation de documents 57%
Aide à la gestion contractuelle (rédaction de contrat … 52%
Génération de code 51%
Aide à l’éco-conception de produits ou de services 28%
Analyse prédictive (ex : maintenance…) 27%
Appui à la prise de note et la réalisation des comptes-rendus 27%
Personnalisation de l’expérience client 26%
Assistance aux taches bureautiques (rédaction de mail,… 24%
Accompagnement de la recherche documentaire 24%
Pré-sélection des CV 24%
Création de contenu marketing 10%
Gestion de la relation client 6%
Appui à la conception de plan de produit ou d’ouvrage … 5%
Détection de comportement atypique et renforcement de la… 4%
Suivi en direct d’événements 3%
Réalisation des tests 2%
Aide à la décision (recommandation d’optimisation, analyse … 1%

Figure 23 : principaux usages de l'IA déclarés par les entreprises de l'ingénierie - Source : Enquête BVA
pour OPIIEC - 2024

39
Diagnostic maturité numérique des ingénieries – Syntec-Ingénierie - 2024

DPB / Direction des Politiques de

branches
Les salariés du secteur de l’ingénierie interrogés soulignent principalement une utilisation effective
de l’IA afin de formaliser des documents (36%), la réalisation de tests (30%), l’assistance aux tâches
bureautiques (29%). Ces usages sont majoritaires au sein des salariés dans la mesure où elles peuvent
concerner l’ensemble des effectifs d’une entreprise et quelques soit le poste. En revanche, bien qu’une
majorité d’entreprises vont avoir recours à l’IA pour la gestion de projet, seulement 29 % des salariés
du secteur qui ont recours à l’IA l’utilisent dans le cadre de ce cas d’usage.

Illustration des usages de l’IA dans les entreprises de l’ingénierie

Aide à la conception de produit ou d’ouvrage (generative design)

Les avancées en IA générative soutiennent les missions des ingénieurs en fournissant des modèles de
conception et de rédaction assistés par l'intelligence artificielle. De plus, grâce au traitement de base de
données, l'IA peut concevoir des structures et des modèles innovants tout en respectant les contraintes
réglementaires, environnementales et économiques.
Par exemple, l’entreprise Arup emploie des techniques de deep learning pour optimiser la conception
de structures en termes d'efficacité énergétique et de durabilité. Ces approches permettent de créer
des bâtiments plus respectueux de l'environnement et économes en énergie.
L’intelligence artificielle joue un rôle clé dans la conception, notamment par exemple avec le recours à
de nouveaux matériaux. Selon une étude, l’IA permet aux chercheurs d’augmenter de 44 % la
découverte de nouveaux matériaux, de déposer 39 % de brevets supplémentaires et de développer 17
% de prototypes en plus. En proposant de multiples pistes de conception, l’IA ouvre des opportunités,
mais aussi des défis : certaines idées sont prometteuses, d’autres moins pertinentes. Le principal enjeu
pour les professionnels est de distinguer les pistes à approfondir de celles à écarter, un tri où l’expertise
et l’expérience demeurent essentielles.

Analyses prédictives

Les entreprises vont aussi s’appuyer sur d’autres modèles d’IA. Son utilisation dans le domaine de
l'ingénierie change les méthodes de travail en améliorant la détection des défauts, l'optimisation des
chaînes de production et la maintenance prédictive des équipements. Par exemple, l'IA permet de
simuler des environnements et de tester des scénarios sous contraintes avant leur mise en œuvre
réelle, réduisant ainsi les risques et les coûts associés.
Dans le secteur industriel, des IA de maintenance prédictive sont utilisées pour anticiper les futures
pannes de machines ou d’équipements et de permettre une intervention anticipée des techniciens. Ces
derniers n’interviennent plus pour réparer, mais pour entretenir les appareils avant la réalisation des
pannes.

Optimisation de la production

Les entreprises vont s’appuyer sur des IA pour identifier dans le processus de production les points qui
peuvent être optimisés, par exemple en identifiant les étapes impliquant d’important temps d’arrêt et
proposer des solutions alternatives. Les IA permettent également de rationaliser les coûts et d’optimiser
l’utilisation de matières premières en analysant les principales sources de gaspillage.

L’intérêt d’utiliser l’IA au sein des sociétés d’ingénierie

En termes de bénéfices, les entreprises du secteur de l’ingénierie considèrent que le premier d’entre
eux est l’amélioration de l’intérêt du travail pour leurs salariés (83%), suivie de l’amélioration de

DPB / Direction des Politiques de

branches
la productivité (63%), la réduction des coûts (54 %) et de l’amélioration de la qualité des productions
(34 %).
Les ingénieries citent en revanche moins l’aide à l’éco-conception de produits ou de services (6 %),
l’aide à la formation de nouveaux salariés (5%) ainsi que le développement de la créativité de leurs
salariés (2 %) (figure 24).
A noter que dans ce secteur, l’amélioration de l’intérêt du travail pour leurs salariés est fortement citée
(+ 50 points) alors que ces entreprises sont largement moins nombreuses à citer l’amélioration de la
qualité de productions (- 28 points), l’aide à l’éco-conception de productions ou de services (-12 points),
l’aide à la formation de nouveaux salariés (-20 points) et le développement de la créativité des salariés
(-24 points).

Amélioration de l’intérêt du travail pour vos salariés (moins de

83%
temps consacré à des tâches répétitives ou peu intéressantes)

Amélioration de la productivité 63%

Réduction des coûts 54%

Amélioration de la qualité des productions 34%

Aide à l’éco-conception de produits ou de services 6%

Aide à la formation de nouveaux salariés 5%

Développement de la créativité des salariés 2%

Figure 24 : Bénéfices du recours à l'IA pour les entreprises de l'ingénierie : Source : BVA pour
OPIIEC - 2024

Les salariés perçoivent de leur côté, via le recours à l’IA, une amélioration de la qualité de leurs
productions (66 %), suivie d’une amélioration de leur productivité (59 %).

Les freins au recours à l’IA dans l’ingénierie

Le premier frein à l’utilisation de l’IA par les entreprises du secteur concerne les risques liés à
l’utilisation de l’IA qui est relevé par 64 % des entreprises. En second, les entreprises citent
beaucoup la crainte de la perte de qualité de la production (49 %), puis en troisième le manque de
compétences en interne (44 %). Les entreprises citent globalement moins le coût de l’investissement
(33%), l’impact environnemental (19%), le manque de visibilité sur les usages possibles (13 %) et la
réticence des salariés (11 %).
Les entreprises de l’ingénierie citent davantage les risques liés à l’utilisation de l’IA (+29 points) et la
crainte de perte de qualité de la production (+ 20 points) que les entreprises des autres secteurs.

DPB / Direction des Politiques de

branches
Risques liés à l’utilisation (ex. fuite des données) 64%

Crainte de perte de qualité de la production 49%

Manque de compétence interne 44%

Coût de l’investissement 33%

Impact environnemental 19%

Manque de visibilité sur les usages possibles 13%

Réticence des salariés 11%

Aucun frein en particulier 1%

Figure 265 : principaux freins au recours à l'IA - Source : Enquête BVA pour OPIIEC - 2024

3.2.3 L’IA DANS LE SECTEUR DU CONSEIL

Le rôle des consultants évolue avec l’utilisation croissante de l'IA. En effet, l’IA permet l’extraction et la
classification de grands ensembles de données (qualitatives comme quantitatives), la recherche
facilitée et accompagnée par les assistants virtuels et l’automatisation des tâches répétitives.

Les principaux usages de l’IA dans les entreprises du conseil

Les entreprises du secteur du conseil utilisent principalement en interne l’IA en vue de formaliser des
documents (79 %), de se faire assister aux taches bureautiques (56 %), comme un appui à la prise
de note et la réalisation de comptes-rendus (51 %) ainsi que dans l’aide à la gestion et planification
des projets (46 %) et pour se faire accompagner lors de recherche documentaire (38 %). Les
entreprises citent globalement moins l’utilisation de l’IA comme un outil d’aide à la décision (35 %) afin
de créer du contenu marketing (34 %) ou l’IA comme aide à la gestion contractuelle (32 %) (Figure
23). (Figure 26).
De leur côté, les salariés du secteur du conseil relèvent une utilisation de l’IA, principalement axée sur
l’assistance aux taches de bureautiques (46 %), l’accompagnement à de la recherche
documentaire (43 %), à la formalisation de documents (41 %) et comme une aide à la gestion et
planification des projets (36 %).
Les salariés du conseil sont plus nombreux à relever l’utilisation de l’IA en vue de se faire
accompagner à de la recherche documentaire, comme amélioration de la gestion de la relation client
(+12), afin de se faire assister aux taches bureautiques (+ 11), comme appui à la prise de note et la
réalisation des comptes-rendus (+11) ainsi que pour la pré-sélection des CV (+11) et comme aide à la
gestion et planification des projets (+ 10). Ce qui s’explique davantage par la nature des missions des
entreprises de conseil qui vont davantage avoir de tâches de rédaction de rapport, de réalisation
d’interview, mais aussi d’accompagnement RH d’entreprises.

DPB / Direction des Politiques de

branches
 Formalisation de documents 79%
Assistance aux taches bureautiques (rédaction de mail, … 56%
Appui à la prise de note et la réalisation des comptes-rendus 51%
Aide à la gestion et planification des projets 46%
Accompagnement de la recherche documentaire 38%
Aide à la décision (recommandation d’optimisation, … 35%
Création de contenu marketing 34%
Aide à la gestion contractuelle (rédaction de contrat … 32%
Réalisation des tests 29%
Gestion de la relation client 28%
Détection de comportement atypique et renforcement de… 22%
Personnalisation de l’expérience client 21%
Analyse prédictive (ex : maintenance…) 17%
Pré-sélection des CV 13%
Aide à l’éco-conception de produits ou de services 11%
Génération de code 10%
Suivi en direct d’événements 9%
Appui à la conception de plan de produit ou d’ouvrage … 2%

Figure 76 : principaux usages de solutions d'IA dans les entreprises du Conseil - Source : Enquête BVA pour OPIIEC - 2024

De leur côté, les salariés du secteur du conseil relèvent une utilisation de l’IA, principalement
axée sur l’assistance aux taches de bureautiques (48 %), l’accompagnement a de la recherche
documentaire (48 %), comme appui à la prise de note et réalisation de comptes-rendus (39%), a
la formalisation de documents (37 %) et comme une aide à la gestion et planification des projets (32
%).
Ils citent moins, mais avec une utilisation tout de même notable de l’IA le fait de faire de la création de
contenus marketing (31 %), la pré-sélection des CV (29%), l’aide à la gestion contractuelle (28%),
la gestion de la relation client (27 %) ou encore comme appui à la conception de plan de produit
ou d’ouvrage (26%).
A noter que les salariés du conseil sont plus nombreux à relever l’utilisation de l’IA en vue de se
faire assister aux taches de bureautiques (+ 14 points) afin de se faire accompagner à de la
recherche documentaire (+ 23 points), et comme un appui à la prise de note et réalisation des comptes -
rendus (+ 14 points). Ils sont toutefois moins nombreux à utiliser l’IA pour de la génération de
code (- 13 points) et pour de l’analyse prédictive (-12 points).

Illustration d’usage de l’IA dans des entreprises du conseil :

Accompagner la recherche documentaire

L’IA générative peut être utilisée par certaines entreprises pour accompagner les conseillers dans le
travail de recherche documentaire pour préparer une réponse à un projet. Cette phase ayant pour
principal objectif de poser les enjeux et la problématique d’un sujet, les recherches par IA sont
suffisantes. En effet, pour présenter des informations succinctes et pertinentes, l ’IA peut être utilisée à
condition de vérifier la véracité des informations produites par elle. Les erreurs que les IA peuvent
commettre augmentent fortement le temps de contrôle des conseillers sur les productions et leur
utilisation est pour le moment limitée aux tâches simples demandant peu de valeurs ajoutées.

DPB / Direction des Politiques de

branches
 « En relisant une synthèse de CoPilot sur des documents de l’entreprise, j’ai observé des erreurs et en vérifiant
dans les documents, j’ai observé que les documents étaient bons, mais Copilot en a fait une mauvaise synthèse,
il a « halluciné » »
Dirigeant – entreprise du Conseil.

Formaliser des documents sur la base des données de l’entreprise

Les entreprises peuvent paramétrer les IA sur l’ensemble des documents des entreprises afin qu’elles
utilisent uniquement ces sources de données pour générer des documents. Cet usage peut permettre
de formaliser les CV des conseillers dans le cadre de propositions commerciales, de proposer des bilans
sur la base des documents de l’entreprise. Toutefois, les outils proposés actuellement ne semblent pas
suffisamment pertinents, les entreprises travaillent donc au développement de solutions internes
indépendantes et moins énergivores.

Le cabinet de conseil Deloitte a développé au sein de son entreprise une IA générative « PairD ».
Le modèle permet de répondre aux courriels, de rédiger du contenu, d’écrire du code pour
automatiser des tâches, de créer des présentations, ou encore d’effectuer des recherches . Les
employés ont été formés à son utilisation afin de faire preuve de rigueur pour vérifier les
éléments produits par l’IA.

40

Faciliter la prise de note et la réalisation des comptes-rendus

Les outils actuels permettent d’automatiser la prise de notes lors de la réalisation de réunion ou
d’entretiens. Cet usage permet d’améliorer les quantités de notes prises, mais auss i d’accélérer leur
formalisation. L’IA permet également de traiter et d’analyser les entretiens et réunions réalisés.
Les IA utilisées peuvent avoir des applications selon les domaines d’expertise de l’entreprise de
conseil. A titre d’exemple :
Dans le domaine des RH, des IA permettent aujourd’hui une pré-sélection des CV des personnes dans
l’optique d’un recrutement et de réaliser un « matching » efficace entre les postes et les candidats. Cela
permet une optimisation des processus et de dégager du temps pour des taches a plus forte valeur
ajoutée. Ce temps gagné permet notamment de favoriser les tâches avec une forte valeur ajoutée par
l’humain, notamment les entretiens.
Les cabinets de conseil en finance peuvent aussi utiliser la puissance de l'IA non-générative pour
analyser de grands volumes de données financières et fournir des insights stratégiques à leurs clients.
Ainsi, ils utilisent l'IA non-générative pour analyser les données financières passées et prévoir les
tendances futures, pour évaluer les risques en cas de chocs obligataires ou de fluctuations des taux,
pour identifier des schémas suspects ou des anomalies dans les données financières, pour détecter
plus rapidement les fraudes ou les erreurs, ou pour prévoir les besoins en fonds de roulement. L’IA peut
également être utilisé pour la génération de rapports d’audit préliminaires et l’analyse de données
financières importantes. Dans ce cas-là, l’IA permet de structurer les rapports et de proposer des
recommandations. Les experts seront davantage positionnés sur des tâches d’analyses
stratégiques, pour identifier des risques et détecter des schémas inhabituels dans ses
transactions qui pourraient indiquer des erreurs, voire des fraudes.
Les consultants en management évoluent vers des rôles où ils doivent non seulement comprendre
les technologies IA, mais aussi être capables de guider les clients à travers la transformation numérique,
avec des connaissances approfondies des outils IA.

40 Deloitte launches internal chatbot – Deloitte – 2024 (lien)

DPB / Direction des Politiques de

branches
Les bénéfices du recours à l’IA pour les entreprises du conseil

En termes de bénéfices, les entreprises du conseil ayant recours à l’IA relèvent en premier une
réduction des coûts (73%), suivi d’une amélioration de la qualité des productions (67%), de
l’amélioration de la productivité (63%). Sont moins cités le développement de la créativité des
salariés (30%), l’aide à la formation de nouveaux salariés (27 %). (Figure 27).

Réduction des coûts 73%

Amélioration de la qualité des productions 67%

Amélioration de la productivité 63%

Développement de la créativité des salariés 30%

Aide à la formation de nouveaux salariés 27%

Amélioration de l’intérêt du travail pour vos salariés (moins de

18%
temps consacré à des tâches répétitives ou peu intéressantes)

Aide à l’éco-conception de produits ou de services 14%

Figure 87 : principaux bénéfices du recours à l'IA pour les entreprises du Conseil - Source : Enquête BVA
pour OPIIEC - 2024

Les salariés du conseil estiment quant à eux que l’IA permet d’améliorer leur productivité (62 %). Ils
estiment ensuite qu’elle permet d’améliorer l’intérêt du travail (55 %), d’aider à la créativité (51 % des
salariés). Enfin, les salariés du conseil soulignent que l’IA permet d’améliorer la qualité de leurs
productions (50 %).

Les freins à l’usage de l’IA dans le secteur du conseil

Les entreprises mettent en avant comme freins d’utilisation, en premier, le coût de l’investissement
(47%), suivi des risques liés à son utilisation (31%), l’impact environnemental (17%), le manque de
visibilité sur les usages possibles (16%), le manque de compétence en interne (14%) ainsi que la
réticence des salariés (13%) et la crainte de perte de qualité de la production (11%) . 21% des
entreprises ne relèvent aucun frein au déploiement de l’utilisation de l’IA en entreprise.

Coût de l’investissement 47%

Risques liés à l’utilisation (ex. fuite des données) 31%

Impact environnemental 17%

Manque de visibilité sur les usages possibles 16%

Manque de compétence interne 14%

Réticence des salariés 13%

Crainte de perte de qualité de la production 11%

Aucun frein en particulier 21%

DPB / Direction des Politiques de

branches
 Figure 98 : Principaux au recours à l'IA pour les entreprises du secteur du Conseil - Source :
Enquête BVA pour OPIIEC

3.2.4 L’IA DANS LE SECTEUR DE L'ÉVÉNEMENTIEL

Le secteur de l’événementiel utilise aussi l’IA dans le cadre de son activité. Leurs usages peuvent être
divers et permettre d’automatiser des processus comme la gestion des inscriptions et billets, la
planification des horaires des conférences ou encore la logistique générale de l’événement.

Les principaux usages de l’IA dans les entreprises de l’événementiel

Les entreprises du secteur de l’événementiel ont recours à l’utilisation de l’IA principalement pour de la
création de contenu marketing (93 %). Dans un second temps pour le suivi de l’appui à la prise de
note et la réalisation des comptes-rendus (81 %), puis afin de se faire assister aux taches
bureautiques (80 %) (Figure 29).

Création de contenu marketing 93%

Appui à la prise de note et la réalisation des comptes-rendus 81%
Assistance aux taches bureautiques (rédaction de mail, prise de rendez -… 80%
Appui à la conception de plan de produit ou d’ouvrage (generative design) 79%
Accompagnement de la recherche documentaire 78%
Aide à la gestion contractuelle (rédaction de contrat spécifique…) 69%
Formalisation de documents 20%
Génération de code 19%
Gestion de la relation client 18%
Suivi en direct d’événements 13%
Personnalisation de l’expérience client 12%
Pré-sélection des CV 12%
Aide à la gestion et planification des projets 11%
Réalisation des tests 7%
Analyse prédictive (ex : maintenance…) 4%
Aide à la décision (recommandation d’optimisation, analyse de l’impact … 4%
Aide à l’éco-conception de produits ou de services 3%
Détection de comportement atypique et renforcement de la cybersécurité 0%

Figure 2109 : principaux usages de l'IA par les entreprises du secteur de l'événementiel - Source :
Enquête BVA pour OPIIEC - 2024
Les salariés déclarent utiliser l’IA afin de créer du contenu marketing (51 %), comme un outil d’aide à
la gestion et planification de projets (50 %) et afin de personnaliser l’expérience client (39 %).
Moins cités par ces salariés, ces derniers relèvent également une utilisation de l’IA orientée vers la
réalisation des tests (35 %), le suivi en direct d’événements (34 %), l’appui à la prise de note et la
réalisation des comptes-rendus (34 %) ainsi que comme assistant aux taches bureautiques (30 %).

DPB / Direction des Politiques de

branches
Illustration des principaux cas d’usage de l’IA dans le secteur
Conception et gestion en direct de l’événement
L’intelligence artificielle intervient dès les premières étapes de la conception d’un événement, impactant
directement des métiers tels que celui de chef de projet événementiel. Cette technologie permet de
répondre rapidement et efficacement aux cahiers des charges des clients en générant automatiquement
plusieurs recommandations adaptées. Ces propositions peuvent ensuite être présentées aux c lients,
représentant un gain de temps significatif pour les professionnels. Les chefs de projet peuvent ainsi se
concentrer davantage sur des aspects stratégiques ou créatifs, renforçant la valeur ajoutée de leurs
interventions.

Des avancées technologiques comme la vision par ordinateur et l’analyse de données rapide ont permis
le développement d’outils spécifiques pour suivre en temps réel le bon déroulement des événements.
Ces outils prévoient les tendances de participation et optimisent la gestion des f oules, améliorant ainsi
l’expérience globale des participants et réduisant les risques opérationnels.

Personnalisation de l’expérience client

L’analyse de données, rendue possible grâce à l’IA, joue également un rôle crucial dans la
personnalisation de l’expérience client. En fonction des préférences et du comportement des
participants, les logiciels d’IA proposent des recommandations personnalisées de contenus, renforçant
ainsi l’engagement. Cet aspect est particulièrement précieux pour les événements réc urrents, comme
ceux organisés tous les deux ans. Entre deux éditions, l’IA permet de maintenir un lien avec les visiteurs
en leur proposant régulièrement des contenus adaptés, favorisant leur fidélité et leur retour.

Gestion de la relation client

Le développement de chatbots, écrits, vocaux voire vidéo, va permettre de mieux gérer la relation client,
de répondre de façon plus personnalisée aux participants, aux clients et aux prestataires. Cet usage
pourrait permettre l’augmentation de la productivité globale, notamment dans le cas d’interactions à
distance, l’intelligence artificielle permettant de baisser la charge cognitive des opérateurs et ainsi de
gérer plus de demandes en simultané, une amélioration de la qualité des services fournis en aidant à
réduire les erreurs humaines, mais aussi en apportant des recommandations plus précises.

Création de contenu marketing

Les IA génératives vont aussi permettre de plus facilement proposer du contenu pour la communication
(création de vidéos de promotion, création de design ou de suggestion de post pour les réseaux
sociaux…). Elles peuvent notamment être utilisées pour la rédaction d’articles optimisés pour le SEO.

« L’IA va nous permettre de communiquer de manière quotidienne en rédigeant des articles, des images,
d’analyser et d’optimiser notre SEO et de traduire cette communication systématiquement » Directeur SI –
Entreprises de l’événementiel

Cet usage est particulièrement sensible aux enjeux de propriété intellectuelle. En effet, cette utilisation
doit permettre de s’assurer que les contenus produits ne contreviennent par au droit de propriété. Cette
utilisation implique donc de former et d’accompagner les créatifs sur ce process « d’inspiration/création
».

DPB / Direction des Politiques de

branches
Automatisation de tâches de rédaction
De façon plus transverse à toutes les entreprises, ces nouveaux outils vont également permettre
d’appuyer la rédaction de différents documents. Par exemple, en comptabilité pour effectuer une
première recherche dans les documents de l’entreprise ou pour les commerciaux afin de prérédiger un
contrat.

« L’IA pourrait être un bon assistant pour réceptionner les mails, les appels et en générant systématiquement des
propositions de réponses. »
Directeur Financier – Événementiel

Dans le cadre d’évènements, l’IA peut aussi être utilisée pour traduire des textes (technique ou
marketing), mais aussi traduire de façon instantanée des conférences, de sous-titrer des vidéos ou
retranscrire des débats/échanges. Ces pratiques pourraient avoir un fort impact sur l’emploi des métiers
de traduction ou rédacteurs. Ces métiers interviendront davantage comme des experts pour apporter
une expertise de contextualisation des propos en fonction de particularités culturelles ou contextuelles.

« Pour les Conférences de presse, nous utilisons de la traduction automatique, dans toutes les langues, avec les
lèvres synchronisées… En une journée nous avons toutes les versions. »
Directeur SI – entreprise de l’événementiel

Aide à l’organisation logistique

L’IA générative peut accompagner les professionnels dans la planification et l’organisation de leurs
événements. En alimentant l’IA par des données, elle peut proposer une première version de déroulé
d’un événement, mais aussi une organisation d’un plan de tables, des groupes de travaillent en
respectant certains critères (ex. la parité) et des contraintes (ex. heure d’arrivée des personnes).

« On se sert de l’IA sur la logistique en faisant des plans de salons, on travaille également sur l’optimisation de
l’implantation des stands »
Dirigeant d'entreprise de l'événementiel

L’intégration de l’IA transforme en profondeur l’organisation des entreprises événementielles. Les

besoins en Data Analysts se renforcent pour organiser, structurer et analyser les données. Par ailleurs,
les métiers en contact avec les clients pourraient bénéficier des gains de temps permis par
l’automatisation, leur permettant de se recentrer sur des activités à forte valeur ajoutée, comme
l’optimisation des stratégies commerciales et le repérage des prospects les plus prometteurs.

DPB / Direction des Politiques de

branches
Les bénéfices du recours à l’IA dans l’événementiel professionnel
Pour les entreprises de l’événementiel, l’IA améliorerait la productivité (99 %), la qualité des
productions (87 %) et serait une aide à l’éco-conception de produits ou de services (69%). Moins
citées par ces entreprises, elles relèvent également la réduction des coûts (16 %), le développement
de la créativité des salariés (11%), l’amélioration de l’intérêt du travail pour les salariés (10%) ainsi que
l’aide à la formation de nouveaux salariés (10%) (Figure 30).

Amélioration de la productivité 99%

Amélioration de la qualité des productions 87%

Aide à l’éco-conception de produits ou de services 69%

Réduction des coûts 16%

Développement de la créativité des salariés 11%

Amélioration de l’intérêt du travail pour vos salariés (moins de

10%
temps consacré à des tâches répétitives ou peu intéressantes)

Aide à la formation de nouveaux salariés 10%

Figure 30 : Principaux bénéfices du recours à l'IA par les entreprises de l'événementiel - Source : Enquête BVA
pour OPIIEC - 2024

De leur côté, les salariés de l’événementiel présentent l’IA comme un bon levier pour aider à leur
créativité (68%), comme une amélioration de leur productivité (67%), une amélioration de la
qualité de leurs productions (65%). Plus en retrait et moins citées, 49% des salariés relèvent une
amélioration de l’intérêt du travail.
Les freins au recours à l’IA dans les entreprises de l’événementiel
Les entreprises citent deux principaux freins au développement de l’IA : le manque de compétence
interne (86 %) et le manque de visibilité sur les usages possibles (70 %). Viennent plus loin le coût
de l’investissement (18%), la réticence des salariés (15%), les risques liés à l’utilisation de cette
technologie (11 %) ainsi que la crainte de perte de qualité de la production (7 %) (Figure 31).

Manque de compétence interne 86%

Manque de visibilité sur les usages possibles 70%

Coût de l’investissement 18%

Réticence des salariés 15%

Risques liés à l’utilisation (ex. fuite des données) 11%

Crainte de perte de qualité de la production 7%

Impact environnemental 0%

Aucun frein en particulier 0%

Autre : précisez 0%

Figure 31 : principaux freins à l'utilisation de l'IA dans les entreprises de

l'événementiel - Source : Enquête BVA pour OPIIEC - 2024

DPB / Direction des Politiques de

branches
 PARTIE 4.
LES IMPACTS DU DÉPLOIEMENT
DE L’IA SUR LES EMPLOIS, LES
MÉTIERS ET LES COMPÉTENCES
DANS LES ENTREPRISES DE LA
BRANCHE

DPB / Direction des Politiques de

branches
 Synthèse de la partie

Pour 77 % des entreprises de la branche, l'IA est considérée comme l’un principal facteur
d’évolution impactant les entreprises (pour 25 % c’est le premier facteur d’impact). En effet, en
termes d’emploi, la participation des entreprises aux activités de création et de déploiement de
solutions d’IA transforme les métiers de la branche avec une hausse des besoins dans les domaines
suivants. Ce sont notamment les métiers de Spécialistes IA (ingénieurs en IA, ingénieur machine
learning), les métiers de la Data Science ainsi que les métiers du développement logiciel et de la
coordination de projet (Chef de projet) dont les entreprises devraient avoir le plus besoin dans les
années à venir. En 2024, près de 1 400 offres d’emploi étaient publiées en France sur les métiers
d’ingénieur en intelligence artificielle.

De plus, pour répondre aux besoins des entreprises dans leurs projets de développement de solutions
d’intelligence artificielle, les professionnels doivent combiner des compétences techniques et
stratégiques afin de répondre aux spécificités et aux exigences, notamment en matière de
souveraineté et de performance des projets IA. Les principaux besoins en compétence concernent
les domaines de :
- La data science (développement de modèles fiables) ;
- Les mathématiques (optimisation des algorithmes et création de solutions frugales) ;
- La gouvernance des données (considérations sécurité et conformité) ;
- La veille et utilisation des solutions IA (adaptation d’outils prêts à l'emploi ajustés aux
besoins) ;
- La gestion des infrastructures (expertise en déploiement local et gestion du cloud) ;
- Le management de projet IA : nécessaire pour gérer les incertitudes liées à la qualité des
données et aux phases d'itération.
- La capacité à restituer les résultats des modèles d’IA et à comprendre les besoins métiers
constitue une compétence transversale essentielle dans les projets d’intelligence artificielle.

Les entreprises de la branche vont également être des utilisatrices d’IA, cela implique que pour
garantir sa bonne utilisation de maitriser de nouvelles compétences. Ce sont notamment sur les sujets
de connaissance générale des IA, leur fonction, les modèles existants pour connaitre les outils les
plus adaptés aux besoins et au cas d’usage en entreprise.

Par ailleurs, pour les entreprises, ces usages devraient davantage être créateur d’emploi. Au regard
des projections des entreprises, ces dernières anticipent la création de 45 000 emplois dans la
branche dans les 3 prochaines années en raison du déploiement de l’IA. L’optimisation gagnée
grâce au recours à l’IA permettrait ainsi de gagner en productivité et de concentrer davantage les
salariés sur les tâches à plus grande valeur ajoutée.

DPB / Direction des Politiques de

branches
 4.1 UNE ANALYSE DES IMPACTS EMPLOI ET COMPÉTENCES
POUR LE DÉVELOPPEMENT DE PROJETS D’IA

Lorsque l’on questionne les entreprises sur les facteurs qui auront le plus d’impact sur le travail au
quotidien dans les 3 prochaines années, elles citent en premier les évolutions de contexte
économique (82 %). L’impact de l’IA sur leur activité est en revanche le deuxième facteur le plus
impactant à l’avenir pour elles. En effet, pour 77 % des entreprises, l’IA impactera fortement leur travail
dans les années à venir.

Les évolutions du contexte économique 25% 57%

L’intelligence artificielle 25% 52%

Les évolutions techniques ou technologiques 20% 53%

L’évolution de l’organisation du travail (télétravail, auto-
2% 62%
entrepreneuriat…)
Les évolutions du contexte géopolitique 6% 56%

Les difficultés de recrutement 12% 49%

Les évolutions démographiques (vieillissement, baisse
1% 59%
du nombre de jeunes…)
La transition écologique, les changements climatiques 9% 49%

Le facteur principale Les facteurs secondaires

Figure 1132 : Les facteurs impactant sur les entreprises pour les années à venir - Source : Enquête BVA
pour OPIIEC - 2024

En revanche, pour les salariés, c’est l’émergence de l’IA qui aura le plus d’impact sur leurs
travaille. En effet, pour 81 % des salariés interrogés l’intelligence artificielle arrive est le facteur le plus
impactant.
Les salariés travaillant dans le numérique relèvent encore plus les évolutions techniques ou
technologiques (79%) et le numérique responsable et éthique (57%) et ceux travaillant dans le conseil
relèvent davantage l’évolution de l’organisation du travail (66%).

DPB / Direction des Politiques de

branches
 L’intelligence artificielle 34% 47%
Les évolutions techniques ou technologiques 16% 53%
Les évolutions du contexte économique 16% 51%
L’évolution de l’organisation du travail (télétravail,
auto-entrepreneuriat…) 10% 46%
Les difficultés de recrutement 7% 47%
La transition écologique, les changements
climatiques 4% 48%
Le numérique responsable et éthique 5% 46%
Les évolutions du contexte géopolitique 6% 43%
Les évolutions démographiques (vieillissement,
baisse du nombre de jeunes…) 3% 42%

Le facteur principale Les facteurs secondaires

Figure 1233 : principaux facteurs impactant le travail au quotidien pour les salariés sur les années à venir
- Source : Enquête BVA pour OPIIEC - 2024

Interrogés, les salariés de la branche considèrent majoritairement l’arrivée de l’IA comme une
opportunité (64 %) voire une nécessité (35%). En effet, ils ne sont que 18 % à considérer l’arrivée de
l’IA comme une crainte voire une menace.
A noter que les salariés du numérique voient davantage l’IA comme une opportunité (69 %) et une
nécessité alors que ceux de l’événementiel semblent plus préoccupés en répondant à 31% une crainte
voire une menace. En effet, alors que dans le secteur du numérique, l’IA est susceptible d’être une
source d’augmentation de l’activité des salariés. L’événementiel a davantage de métier fortement
impacté par l’IA.
Dans ce même temps, les jeunes actifs semblent plus préoccupés par l’arrivée de l’IA, les individus
plus avancés dans leur carrière sont plus distants de cette question41.

La crainte de la fuite de données en raison de

39%
l’utilisation des IA génératives
Une diminution de mon expertise par l’utilisation
excessive de l’IA 33%

La perte de responsabilités et d’autonomie dans mon

33%
travail
La difficulté à expliquer et comprendre les résultats
26%
proposés par l’IA

La perte de mon emploi 13%

Autre (précisez) 1%

Je n’ai aucune de ces craintes 20%

Figure 134 : principales craintes des salariés face au développement de l'IA dans leur
entreprise - Source : Enquête BVA pour OPIIEC - 2024

41
Enquête BVA Pour OPIIEC - 0224

DPB / Direction des Politiques de

branches
Concernant les craintes des salariés vis-à-vis de l’IA, alors que 20 % des salariés se disent n’avoir
aucune crainte concernant l’IA, 39 % des salariés répondants craignent la fuite de données en raison
de l’utilisation des IA génératives, 33% relèvent une possible diminution de leur expertise par
l’utilisation excessive de l’IA et 33% pensent qu’ils perdraient en autonomie dans leur travail. 26 %
des salariés pensent qu’ils se retrouveront en difficulté pour comprendre les résultats générés par
l’IA. Ces réponses montrent la nécessité pour les entreprises d’encadrer l’utilisation de l’IA dans les
entreprises. En effet, permettre l’utilisation pour des usages précis et contrôler permet de garantir
auprès de salariés le bon usage de l’outil. En revanche, nous pouvons relever une certaine confiance
des salariés vis-à-vis de l’IA puisque seulement 13 % d’entre eux craignent que l’IA entraine une perte
de leur emploi. (Figure 34)

Il est important de relever que le genre influe sur les réponses : 24 % d’hommes n’ont aucune
crainte contre seulement 12% chez les femmes.

1.2.1. UNE AUGMENTATION DES BESOINS ET DES COMPÉTENCES

LIÉS À L’IA

Le développement de solutions d’IA se généralise et se généralisera. En effet, comme évoqué

précédemment, de plus en plus d’entreprises de la branche seront amenées à travailler au
développement de SIA ou d’accompagner les entreprises dans ces projets. Cet te activité a
nécessairement un impact sur les métiers de la branche.
En effet, selon l’enquête menée dans le cadre de ce projet :
• 28 % des entreprises de la branche ont créé des postes spécifiquement dédiés à l’IA :
ingénieur IA, chef de projet IA, data analyst/Scientist en particulier.
• 21% ont augmenté leurs effectifs sur certains métiers : développeur, Data analyst,
ingénieurs
• 7% ont réduit les effectifs sur certains métiers (notamment développeur ou concepteur).

Par ailleurs, on observe des disparités en fonction du secteur d’activité. Le secteur de l’ingénierie est
plus sujet à la création de postes spécifiquement liés à l’IA (+ 11 points).
Les professionnels interviewés expliquent que pour développer des solutions d’IA, ils ont des besoins
en profils et métiers très spécifiques au développement de l’IA, les métiers dits de spécialistes IA. Ces
métiers ont la responsabilité de concevoir des modèles d’IA adaptés aux différents usages, en
s’appuyant sur une expertise pointue et des compétences variées :
• Ingénieurs en intelligence artificielle : Ils maîtrisent les différents modèles d’IA existants
(réseaux neuronaux, IA symbolique, systèmes hybrides, etc.) et les technologies associées.
Ils interviennent dès les premières étapes d’un projet pour définir les objectifs, choisir les
technologies adaptées et élaborer une architecture technique. Leur rôle est central dans la
conception d’une solution IA alignée sur les besoins spécifiques des utilisateurs ou des
entreprises.
• Ingénieurs en machine learning : Spécialistes des techniques d’apprentissage
automatique, ils sont responsables de l’entraînement des modèles d’IA. Leur travail repose
sur l’analyse approfondie des données, la sélection des algorithmes adaptés, et l’ajustement
des paramètres pour améliorer la performance des modèles. Ils jouent également un rôle clé
dans l'évaluation continue des modèles et leur optimisation pour garantir des résult ats fiables.
Au regard des offres d’emploi publié en 2024 en France, ce besoin se confirme. En effet, 1 336 offres
d’emploi ont été publiées sur le métier « d’ingénieur Intelligence artificielle ». Les recrutements
étaient réalisés pour 56 % par des entreprises de la branche, dont 45 % par le secteur conseil-
informatique et 11 % par l’architecture-ingénierie. Largement concentrés en Île-de-France

DPB / Direction des Politiques de

branches
(particulièrement à Paris), ces recrutements concernent principalement des candidats qui sont titulaires
d’un Bac + 5. 42
Aux côtés des spécialistes IA, les métiers de la data science sont également cruciaux pour le
développement des solutions d’IA et devraient croître dans les effectifs. Ces professionnels se
concentrent sur la gestion, l’analyse, et l’exploitation des données, éléments essentiels pour entraîner
et maintenir les modèles d’IA.
• Analystes et spécialistes du traitement des données : Leur mission est de collecter,
structurer et préparer des bases de données robustes, indispensables pour l’entraînement
des modèles d’IA. Ils veillent également à la qualité des données en éliminant les biais et les
erreurs, garantissant ainsi des résultats fiables. Ces professionnels assurent également la
maintenance des jeux de données tout au long du cycle de vie des modèles.
• Spécialistes en gouvernance et management de la donnée : Ces experts, souvent
analystes ou spécialistes de la gouvernance des données, travaillent à adapter les modèles
IA aux exigences de sécurité, de confidentialité et de souveraineté. Ils jouent un rôle clé dans
des secteurs sensibles, où les données critiques doivent être protégées et conformes aux
réglementations (RGPD, normes sectorielles, etc.).
Les solutions d’IA doivent être intégrées à des logiciels et interfaces pour être uti lisables au quotidien,
ce qui implique l’intervention des métiers du développement de logiciel et des infrastructures.
• Architectes et spécialistes des systèmes et réseaux : Ils conçoivent l’intégration de l’IA
dans les systèmes existants et préparent l’infrastructure technique pour accueillir de
nouveaux programmes et applications. Leur expertise garantit une compatibilité fluide entre
les outils d’IA et les environnements techniques de l’entreprise, tout en anticipant les besoins
futurs.
• Développeurs logiciels : Ces professionnels adaptent et déploient les solutions d’IA dans
des logiciels ou des interfaces utilisateurs. Leur spécialisation dans certains langages et
frameworks leur permet d’assurer une intégration optimale, une expérience utilisateur fluide
et une adaptation aux contraintes techniques.
Enfin, le développement de solutions d’IA nécessite une coordination efficace et un accompagnement
pour garantir leur adoption et leur utilisation.
• Chefs de projet digital : Ils pilotent les projets de développement et d’intégration des
solutions d’IA, assurant la gestion des ressources, la communication avec les parties
prenantes, et le respect des délais. Leur expertise en IA leur permet de superviser la mise
en œuvre technique tout en accompagnant le changement au sein de l’organisation.
• Formateurs : Ces professionnels jouent un rôle clé dans l’adoption des solutions d’IA par
les utilisateurs finaux. Ils conçoivent et dispensent des formations pour permettre aux
entreprises, et à leurs clients, de comprendre, maîtriser et exploiter les outils d’IA dans leurs
activités.
Ces métiers se développent aussi dans des domaines très spécifiques , contextualisés aux secteurs
d’application. Une solution d’IA développée dans les secteurs de la santé ne doit pas répondre aux
mêmes contraintes qu’une IA développée pour l’industrie automobile ou pour l’industrie de la défense.
De ce fait, ces métiers peuvent également être teintés d’une spécificité sectorielle. Les experts
vont combiner des compétences en intelligence artificielle avec une expertise dans un domaine
spécifique tel que l’industrie, la médecine, ou l’éducation. Ces postes présentent des défis importants
en termes de recrutement, car ils requièrent une combinaison unique de savoir-faire technique et de
compréhension métier.

42
Ingénieur intelligence artif icielle F/H – Datacadres – Apec – 2024 – lien

DPB / Direction des Politiques de

branches
Les besoins en compétence pour développer des solutions d’IA
Pour développer ces solutions d’IA, il y a aussi un besoin pour les entreprises de la branche d’acquérir
de nouvelles compétences. Les entreprises estiment que dans les 3 à 5 prochaines années elles
auront besoin de compétences orientées vers la connaissance des solutions d’IA afin de répondre
aux besoins croissants (44 %), sur la conception d’algorithmes (37%), de compétences juridiques et
réglementaires en lien avec cette technologie (35%). Les besoins en compétences très techniques
arrivent dans un second temps. En effet, pour 29 % des entreprises développant des solutions ou
accompagnant des entreprises dans ce développement, les besoins en compétences dans les années
à venir concernent le machine learning et la construction de base de données.
Bien que les salariés n’aient que peu de divergences dans leurs réponses, ces derniers relèvent
principalement la connaissance des solutions d’IA répondant aux besoins, l’accompagnement
des changements liés à l’IA, la maîtrise de l’utilisation de solutions d’IA, le machine learning ainsi que
le cadre juridique et réglementaire, la conception d’algorithmes ou la c apacité à faire émerger les cas
d’usage de l’IA.
A noter que les salariés du numérique relèvent davantage le cadre juridique et réglementaire, la capacité
à faire émerger les cas d’usage de l’IA et le développement dans un cadre de sobriété numérique.
Les résultats divergent également selon la taille de l’entreprise. Les salariés travaillant dans de grandes
entreprises estiment qu’ils devront davantage acquérir des compétences techniques telles que des
compétences en machine learning (80 %).

Connaissance des solutions d’IA répondant aux besoins 44%

Conception d’algorithmes (IA symbolique) 37%

Cadre juridique et réglementaire de l’IA (RGPD, IA Act…) 35%

Accompagnement des changements liés à l’IA 33%

Formation à l’utilisation de solutions d’IA (prompts,
29%
contrôles…)
Machine learning (apprentissage automatique) 29%

Construction/architecture des bases de données 29%

Capacité à faire émerger les cas d’usage de l’IA 23%

Développement dans un cadre de sobriété numérique 23%

Savoir développer des solutions d’IA à une échelle industrielle 20%

Figure 145 : principales compétences attendues pour le développement et l'utilisation de l'IA dans la
branche - Source : Enquête BVA pour OPIIEC - 2024

Pour répondre aux besoins des entreprises dans leurs projets de développement de solutions
d’intelligence artificielle, les experts soulignent que les salariés doivent combiner des compétences
techniques et stratégiques afin de répondre aux spécificités et aux exigences, notamment en matière
de souveraineté et de performance des projets IA.
• La maîtrise de la data science et de la construction d’infrastructure de données constitue
une base essentielle. Une compréhension approfondie de cette discipline, associée à des
compétences en structuration et modélisation des données, permet le développement et
l’optimisation des modèles d’IA. Ces compétences sont indispensables pour garantir des
résultats pertinents et fiables, en s’appuyant sur des bases de données solides et importantes.
• Les mathématiques jouent également un rôle central dans le développement de l’intelligence
artificielle. Elles apportent les fondements théoriques nécessaires à la conception, à la
selection, à l’optimisation et à la maintenance des algorithmes, tout en permettant de
développer des solutions d’IA plus efficaces et moins gourmandes en ressources. L’optimisation
mathématique contribue ainsi à la création d’outils d’IA plus frugaux et durables.

DPB / Direction des Politiques de

branches
 • La gouvernance des données est une autre compétence cruciale, notamment en raison
des enjeux souverains et des contraintes de sécurité auxquels certaines entreprises sont
confrontées. Elle garantit une gestion rigoureuse, la sécurité des données, et leur utilisation
éthique. Cela est particulièrement important dans les secteurs sensibles, où la conformité aux
réglementations et la protection des données confidentielles sont prioritaires.
• La capacité à maintenir une veille sur les solutions IA prêtes à l’emploi et à maîtriser leur
usage constitue également une compétence stratégique. Cela implique de savoir utiliser des
outils existants, tout en développant des cas d’usage spécifiques adaptés aux besoins des
entreprises. Cette maîtrise permet d'exploiter efficacement les innovations technologiques tout
en personnalisant leur application.
• Les compétences en infrastructures et en gestion des solutions numériques deviennent
également essentielles dans des contextes où l’utilisation de services cloud est limitée et où il
est nécessaire de développer des solutions d’IA moins énergivores. Les équipes doivent alors
être en mesure de gérer des infrastructures internes, ce qui demande une expertise en
déploiement, en maintenance de serveurs et en gestion de solutions locales adaptées.
• Le management de projet en IA est une compétence clé pour répondre aux exigences
spécifiques de ce type de projet. Les projets d’IA présentent une incertitude dès leur lancement,
car il est difficile de garantir que la solution répondra aux attentes en termes de fiabilité des
résultats. Cela dépend principalement de la qualité des données utilisées pour l’entraînement
des modèles, des algorithmes développés, et des technologies mises en œuvre. La gestion de
projet en IA nécessite donc une compréhension approfondie des temporalités, des protocoles
spécifiques et des phases d’itération propres à ces projets, afin de garantir leur réussite.
• La capacité à restituer les résultats des modèles d’IA et à comprendre les besoins métiers
constitue une compétence transversale essentielle dans les projets d’intelligence artificielle. Elle
permet de faire le lien entre les équipes techniques et les utilisateurs finaux, en traduisant les
résultats de manière compréhensibles. Cette compétence suppose non seulement une maîtrise
des outils de visualisation ou de reporting, mais aussi une bonne connaissance des processus
métiers pour contextualiser les résultats.

Le secteur du numérique
Le secteur du numérique est particulièrement impacté par l’essor de l’intelligence artificielle, ce qui
engendre une demande croissante en emplois qualifiés pour le développement de solutions d’IA. Ce
secteur joue un rôle central dans le développement des projets d’IA, qui exigent des compétences
techniques avancées. Ces dernières incluent la maîtrise de la programmation, l a conception et
l’architecture des systèmes d’IA, ainsi que l’intégration d’algorithmes d’apprentissage automatique. Les
professionnels du numérique doivent être capables de travailler avec des langages de programmation
spécifiques (comme Python, R ou Java), d’utiliser des outils de traitement de big data, et de déployer
des solutions sur des plateformes cloud pour répondre aux besoins d’efficacité et de performance.
Les métiers les plus impactés par le développement de l’IA, selon le référentiel métier de l’OPIIEC,
reflètent cette diversité de compétences et de spécialisations. L'architecte IoT (Internet des Objets) joue
un rôle clé dans la conception de systèmes intégrant des objets connectés et des solutions d’IA. Il est
chargé de concevoir des infrastructures qui collectent et analysent les données des capteurs en temps
réel, pour créer des solutions intelligentes et optimisées.
• Le data engineer est essentielle pour collecter, structurer et transformer les données
nécessaires à l’entraînement des modèles d’IA. Il met en place les pipelines de données et les
infrastructures nécessaires pour que les autres équipes puissent travailler efficacement avec
des données fiables et bien organisées.
• Le data scientist travaille en étroite collaboration avec les data engineers pour analyser les
données, concevoir les modèles d’IA et en optimiser les performances. Ce métier repose sur
une combinaison de compétences en mathématiques, en programmation et en machine
learning, permettant de répondre à des cas d’usage spécifiques.

DPB / Direction des Politiques de

branches
 • Le spécialiste en IA embarquée se concentre sur le développement et l’optimisation de
solutions d’IA qui peuvent fonctionner sur des dispositifs ayant des capacités limitées, comme
les appareils mobiles ou les systèmes embarqués dans les véhicules. Ce métier nécessite une
expertise en programmation bas niveau et en optimisation des ressources.
• L’expert en intelligence artificielle occupe un rôle transversal dans les projets IA, en
concevant les modèles les plus adaptés aux besoins des entreprises, en supervisant leur mise
en œuvre et en accompagnant les équipes pour tirer parti des dernières avancées
technologiques dans ce domaine.
• Le spécialiste DevOps joue un rôle crucial dans la gestion du cycle de vie des solutions d’IA.
Il veille à ce que le développement, le déploiement et la maintenance des applications d’IA
soient réalisés de manière fluide, en optimisant les processus et les infrastructures.
• L’analyste SOC est impliqué dans la protection des systèmes d’IA contre les cyberattaques.
Avec l'augmentation de l’utilisation des technologies d’IA, les enjeux de cybersécurité
deviennent critiques, et ces spécialistes sont responsables de la surveillance, de la détection et
de la neutralisation des menaces potentielles.

Le secteur de l’ingénierie
Le secteur de l’ingénierie est également fortement impacté par le déploiement de l’intelligence
artificielle, entraînant une hausse importante des besoins en emploi dans ce domaine, en particulier
dans les métiers liés au numérique. L’intégration de l’IA dans ce secteur repose sur des compétences
spécifiques, notamment en modélisation et simulation de systèmes complexes. Ces compétences sont
essentielles pour développer des solutions d’IA capables de répondre à des cas d’usage spécifiques,
comme l’optimisation des processus industriels, la gestion des flux logistiques ou encore la maintenance
prédictive.
Parmi les principaux métiers touchés par l’IA dans le secteur de l’ingénierie, le data scientist occupe
une place clé. Ces professionnels se spécialisent dans l’analyse et l’interprétation de grands volumes
de données générées par des systèmes industriels complexes. Leur rôle est de développer des modèles
prédictifs et d’optimisation qui permettent d’améliorer la performance des processus et de réduire les
coûts. Ils collaborent étroitement avec les ingénieurs pour adapter les solutions d’IA aux besoins
spécifiques des industries.
Le métier de spécialiste en jumeaux numériques est en pleine expansion. Ils développent des
répliques numériques de systèmes physiques, permettant de simuler , de tester et d’optimiser des
processus sur la réplique numérique.
Le spécialiste en robotique et automatisation est un autre métier fortement impacté par l’IA. Ces
ingénieurs conçoivent et programment des robots et systèmes automatisés pour exécuter des tâches
précises. Avec le perfectionnement de nouvelles IA (comme la visualisation et la reconnaissance
d’objet) de plus en plus de produits intégreront ces technologies dans leur fonctionnement. Les
spécialistes en robotique et automatisation doivent pouvoir concevoir cette intégration et leur
maintenance.

Le secteur du conseil
Le secteur du conseil devrait être plus modérément impacté. Bien que le conseil en stratégie IA soit
essentiel, l'impact sur le développement de solutions est moins direct que dans les secteurs du
numérique et de l'ingénierie. Les consultants doivent comprendre les technologies IA pour propos er des
solutions adaptées.
Les principaux métiers impactés par l’IA dans le secteur du conseil (selon le référentiel métier OPIIEC) :
• Business - Data analyst : ce métier nécessite des compétences en programmation, en
apprentissage automatique et en visualisation de données qui deviennent ainsi indispensables.
• Chef de projet digital : dans les grandes structures, l'IA peut être développée pour créer des
modèles apprenants exploitant les données internes de l'entreprise. Ces professionnels doivent

DPB / Direction des Politiques de

branches
 comprendre les capacités de l'IA pour planifier efficacement, allouer les ressources et assurer
la réussite des projets développés. Des compétences en gestion du changement sont cruciales
pour accompagner les équipes et les clients dans cette transformation.
• Data Scientist : Il développe des modèles et des algorithmes pour résoudre des problèmes
complexes. Dans le secteur du conseil, il applique l'IA pour optimiser les opérations des clients,
améliorer la prise de décision et créer de nouvelles opportunités commerciales. Les
compétences en apprentissage automatique, en programmation avancée et en analyse
statistique sont indispensables. De plus, une compréhension approfondie des enjeux éthiques
liés à l'IA est essentielle pour garantir des solutions responsables.

Le secteur de l’évènementiel
Le secteur de l’événementiel, en revanche, devrait être moins impacté par les besoins en emploi
et compétences liés au développement, par les entreprises, de solutions d’IA. Bien que certaines
applications d'IA puissent être intégrées (comme l'analyse des données des participants ou la
personnalisation des expériences), le secteur événementiel n'est pas fondamentalement axé sur le
développement de solutions IA. Les besoins en compétences techniques spécifiques pour créer des
solutions IA dans ce secteur sont donc limités. Toutefois, les besoins peuvent concerner certains
métiers dans les entreprises qui vont travailler à l’intégration de la solution en interne.
Les principaux métiers impactés par l’IA dans le secteur de l’événementiel (selon le référentiel métier
OPIIEC) :
• Chef de projet digital : avec le développement de nouveaux outils d’IA dans le domaine de
l’événementiel, la prise en compte des enjeux digitaux dans la conception et le déroulé de
l’événement devient de plus en plus important. Le déploiement d’outil pour personnaliser
l’expérience client (la recommandation de sessions ou de rencontres en fonction du profil du
participant) est amené à se développer et supervisé par le chef de projet. Son rôle sera aussi
de permettre la mise en place d’outil pour optimiser la réalisation de l’événement comme des
chatbot qui répondent automatiquement aux questions des participants. Enfin, avec les
nouvelles technologies, ce métier est également essentiel pour analyser les données de
l’événement et fournir des propositions d’amélioration en fonction de ces informations
recueillies.
• Ingénieur réseaux : le développement de l’intégration d’IA dans les événements nécessite des
ingénieurs réseaux afin de garantir la bonne intégration de ces outils dans les infrastructures
réseaux des événements, mais aussi la sécurité des données recueillies lors de ces
événements.

4.2 LES IMPACTS EMPLOI ET COMPÉTENCES INDUITS PAR

L’UTILISATION D’IA DANS LES ENTREPRISES

Les solutions d’IA peuvent réaliser des tâches en « dépassant largement les capacités humaines »,
notamment sur les tâches de traitement de l’information. Ainsi, l’intégration dans les entreprises de
solution impacte principalement les métiers qui impliquent d’analyser, résumer, traduire, retranscrire et
rédiger des textes en langage naturel (multilingues), des données numériques ou du code
informatique43. Des technologies d'IA peuvent augmenter la productivité dans des domaines tels que
l'informatique, permettant par exemple une productivité accrue de 55 % en écriture de code. Avec les
progrès des nouveaux modèles d'IA, cet impact pourrait toucher bien d’autres secteurs. Dans des
activités de rédaction simples, les professionnels utilisant des agents conversationnels d'IA pourraient
voir leur productivité s’améliorer en moyenne de 37 % 44.

43
Prospective Atlas - Étude exploratoire sur les tendances de l’IA pour l’évolution des métiers d’Atlas (2024)
44
Direction générale du Trésor - Les enjeux économiques de l'intelligence artif icielle (2024)

DPB / Direction des Politiques de

branches
Au global, pour l’ensemble de la branche, le solde création/destruction d’emploi induit par l’essor de l’IA
au sein des entreprises devrait être positif. On estime à près de 45 000 emplois la création nette
associée au sein de la branche sur la période 2025 - 2028.

31 600 9 900 3 000 500

Numérique Ingénierie Conseil et études Evénementiel

Figure 156 : Estimation de création d’emplois par secteur en raison du déploiement de l’IA dans les
entreprises sur 2025 - 2028 – Source : Enquête BVA pour OPIIEC - 2024

Par ailleurs, cette technologie devrait également avoir un impact sur les tâches de métiers et pourrait
les transformer. Par exemple, une étude publiée par McKinsey en décembre 2024 révèle qu'avec
l'accélération du déploiement de l'intelligence artificielle générative, près de 27 % des tâches
actuellement réalisées par les salariés français pourraient être automatisées d'ici 2030. Ce potentiel
pourrait même atteindre 45 % en France et en Europe à l’horizon 2035.
Les compétences physiques ou manuelles seraient peu impactées par ces évolutions technologiques
(Figure 37). En revanche, les besoins en compétences cognitives de base, notamment dans certaines
fonctions administratives ou de service à la clientèle, connaîtraient une baisse significative. Ces
compétences incluent la saisie et le traitement des données, la rédaction, le calcul ou encore les
communications simples. Par ailleurs, les besoins en compétences cognitives avancées
enregistreraient également un léger recul, estimé à environ 1 %. Ce recul s’explique par une double
dynamique : une part significative des tâches pourrait être automatisée (entre 18 % et 20 %), et, les
aptitudes telles que la créativité, la pensée critique, la résolution de problèmes complexes et le
traitement d’informations sophistiquées deviendraient plus essentielles.
En parallèle, les compétences relationnelles et émotionnelles ainsi que les compétences techniques
gagneraient en importance. Les premières seront déterminantes pour accompagner les équipes dans
la transition vers de nouveaux modes de travail. Quant aux compétences techniques, la demande pour
des compétences informatiques de base devrait continuer à croître, tout comme celle pour des
expertises avancées en analyse de données ou en recherche scientifique.

2022 12% 20% 31% 22% 15%

2030 15% 22% 30% 21% 13%

Technologie Relationnelles et émotionnelles Physique et manuelles

Cognitive avancées Cognitives de base

Figure 37 : Evolution de la répartition des compétences en variation annuelle du PIB par heure travaillée,
en % - McKinsey – 2024
Par ailleurs, l’utilisation de l’IA pourrait avoir un impact différent selon les profils de salariés. En effet, on
observe dans l’enquête auprès des salariés une plus grande utilisation de l’IA chez les salariés âgés de
25 à 34 ans (87 %) et une utilisation moindre chez les 45-54 ans (64%) et les 55 ans et plus (56 %).
L’IA permettant d’optimiser la réalisation des tâches des salariés, son introduction au sein des
entreprises pose l’enjeu de son impact sur les juniors. Ces derniers réalisant davantage de tâches avec
moins de valeur ajoutée (comme la rédaction, la recherche documentaire…), celles-ci pourraient
davantage être automatisées par l’introduction d’une IA. Ainsi le potentiel d’évolution est incertain, soit

DPB / Direction des Politiques de

branches
les entreprises auront moins de juniors du fait de la réalisation de ces tâches par l’IA soit la productivité
va augmenter (faire plus de tâches) au détriment de la montée en compétences.
Toutefois, l’intégration de l’IA pourrait également être un avantage pour les profils juniors. Le recours à
l’IA montre déjà des effets différenciés sur la productivité des salariés. À poste égal, le gain de
productivité lié à l’IA est particulièrement élevé pour les profils les moins expérimentés et permet au
profil junior d’acquérir plus rapidement un niveau de performance proche des profils expérimentés.

Pour mieux observer les différents impacts de l’IA sur les métiers de la branche, nous pouvons nous
appuyer sur les études qui ont été publiées pour permettre de mesurer précisément l’impact de l’IA sur
les métiers. Les méthodologies diffèrent toutefois. Dans le cadre de ce projet, pour quantifier l’impact
de l’IA sur les métiers de la branche, nous nous sommes principalement appuyés sur l’étude réalisée
par l’OPCO Atlas « Etude exploratoire sur les tendances de l’IA pour l’évolution des métiers d’Atlas »
de 2024. Dans cette étude l’OPCO a réalisé une analyse des impacts de l’IA sur les compétences des
métiers, notamment une gradation des compétences par méta-métier de l’OPCO. Cette méthode a
permis d’identifier une gradation de l’impact de l’IA sur les compétences sur 5 niveaux (Impact
négligeable, impact léger, impact modéré, impact important et impact majeur) 1. Nous nous sommes
appuyés sur ce travail pour l’appliquer à la maille métier de la branche (et non plus méta-métier). En ce
sens, en nous appuyant sur les codes ROME des métiers de la branche, nous avons pu créer un
rapprochement entre les Méta-métier et l’ensemble des métiers de la branche. Par souci de lisibilité,
nous avons également regroupé les degrés d’impact en 3 niveaux : faible impact, impact modéré, fort
impact. Ainsi les graphiques présentés ci-dessous, montre une répartition du niveau d’impact de l’IA sur
les compétences de chaque métier.
Pour compléter l’analyse de l’OPCO Atlas, notamment sur l’impact de l’IA générative, nous nous
sommes également appuyés sur le travail réalisé par les chercheurs de l’Organisation Internationale du
Travail (OIT) dans son étude "Generative AI and Jobs A global analysis of potential effects on job
quantity and quality" de septembre 2024. Dans cette étude, l’OIT s’est attachée à observer le potentiel
d’impact de l’IA sur les taches des différents métiers selon la Classification Internationale Type de
Professions (CITP). Nous avons, de ce fait, repris pour chaque métier de la branche le potentiel d’impact
de l’IA générative pour sa correspondance métier dans la CITP.
Le travail de l’OIT permet de montrer un score moyen d’automatisation par métier exprimé en
pourcentage. Plus le score d’automatisation est élevé, plus le métier à un fort potentiel d’automatisation
vis-à-vis de l’IA générative. L’étude permet également de présenter un écart-type pour mesurer la
dispersion des scores d'automatisation des tâches au sein d’un métier :
• Un faible écart type suggère que la plupart des tâches d’un métier sont exposées de
manière similaire à l'automatisation.
• Un écart type élevé indique que certaines tâches étant plus exposées que d'autres .
Sur la base de ces éléments, l’étude permet de déduire des métiers …
• …à potentiel d’automatisation (les métiers avec un score moyen élevé et un faible écart
type). Ce sont ceux composés en majeure partie de tâches répétitives, standardisées et
facilement automatisables. Ils sont exposés à un risque d'effet de substitution. Dans ces
métiers, l'IA générative peut remplacer des tâches traditionnellement effectuées par les
humains. En France, environ 8,8 % des emplois exposés à l’IA sont dans cette situation,
soit près de 800 000 emplois potentiellement automatisables, tous secteurs confondus 45.
Toutefois, l’effet de cette automatisation n’entraine pas nécessairement une destruction des
emplois. La productivité gagnée sur le métier peut être réorientée vers plus de qualité dans
les productions ou une augmentation des productions.

45
Roland Berger - L’impact de l’IA générative sur l’emploi en France (2023)

DPB / Direction des Politiques de

branches
Pour mieux observer les différents impacts de l’IA sur les métiers de la branche, nous pouvons nous appuyer
sur les études qui ont été publiées pour permettre de mesurer précisément l’impact de l’IA sur les métiers. Les
méthodologies diffèrent toutefois. Dans le cadre de ce projet, pour quantifier l’impact de l’IA sur les métiers de
la branche, nous nous sommes principalement appuyés sur l’étude réalisée par l’OPCO Atlas « Etude
exploratoire sur les tendances de l’IA pour l’évolution des métiers d’Atlas » de 2024. Dans cette étude l’OPCO
a réalisé une analyse des impacts de l’IA sur les compétences des métiers, notamment une gradation des
compétences par méta-métier de l’OPCO. Cette méthode a permis d’identifier une gradation de l’impact de l’IA
sur les compétences sur 5 niveaux (Impact négligeable, impact léger, impact modéré, impact important et
impact majeur) 1. Nous nous sommes appuyés sur ce travail pour l’appliquer à la maille métier de la branche (et
non plus méta-métier). En ce sens, en nous appuyant sur les codes ROME des métiers de la branche, nous
avons pu créer un rapprochement entre les Méta-métier et l’ensemble des métiers de la branche. Par souci de
lisibilité, nous avons également regroupé les degrés d’impact en 3 niveaux : faible impact, impact modéré, fort
impact. Ainsi les graphiques présentés ci-dessous, montre une répartition du niveau d’impact de l’IA sur les
compétences de chaque métier.
Pour compléter l’analyse de l’OPCO Atlas, notamment sur l’impact de l’IA générative, nous nous sommes
également appuyés sur le travail réalisé par les chercheurs de l’Organisation Internationale du Travail (OIT)
dans son étude "Generative AI and Jobs A global analysis of potential effects on job quantity and quality" de
septembre 2024. Dans cette étude, l’OIT s’est attachée à observer le potentiel d’impact de l’IA sur les taches
des différents métiers selon la Classification Internationale Type de Professions (CITP). Nous avons, de ce fait,
repris pour chaque métier de la branche le potentiel d’impact de l’IA générative pour sa correspondance métier
dans la CITP.
Le travail de l’OIT permet de montrer un score moyen d’automatisation par métier exprimé en pourcentage.
Plus le score d’automatisation est élevé, plus le métier à un fort potentiel d’automatisation vis -à-vis de l’IA
générative. L’étude permet également de présenter un écart-type pour mesurer la dispersion des scores
d'automatisation des tâches au sein d’un métier :
• Un faible écart type suggère que la plupart des tâches d’un métier sont exposées de manière
similaire à l'automatisation.
• Un écart type élevé indique que certaines tâches étant plus exposées que d'autres .
Sur la base de ces éléments, l’étude permet de déduire des métiers …
• …à potentiel d’automatisation (les métiers avec un score moyen élevé et un faible écart type).
Ce sont ceux composés en majeure partie de tâches répétitives, standardisées et facilement
automatisables. Ils sont exposés à un risque d'effet de substitution. Dans ces métiers, l'IA
générative peut remplacer des tâches traditionnellement effectuées par les humains. En France,
environ 8,8 % des emplois exposés à l’IA sont dans cette situation, soit près de 800 000 emplois
potentiellement automatisables, tous secteurs confondus 1. Toutefois, l’effet de cette automatisation
n’entraine pas nécessairement une destruction des emplois. La productivité gagnée sur le métier
peut être réorientée vers plus de qualité dans les productions ou une augmentation des
productions.
• …à potentiel d’augmentation (avec un score d’automatisation faible et un écart type élevé). Ceux -
ci comportent à la fois des tâches très exposées et des tâches moins exposées, ce qui signifie que
l’IA peut assister ou « augmenter » l’activité sans nécessairement la remplacer. Dans ces métiers,
l'IA permettrait aux professionnels de libérer du temps pour se concentrer sur des tâches plus
complexes ou stratégiques à forte valeur ajoutée. On estime que 15 % des emplois exposés à l’IA
en France pourraient bénéficier de ce type de soutien, représentant environ 1,4 million d'emplois,
tous secteurs.
Le tableau ci-dessous reprend, pour chaque métier de la branche, après un travail de rapprochement manuel
réalisé, son positionnement avec en abscisse le score d’automatisation et en ordonnée l’écart type.

DPB / Direction des Politiques de

branches
A l’échelle de la branche, le score d’automatisation moyen des métiers s’élève à 39 % et est supérieur
au score moyen d’automatisation de tous les métiers (30 %), ce qui montre que les métiers de la branche
pourraient particulièrement être exposés et impactés par l’IA générative. Pour mieux observer l’impact
potentiel de l’IA nous pouvons faire la mesure pour les métiers de chaque secteur de la branche.

Figure 168 : Intensité de l'impact de l'IA sur les tâches des métiers de la branche - Source : OIT - "Quel
pourrait être l'impact de l'IA générative sur les différentes professions ?" – 2024

Note de lecture : L'écart-type représente la dispersion des scores d'automatisation au niveau des tâches au sein d'une
prof ession. Le score moyen représente le score d'automatisation moyen pour toutes les tâches au sein d'une prof ession.

4.2.1 L’IMPACT DE L’UTILISATION L’IA SUR LES MÉTIERS

TRANSVERSES DE LA BRANCHE

L’intelligence artificielle a évolué pour devenir une technologie transversale qui touche désormais
l’ensemble des fonctions au sein des entreprises. Elle dépasse le cadre des métiers liés aux
technologies pour s’intégrer dans des domaines variés tels que les ressources humaines, le marketing,
la finance, la logistique ou encore le service client. Par exemple, l’IA est utilisée pour automatiser le tri
des candidatures en RH, personnaliser les campagnes publicitaires en marketing ou encore optimiser
les prévisions budgétaires en finance.
Les métiers transverses à tous les secteurs de la branche seront impactés par l’introduction de solution
d’IA dans les entreprises.

Les impacts de l’IA sur les tâches des métiers transverses de la branche
En ce qui concerne l’impact de l’usage de l’IA sur les activités et tâches des salariés de la branche, la
moitié des métiers transverses devrait être faiblement impactée par la mise en place de solutions
d’IA. C’est par exemple le cas pour le métier d’agent de services généraux. La part des tâches
anticipées comme automatisables est de l’ordre de 10 % avec un écart-type de 0,1 à la moyenne, soit

DPB / Direction des Politiques de

branches
une homogénéité de faible impact sur les activités du métier. En effet, il intègre de nombreuses tâches
physiques difficilement automatisables à coûts raisonnés et peu assistées par des solutions d’IA.
Au sein des métiers transverses, environ 13 % apparaissent comme ayant un potentiel de
transformation significatif, c’est-à-dire dont la réalisation des tâches pourrait être réellement aidée
par l’utilisation d’IA. Un exemple fréquemment donné (en dehors du secteur numérique, au sein duquel
le métier est cœur de métier) est celui de développeur. En effet, 39 %, soit plus du tiers, des tâches
ont un potentiel d’automatisation important du fait de l’IA et un écart type de 0,15, soit une homogénéité
anticipée dans cette importance d’impact. Sont très cités la génération de premières versions de code,
les tests ou encore l’appui à l’idéation de nouvelles solutions. Toutefois, l’IA aura ici davantage un rôle
d’assistant pour faire gagner du temps aux développeurs, sans se substituer au rôle d’expert du
développeur. Autre exemple, le métier de responsable achat et approvisionnement (score
d’automatisation de 39 % et un écart type de 0,15) pour lequel les IA, notamment génératives, pourraient
permettre d’optimiser diverses tâches : analyse ses données marchés, des tendances de prix, des
circuits logistiques et appui à la formulation de recommandations stratégiques pour optimiser les achats
(comme le propose l’IA Fairmarkit spécialisée sur ce champ).
Pour les 37,5 % restants, l’impact de l’IA est à ce jour difficile à déterminer. Il reste en effet difficile
de trancher si ces métiers font état d’un potentiel d’automatisation ou de transformation. C’est par
exemple le cas pour le métier de comptable (score d’automatisation de 48 % et un écart type de 0,19)
pour lequel l’IA va permettre une analyse de nombreuses données financière d’une entreprise et ainsi
accompagner les professionnels dans leurs tâches de saisie (lecture automatisée des factures et reçus),
d'analyse, de reporting et de conformité réglementaire. Ces outils peuvent s’appliquer à de nombreuses
tâches des comptables, mais avec des degrés divers, ces métiers gardant une forme d’autonomie sur
les sujets notamment d’analyse stratégique et de prise de décision ou le métier sera ainsi aidé par l’IA,
mais par automatisé. Cette difficulté à mesure l’impact s’applique aussi pour le métier d’infographiste
et graphiste (score d’automatisation de 42 % et un écart type de 0,17) qui pourrait avoir recours à l’IA
pour s’inspirer et produire plus rapidement des visuels ou des mises en pages. Toutefois, le rôle
d’infographiste sera notamment de vérifier les sources d’inspiration de l’IA pour créer et éviter ainsi tout
risque juridique lié à la propriété intellectuelle.
Enfin, certains métiers transverses ont un potentiel d’automatisation important. C'est notamment le
cas du métier d’assistant de direction (score d’automatisation de 64 % et un écart-type de 0,12). En
ce sens l’IA pourrait rédiger, trier et répondre automatiquement aux emails selon des modèles
configurés, mais également organiser un agenda en planifiant des réunions, en rédigeant des comptes-
rendus ou des synthèses de document juridique ou financier.

DPB / Direction des Politiques de

branches
 Figure 179 : Intensité de l'impact de l'IA sur les tâches des métiers transverses - Source : OIT - "Quel
pourrait être l'impact de l'IA générative sur les différentes professions ?" – 2024

Note de lecture : L'écart-type représente la dispersion des scores d'automatisation au niveau des tâches au sein d'une
prof ession. Le score moyen représente le score d'automatisation moyen pour toutes les tâches au sein d'une prof ession.

Les impacts de l’IA sur les compétences métiers transverses de la branche

Parmi les métiers transverses les plus fortement impactés sur les compétences, celui de
Comptable (20 % des compétences seraient fortement impactés par l’IA) connaît une transformation
significative. Ils auront moins à traiter la saisie et l’enregistrement des données, ainsi la maitrise des
outils de bureautique serait moins importante.
D’autres métiers voient leurs compétences évoluer sous l’effet de l’IA, mais dans une moindre
mesure. C’est le cas par exemple des Community managers (14 % des compétences pourraient
fortement être impactées par l’IA), dont les pratiques sont de plus en plus influencées par les outils d’IA
générative. Le développement des IA les conduit à intégrer de nouveaux outils d’automatisation et de
personnalisation du contenu sans remplacer leur capacité d’analyse. Ainsi, la capacité à interpréter des
recommandations et à ajuster les stratégies devient une compétence clé pour ces métiers.
En revanche, certains métiers sont faiblement impactés, les compétences d’un agent des services
généraux (seulement 12 % des compétences seraient impactées par l’IA) resteront peu impactées par
l’intelligence artificielle, car ce métier repose sur des compétences manuelles et relationnelles difficiles

DPB / Direction des Politiques de

branches
à automatiser. Bien que certains outils d’optimisation puissent être introduits pour la planification des
tâches, ils ne modifieront pas en profondeur les compétences requises pour ce métier.

Agent Services Généraux 60% 28% 0%

Responsable Achats et Approvisionnements 22% 24% 46% 8%
Développeur 18% 34% 44% 2%
Technicien Informatique 11% 27% 50% 10%
Juriste 11% 33% 50% 4%
Chargé de ressources humaines 10% 24% 56% 8%
Responsable RSE 10% 24% 56% 8%
Responsable - Directeur des Ressources Humaines 10% 26% 58% 6%
Infographiste - Graphiste 9% 39% 41% 11%
Risk manager 9% 30% 51% 10%
Contrôleur de gestion 8% 26% 52% 14%
Responsable - Directeur administratif et financier 8% 24% 58% 10%
Responsable Services Généraux 8% 24% 58% 10%
Auditeur 8% 34% 48% 10%
Responsable communication et Marketing 8% 26% 56% 9%
Responsable - Directeur des Systèmes d'Information 8% 36% 52% 3%
Responsable Qualité, Sécurité, Santé,… 7% 32% 55% 4%
Comptable 6% 28% 46% 20%
Office Manager 6% 32% 50% 9%
Assistant de direction 6% 32% 50% 9%
Webmaster 4% 30% 52% 12%
Community Manager 4% 30% 52% 12%
Impact négligeable Impact léger Impact modéré Impact important Impact majeur

Figure 40 : Estimation de l'impact de l'IA sur les compétences de métiers transverses Source : Etude
exploratoire sur les tendances de l’IA pour l’évolution des métiers d’Atlas – 2024

Les compétences prioritaires à acquérir pour les métiers transverses de la

branche

Compréhension des différents modèles … 16% 53%

Connaissance générale de l’IA 21% 43%
Respect du cadre juridique et… 15% 49%
Capacité d’utilisation des solutions d'IA … 13% 51%
Maîtriser l’IA d’une manière sobre et … 14% 48%
Capacité à structurer les données d’entrée 10% 49%
Maîtrise des prompts (commandes) 11% 44%

En première priorité En seconde priorité

Figure 41 : Compétences prioritaires liées à l'utilisation et au déploiement de l'IA sur les métiers transverses
- Source : Enquête BVA pour OPIIEC - 2024

DPB / Direction des Politiques de

branches
De manière globale, on observe que pour la majorité des salariés, toutes les compétences liées à
l’utilisation de l’IA sont prioritaires. Pour les entreprises de la branche, les principales compétences
nécessaires pour utiliser de l’IA sont :
• Comprendre les différents modèles d’IA : ce besoin permet aux salariés de connaitre les
différents modèles d’IA existant, de connaitre l’utilité de chacun et les principaux usages qu’ils
peuvent en avoir. Il est en effet important que les salariés, qui peuvent avoir recours à l’IA
pour être assistés dans leur travail, connaissent comment fonctionne les modèles pour
comprendre les limites de ces derniers et ainsi avoir un usage qui permet de limiter les biais
des IA et les éventuelles erreurs qu’elles peuvent créer.
• Savoir utiliser des solutions d’IA mises à disposition : cette compétence concerne la
maîtrise des logiciels ou plateformes intégrant des fonctionnalités d'IA. Elle est importante
pour une utilisation efficace et productive de ces outils dans les tâches quotidiennes. Cette
compétence garantit un usage qui permet d’optimiser le travail des salariés.
• Acquérir une connaissance générale des IA : cette compétence, sans rentrer dans le détail
de fonctionnement des modèles, est la plus souvent citée comme prioritaire, elle reflète le
besoin de notions générales sur l'IA, ses principes fondamentaux, ses possibilités et ses
impacts. Cette connaissance élargie offre une vision globale qui aide à identifier les
opportunités, mais aussi les limites de son utilisation (risques juridiques, impacts
environnementaux…)
• Maitriser l’IA de manière sobre et raisonnée : le fait que 60 % des salariés répondants à
l’enquête soulignent l'importance d'utiliser l'IA de façon responsable, en tenant compte de son
empreinte environnementale et de ses implications éthiques montre qu’il y a déjà une prise de
conscience de ses enjeux dans l’utilisation qu’ils peuvent avoir au quotidien.
• Connaitre le cadre juridique et réglementaire de l’IA : cette compétence à connaitre les
obligations légales et les normes éthiques liées à l'utilisation de l'IA, comme la protection des
données personnelles. Cette compétence est cruciale pour garantir la conformité et éviter les
risques juridiques.
• Savoir structurer des données d’entrée : cette connaissance permet aux salariés
d’organiser les données qui serviront à alimenter l’IA pour son bon fonctionnement. Ainsi, les
salariés doivent savoir comment organiser les données pour améliorer la qualité des résultats
de l’IA. Cette compétence est particulièrement importante dans le cadre des LLM instanciés
au sein d’une entreprise pour savoir sur quelle donnée les IA doivent « piocher » pour
répondre à leur demande.
• Maîtriser la rédaction de prompts : cette compétence permet de formuler des requêtes ou
des commandes efficaces pour les modèles d'IA, en particulier dans les outils génératifs. Elle
est essentielle pour tirer le meilleur parti des capacités d'IA et obtenir des résultats précis et
utiles.

4.2.2 L’IMPACT DE L’UTILISATION DE L’IA SUR LES MÉTIERS

CŒURS PAR SECTEUR

Le secteur du numérique
Bien que les entreprises du numérique soient productrices de solutions d’IA, elles sont aussi fortement
consommatrices. Les équipes peuvent être amenées à avoir recours à des IA développés par d’autres
dans leur quotidien. En ce sens différent métier du secteur verront à la fois leurs compétences et leurs
tâches affectées par l’utilisation de l’IA.

DPB / Direction des Politiques de

branches
Les impacts de l’IA sur les tâches des métiers du numérique
En ce qui concerne l'application de l'IA aux tâches des salariés du secteur du numérique, certains
métiers seraient faiblement impactés par la mise en place de solutions d'IA. C'est par exemple le cas
pour les métiers de Responsable Green IT ou celui de Spécialiste en e-santé, qui nécessitent une
expertise pointue dans un domaine et pour lesquels les fonctions reposent principalement sur leurs
connaissances et une compréhension approfondie des sujets pour produire des analyses et
recommandations rendant leur automatisation difficile.
Le secteur du numérique est celui de la branche pour lequel la part de métiers sujets à un potentiel
de transformation est le plus élevée. 25 % des métiers ont un de potentiel de transformation
important, c’est-à-dire dont la réalisation des tâches pourrait être réellement aidée par l’utilisation d’IA.
C'est par exemple le cas pour les métiers de Spécialiste en analyse SOC et de Formateur. Les
Spécialistes en analyse SOC peuvent bénéficier de l'IA pour détecter plus rapidement les menaces
de sécurité en analysant de vastes ensembles de données, améliorant ainsi l eur réactivité face aux
incidents. L’IA peut remplacer l’analyste SOC sur ses tâches et son rôle se recentrera sur des tâches à
plus haute valeur ajoutée comme l’analyse de l’origine des menaces. Les formateurs, quant à eux,
peuvent utiliser des outils d'IA pour personnaliser les parcours d'apprentissage, adapter les contenus
aux besoins individuels des apprenants. Toutefois, leur mission réside principalement dans l’animation
des différentes sessions, ce qui ne peut pas être automatisé par de l’IA.
Pour les 38 % métiers restants, le potentiel de l'impact de l'IA est à ce jour difficile à déterminer.
En effet, ces métiers présentent un potentiel d'automatisation ou de transformation important. Par
exemple, le métier de Technico-commercial devrait être influencé par l'IA dans l'analyse des données
clients et la prévision des ventes, mais la dimension relationnelle et la négociation restent importantes.
De même, le métier de Data Scientist devrait voir certaines de ses tâches automatisées, comme le
nettoyage des données ou la modélisation prédictive, mais l'interprétation des résultats et la formulation
des recommandations basées sur ces analyses nécessitent son expertise.

Figure 42 : Intensité de l'impact de l'IA sur les tâches des métiers du secteur du numérique - Source : OIT -
"Quel pourrait être l'impact de l'IA générative sur les différentes professions ?" – 2024

Note de lecture : L'écart-type représente la dispersion des scores d'automatisation au niveau des tâches au sein d'une
prof ession. Le score moyen représente le score d'automatisation moyen pour toutes les tâches au sein d'une prof ession.

DPB / Direction des Politiques de

branches
Impact de l’IA sur les compétences des métiers du Numérique
L’analyse par l’OPCO Atlas de l’impact de l’IA permet de dégager les principaux métiers qui seront
transformés au niveau de leurs compétences. Ainsi des métiers peuvent être fortement impactés au
niveau des tâches selon l’étude de l’OIT et moins au niveau des compétences.
Dans le secteur du numérique, les métiers dont les compétences devraient être les plus impactées par
l’IA sont ceux liés au développement de solutions d’intelligence artificielle, tels que les Spécialistes IA
embarquée, les Experts en intelligence artificielle et les Data scientists. L’émergence de ces
technologies transforme en profondeur leurs activités, notamment car ils sont amenés à maitriser ces
outils afin de proposer des solutions pour leurs clients les intégrant. De même, les Chefs de produit -
service devront s’adapter pour commercialiser des produits intégrant de l’intelligence artificielle.
Enfin, au quotidien, le métier de technico-commercial (17 % des compétences seraient fortement
impactés) devrait être particulièrement impacté, notamment dans le cadre des ventes. L’IA peut les
aider à mieux promouvoir les produits intégrant des solutions d’intelligence artificielle et à optimiser leurs
démarches de prospection (comme l’IA Clay spécialisé sur ce champs).

DPB / Direction des Politiques de

branches
 Technico-commercial 22% 16% 44% 15%
Spécialiste en géomatique 20% 22% 48% 7%
Spécialiste DevOps 18% 34% 44% 2%
Spécialiste test et validation 18% 34% 44% 2%
Pentesteur 18% 34% 44% 2%
Analyste SOC 18% 34% 44% 2%
Analyste de la menace 18% 34% 44% 2%
Spécialiste support 18% 34% 44% 2%
Coordinateur de projet 18% 34% 44% 2%
Consultant architecte technique 18% 34% 2%
Spécialiste blockchain 14% 36% 34% 12%
Conseiller support technique 11% 27% 50% 10%
Responsable Green IT 10% 24% 56% 8%
Spécialiste infrastructure 10% 38% 40% 9%
Spécialiste bases de données 10% 38% 40% 9%
Webdesigner 9% 39% 41% 11%
Directeur de projet 8% 36% 52% 3%
UX - UI Designer 8% 38% 45% 7%
Chef de produit - services 8% 22% 53% 15%
Responsable Sécurité de l'information 7% 34% 52% 5%
Spécialiste systèmes, réseaux et sécurité 7% 37% 49% 5%
Data Protection Officer 7% 37% 49% 4%
Spécialiste e-santé 7% 35% 48% 6%
Data Engineer 7% 35% 48% 6%
Architecte IoT 7% 35% 48% 6%
Spécialiste IA embarquée 7% 13% 56% 18%
Expert en intelligence artificielle 7% 14% 55% 18%
Data Scientist 7% 15% 53% 21%
Chef de projet 6% 31% 53% 8%
Responsable partenariats 6% 31% 52% 10%
Directeur commercial 6% 31% 52% 10%
Directeur de Business Unit 6% 31% 52% 10%
Consultant avant-vente 6% 31% 52% 10%
Formateur 6% 32% 50% 9%
Intégrateur logiciels métiers 5% 32% 54% 7%
Développeur applications 4% 32% 54% 8%
Développeur blockchain 4% 32% 54% 8%

Impact négligeable sur les compétences Impact léger sur les compétences
Impact modéré sur les compétences Impact important sur les compétences
Impact majeur sur les compétences

Figure 43 : Estimation de l'impact de l'IA sur les compétences de métiers du numérique - Source : Etude exploratoire
sur les tendances de l’IA pour l’évolution des métiers d’Atlas - 2024

Les compétences prioritaires à acquérir pour les métiers du numérique

Pour accompagner les métiers du numérique dans l’intégration de l’IA dans leurs prati ques, il apparait
que pour les entreprises du numérique, les principaux besoins en compétences concerneront la
connaissance des solutions d’IA pour répondre aux différents besoins/usages identifiés (44 %), suivis
de la conception/architecture des bases de données (41 %), de la conception d’algorithmes (40%) ainsi
que du cadre juridique et réglementaire (37 %), du machine learning (29 %) et du développement dans
un cadre de sobriété numérique (29 %).

DPB / Direction des Politiques de

branches
 Connaissance des solutions d’IA répondant aux besoins 44%
Construction/architecture des bases de données 41%
Conception d’algorithmes (IA symbolique) 40%
Cadre juridique et réglementaire de l’IA (RGPD, IA Act…) 37%
Machine learning (apprentissage automatique) 29%
Développement dans un cadre de sobriété numérique 29%
Savoir développer des solutions d’IA à une échelle industrielle 26%
Accompagnement des changements liés à l’IA 22%
Formation à l’utilisation de solutions d’IA (prompts, contrôles…) 22%
Capacité à faire émerger les cas d’usage de l’IA 9%

Figure 4418 : Compétences prioritaires liées à l'utilisation et au déploiement de l'IA sur les métiers du
numérique - Source : Enquête BVA pour OPIIEC - 2024

Les perspectives d’évolution des métiers à horizon 2028

Les entreprises du secteur du numérique projettent une augmentation des effectifs à 3 ans en raison
du déploiement et/ou de l’accompagnement au déploiement de l’IA pour leurs clients ou de l’utilisation
en interne. Près de 31 600 emplois pourraient être créés dans la branche en raison de l’émergence de
l’IA.
En effet, à l’exception des fonctions support, les autres familles de métiers devraient voir leur effectif
augmenter dans les prochaines années en raison de l’IA, particulièrement les fonctions de direction et
et de développement. En effet, ces métiers sont au cœur du pilotage et du développement de SIA et
les besoins devraient être croissants pour répondre aux demandes et aux projections d’évolution des
besoins en IA.

Le secteur de l’ingénierie
Les entreprises d'ingénierie sont profondément réinterrogées dans leurs pratiques par l'essor de l'IA,
notamment dans le secteur industriel où l'IA est déjà largement mobilisée, mais aussi dans le secteur
de la construction ou les entreprises vont avoir recours à l’IA pour optimiser leurs analyses. Pour
proposer des solutions pertinentes et compétitives, ces entreprises devront maîtriser les outils et les
capacités offertes par l'IA. En tant qu'utilisatrices, elles développent le recours à l'IA générative ainsi
qu'à d'autres formes d'IA pour améliorer la qualité de leurs prestations.

Les impacts de l’IA sur les tâches des métiers de l’ingénierie

Au regard de l’analyse de l’OIT, les métiers du secteur de l’ingénierie seraient ceux pour lesquels
leurs tâches seraient les moins automatisables par l’introduction de solutions d’IA. Cela se
comprend au regard des métiers très spécialisés du secteur qui rend plus difficile l’intégration d’une IA
experte dans leur domaine. Le secteur de l’ingénierie, qui présente la part des métiers transformés de
12 %.
Parmi les métiers les plus faiblement impactés sur leurs activités (c’est-à-dire avec une faible part de
tâches automatisables), on retrouve par exemple les métiers de la recherche et du développement
(les Spécialistes, ingénierie et étude, les Techniciens de laboratoire, Les Spécialistes test et essais).
Ces métiers ont moins de 25 % de leurs activités qui pourraient être automatisées par l’IA avec par

DPB / Direction des Politiques de

branches
ailleurs une homogénéité de faible impact sur les activités du métier. En effet, bien que l'IA puisse
assister ces professionnels en fournissant des analyses de données avancées et en automatisant
certaines tâches répétitives, ces métiers doivent garantir les meilleurs résultats des produits conçus et
de ce fait reste très lié à la prise de décisions humaines.
Au sein de ce secteur, seulement 12 % des métiers ont un potentiel de transformation. Parmi ces
métiers, l’exemple de Spécialiste en jumeau numérique est significatif. Ces professionnelles sont
près de 39 % de leur tâche qui sont impactés. En effet, bien que l'IA joue un rôle crucial dans la
modélisation et l'analyse, l'intervention humaine reste essentielle pour interpréter les résultats, ajuster
les modèles et prendre des décisions basées sur ces simulations.
Enfin, le potentiel d’impact de l’IA reste difficile à déterminer pour certains métiers, ces derniers
pouvant avoir un fort potentiel de transformation ou un potentiel d’automatisation. Par exemple, le métier
de BIM modeleur, pour lequel une grande part des tâches (44 %) ont un potentiel d’automatisation.
L'IA peut notamment intervenir dans la génération automatique de modèles 3D et l'optimisation des
conceptions, mais il est difficile pour les experts de déterminer si une cette utilisation de l’IA entrainera
une transformation importante du métier ou son automatisation.

Figure 195 : Intensité de l'impact de l'IA sur les tâches des métiers du secteur de l’ingénierie - Source : OIT -
"Quel pourrait être l'impact de l'IA générative sur les différentes professions ?" – 2024

Note de lecture : L'écart-type représente la dispersion des scores d'automatisation au niveau des tâches au sein d'une
prof ession. Le score moyen représente le score d'automatisation moyen pour toutes les tâches au sein d'une prof ession.

Sur l’impact de l’utilisation de l’IA sur les métiers du secteur de l’ingénierie :

Ainsi, les métiers présentant le plus de potentiel de transformation développent principalement des
compétences tournées vers l'analyse et la gestion des données, la modélisation numérique,
l'automatisation des processus et l'utilisation d'outils d'intelligence artificielle, tels que les métiers de
Data Scientist (21 % des compétences fortement impactées), de spécialiste en robotique et
automatisation (12 % des compétences sont fortement impactées), de spécialiste en jumeau
numérique (10 % des compétences sont fortement impactés) sont pour lesquels l’utilisation d’IA
impactera le plus fortement les compétences.
Ces technologies vont également fortement impacter les tâches des métiers de la recherche et
développement. En effet, les métiers tels que les spécialistes en R&D, spécialistes tests et essais,
techniciens de laboratoire ou encore les spécialistes en ergonomie, devront voir leurs compétences
optimisées par l’usage des nouveaux outils d’IA. L’utilisation de ces outils devrait entrainer un besoin

DPB / Direction des Politiques de

branches
 d’adaptation des pratiques de travail pour tirer parti des capacités de simplification offertes par les
technologies d’IA.

Coordonateur SPS 4% 34% 52% 10%

Planificateur - OPC 4% 34% 52% 10%
Directeur de travaux 4% 34% 52% 10%
Conducteur de travaux 4% 34% 52% 10%
Spécialiste en acoustique 4% 34% 52% 10%
BIM manager 5% 35% 50% 10%
BIM coordinateur 5% 35% 50% 10%
BIM Modeleur 5% 35% 50% 10%
Contract manager 6% 31% 52% 10%
Spécialiste en éco-conception 6% 36% 46% 12%
Spécialiste ingénierie et étude 6% 31% 52% 11%
Spécialiste en aménagement et urbanisme 6% 36% 46% 12%
Chef de projet 6% 31% 53% 8%
AMO-programmiste 6% 39% 49% 6%
Dessinateur - Projeteur 6% 36% 46% 12%
Architecte IoT 7% 35% 48% 6%
Spécialiste jumeau numérique 7% 35% 48% 6%
Data Scientist 7% 15% 53% 21%
Inspecteur 7% 32% 55% 4%
Contrôleur technique et surveillance 7% 32% 55% 4%
Directeur de projet 8% 36% 52% 3%
Spécialiste en certification 8% 34% 48% 10%
Technicien de laboratoire 8% 28% 56% 8%
Spécialiste tests et essais 8% 28% 56% 8%
Spécialiste R&D 8% 28% 56% 8%
Risk manager 9% 30% 51% 10%
Spécialiste en ergonomie 10% 24% 56% 8%
Spécialiste robotique et automatisation 10% 27% 52% 10%
Spécialiste méthodes et industrialisation 11% 37% 47% 5%
Ingénieur procédés 11% 37% 47% 5%
Economiste de la construction 11% 41% 38% 10%
Responsable de laboratoire 12% 29% 53% 6%
Directeur centre de profit - Business unit 12% 29% 6%
Spécialiste sécurité, hygiène, environnement 16% 34% 48% 1%
Spécialiste déconstruction - dépollution 18% 32% 48% 1%
Spécialiste en géomatique 20% 22% 48% 7%
Géomètre 20% 22% 48% 7%
Spécialiste exploitation - maintenance 22% 34% 40% 4%
Spécialiste commissioning 22% 34% 40% 4%
Spécialiste en biodiversité 60% 28% 12% 0%
Spécialiste - Ingénieur sûreté de fonctionnement 60% 28% 12% 0%

Impact négligeable sur les compétences Impact léger sur les compétences
Impact modéré sur les compétences Impact important sur les compétences
Impact majeur sur les compétences

Figure 46 : Répartition de l'impact de l'IA sur les compétences des métiers de l’ingénierie - Source : Etude
exploratoire sur les tendances de l’IA pour l’évolution des métiers d’Atlas – 2024

DPB / Direction des Politiques de

branches
Les besoins en compétences des entreprises de l’ingénierie
Selon les entreprises de l’ingénierie, leurs besoins en compétences dans les 3 prochaines années en
raison du déploiement et de l’utilisation de l’IA concerneront en premier la conception d’algori thmes
(54%), suivis de la capacité à faire émerger les cas d’usage de l’IA (45%), la connaissance des solutions
d’IA répondant aux besoins (44%), ainsi que la construction/architecture des bases de données (43%)
et l’accompagnement des changements liés à l’IA (Figure 47).

Conception d’algorithmes (IA symbolique) 54%

Capacité à faire émerger les cas d’usage de l’IA 45%
Connaissance des solutions d’IA répondant aux besoins 44%
Construction/architecture des bases de données 43%
Accompagnement des changements liés à l’IA 34%
Machine learning (apprentissage automatique) 27%
Savoir développer des solutions d’IA à une échelle… 25%
Formation à l’utilisation de solutions d’IA (prompts,… 24%
Cadre juridique et réglementaire de l’IA (RGPD, IA Act…) 21%
Développement dans un cadre de sobriété numérique 15%

Figure 47 : Compétences prioritaires liées à l'utilisation et au déploiement de l'IA sur les métiers de
l’ingénierie - Source : Enquête BVA pour OPIIEC - 2024

Perspective d’évolution des emplois à horizon 2028

Les entreprises répondantes projettent une augmentation des effectifs à 3 ans en raison du
déploiement/accompagnement de l’IA pour leurs clients ou de l’utilisation en interne. On estime à près
de 9 900 emplois dans le secteur de l’ingénierie. Cette augmentation des emplois concernerait
particulièrement concernant les fonctions de direction et développement ainsi que la coordination de
projet.

Le secteur du conseil
Le rôle des consultants évolue avec l’utilisation croissante de l'IA. En effet, l’IA permet l’extraction et la
classification de grands ensembles de connaissances, la recherche facilitée et accompagnée par les
assistants virtuels et l’automatisation des tâches répétitives.

Les impacts de l’IA sur les tâches des métiers du conseil

Le secteur du conseil est le secteur où l’incertitude est la plus forte avec près de 59 % des métiers
pour lesquels l’impact de l’IA est encore difficile à déterminer selon l’OIT. 32 % des métiers sont
faiblement affectés dans leurs tâches par l’IA. En revanche, 9 % des métiers ont un fort potentiel
d’automatisation du fait de l’introduction de l’IA dans les usages.
Les métiers les plus faiblement impactés par la mise en place de solutions d'IA pour les accompagner
dans leurs tâches sont par exemple les métiers de Spécialiste RSE (22 % des taches de ce métier sont
susceptible d’être impacté par l’IA) et de Consultant en management (22 % des taches de ce métier
sont susceptible d’être impacté par l’IA). Ils nécessitent une expertise forte dans des domaines
spécifiques et pour lesquels les fonctions reposent principalement sur l'analyse stratégique, et la
proposition de recommandation rendant leur automatisation difficile.

DPB / Direction des Politiques de

branches
D'autres métiers du conseil présentent un potentiel d'automatisation, comme le métier
d'Enquêteur. Les tâches telles que la collecte de données, l'analyse préliminaire et la génération de
rapports peuvent plus facilement être automatisées.
Enfin, pour certains métiers, l'impact de l'IA est à ce jour encore incertain. Il reste en effet difficile de
déterminer si ces professions présentent un potentiel d'automatisation ou de transformation. Cela
concerne, par exemple, le métier de Chargé d'études statistiques qui pourrait être influencé par l'IA
dans l'analyse de grandes quantités de données et la modélisation statistique. Toutefois, l'interprétation
des résultats et la compréhension des contextes spécifiques relèvent de l’expertise des professionnels.
De même, le métier de Consultant en recrutement pourrait voir certaines de ses tâches automatisées,
comme le tri des CV ou l'analyse des profils en ligne, mais la réalisation des entretiens ne peut être faite
que par les personnes.

Figure 208 : Intensité de l'impact de l'IA sur les tâches des métiers du secteur du conseil - Source :
OIT - "Quel pourrait être l'impact de l'IA générative sur les différentes professions ?" – 2024

Note de lecture : L'écart-type représente la dispersion des scores d'automatisation au niveau des tâches au sein d'une
prof ession. Le score moyen représente le score d'automatisation moyen pour toutes les tâches au sein d'une prof ession.

L’impact de l’IA sur les compétences des métiers du conseil

Dans le secteur du conseil, le métier le plus impacté dans ses compétences par l’introduction de
solutions d’IA au sein des usages de l’entreprise est celui de traducteur (34 % des compétences sont
fortement impactés par l’IA). Pour ces métiers, l’usage de l’IA permet de faciliter les traductions à
réaliser, parfois même de réaliser les traductions en instantané. De ce fait, ce métier se transforme pour
davantage avoir un rôle de relecture et d’adaptation de la traduction au contexte, les compétences en
rédaction sont aussi moins nécessaires, car facilement automatisables par IA.
De plus, les métiers spécialisés dans la réalisation d’étude (directeur d’étude, chargé d’étude…)
verront aussi leurs compétences se transformer. L’IA en facilitant la recherche documentaire, en
préanalysant des documents et en produisant des ébauches de rédactions permet à ces professionnels
de gagner du temps sur ces activités et d’orienter davantage leurs missions sur les activités à plus forte
valeur ajoutée.

DPB / Direction des Politiques de

branches
 Manager – Responsable de mission 4% 30% 55% 8%
Consultant senior en management 4% 30% 55% 8%
Consultant en management 4% 30% 8%
Community Manager 4% 30% 52% 12%
Chef de groupe 6% 24% 50% 16%
Chargé d'études statistiques 6% 24% 50% 16%
Chargé d'études 6% 24% 50% 16%
Chef de projet 6% 31% 53% 8%
Consultant en communication 6% 32% 50% 9%
Chef de projet digital 6% 32% 50% 9%
Assistant de communication 6% 32% 50% 9%
Directeur d'études 7% 15% 53% 21%
Directeur de département études 7% 15% 53% 21%
Directeur clientèle 7% 15% 53% 21%
Data Scientist 7% 15% 53% 21%
Business - Data analyst 7% 15% 53% 21%
Responsable antenne emploi 10% 24% 56% 8%
Prospecteur d'emploi 10% 24% 56% 8%
Chargé de recherche 10% 24% 56% 8%
Consultant en recrutement 10% 25% 57% 8%
Coach d'organisation 10% 30% 60% 0%
Manager spécialisé en recherche 10% 24% 56% 8%
Spécialiste RSE 10% 24% 56% 8%
Directeur - associé 10% 24% 56% 8%
Consultant en risques profesionnels 10% 24% 56% 8%
Traducteur 12% 18% 36% 24%
Chargé de terrain 18% 15% 54% 6%
Chargé de codification 18% 15% 54% 6%
Enquêteur 19% 15% 54% 6%
Superviseur de coach 21% 29% 45% 5%
Consultant en accompagnement individuel 21% 29% 45% 5%
Consultant en accompagnement collectif 21% 29% 45% 5%
Coach professionnel 21% 29% 45% 5%

Impact négligeable sur les compétences Impact léger sur les compétences
Impact modéré sur les compétences Impact important sur les compétences
Impact majeur sur les compétences

Figure 219 : Répartition de l'impact de l'IA sur les compétences des métiers du conseil - Source : Etude
exploratoire sur les tendances de l’IA pour l’évolution des métiers d’Atlas - 2024

Les besoins en compétence des métiers du conseil

Selon les entreprises du conseil, leurs besoins en compétences dans les 3 prochaines années en raison
du déploiement et de l’utilisation de l’IA concerneront en premier la connaissance des solutions d’IA
répondant aux besoins (43 %), suivis du cadre juridique et réglementaire de l’IA (43 %), de
l’accompagnement des changements liés à l’IA (41 %), de la formation à l’utilisation de solutions d’IA
(40 %) ainsi que le machine learning (31 %).

DPB / Direction des Politiques de

branches
Moins cités par les entreprises, ces dernières relèvent également des besoins en compétences orientés
vers le développement dans un cadre de sobriété numérique (24%), la capacité à faire émerger les cas
d’usage de l’IA (23%), la conception d’algorithmes (21%), le fait de savoir développer des solutions d’IA
à une échelle industrielle (12%) ainsi que l’architecture des bases de données (6%)

Connaissance des solutions d’IA répondant aux besoins 43%

Cadre juridique et réglementaire de l’IA (RGPD, IA Act…) 43%
Accompagnement des changements liés à l’IA 41%
Formation à l’utilisation de solutions d’IA (prompts,… 40%
Machine learning (apprentissage automatique) 31%
Développement dans un cadre de sobriété numérique 24%
Capacité à faire émerger les cas d’usage de l’IA 23%
Conception d’algorithmes (IA symbolique) 21%
Savoir développer des solutions d’IA à une échelle … 12%
Construction/architecture des bases de données 6%

Figure 50 : Compétences prioritaires liées à l'utilisation et au déploiement de l'IA sur les métiers du conseil
- Source : Enquête BVA pour OPIIEC - 2024

Les perspectives d’évolution des emplois en raison de l’IA

Dans le secteur du conseil, les entreprises projettent une augmentation des effectifs à 3 ans en raison
de besoins sur certaines phases des prestations opérées. Près de 3 000 emplois pourraient être créés
dans la branche du fait de l’émergence de l’IA. Les entreprises relèvent en premier une perspective
d’augmentation des effectifs pour la direction d’entreprise et développement, suivi des fonctions des
métiers de réalisation de la prestation et de la supervision de projet.

Le secteur de l’évènementiel
Le secteur de l’événementiel utilise aussi l’IA dans le cadre de son activité. Certaines sont même
spécifiques au secteur. Leurs usages peuvent être divers et permettre d’automatiser des processus
comme la gestion des inscriptions et billets, la planification des horaires des conférences ou la logistique
générale de l’événement.
L’IA devrait impacter en priorité les métiers pour lesquels les tâches devraient facilement être
automatisées. La mise en place d’assistant par IA devrait permettre de remplacer les taches de
recherche et d’orientation des clients pour les questions les plus faciles. Les impacts devraient
également être importants sur les métiers de commerciaux, notamment pour identifier les principaux
prospects et personnaliser plus encore l’approche commerciale.

« On cherche avec l’IA une priorisation des clients et des suggestions en fonction de la base de clients actifs
(comme la suggestion de films sur des plateformes »
Directeur SI - Entreprise de l’événementiel

DPB / Direction des Politiques de

branches
Les impacts de l’IA sur les tâches des métiers du conseil

L'application de l'IA aux tâches des salariés varie selon les métiers. Certains, comme les agents de
sécurité (17 % des tâches sont automatisables) et les monteurs de stands (13 % des tâches sont
automatisable), seraient faiblement impactés par l'introduction de solutions d'IA. Leurs fonctions
reposent principalement sur des compétences manuelles rendant leur automatisation par une IA difficile.
En revanche, près de 15 % des métiers présentent un potentiel d'automatisation. C’est par exemple le
cas des agents d'accueil (72 % des tâches ont un fort potentiel d’automatisation) et des
téléconseillers (69 % des activités sont susceptibles d’être automatisées) qui pourraient voir une
grande partie de leurs activités automatisées par l'IA. C’est notamment les Chatbots et les assistants
virtuels qui peuvent être utilisés pour gérer des interactions de base avec des personnes, fournir des
informations en temps réel et répondre aux questions fréquemment posées.
Certains métiers sont en transformation, avec une partie de leurs tâches qui pourraient être réalisées
par l'IA. Les scénographes d'événements (38 % des activités sont potentiellement automatisables),
par exemple, peuvent utiliser des outils d'IA pour concevoir des espaces événementiels, optimiser
l'agencement des éléments et créer des expériences immersives pour les participants. L'IA peut assister
le professionnel en réalisant des modélisations 3D par exemple.
Enfin, pour d'autres professions, l'impact de l'IA est à ce jour encore incertain. Par exemple, le métier
de Community manager, pour lequel 42 % des tâches sont automatisable, pourrait être influencé par
l'IA dans l'analyse des tendances et la génération de contenus. De même, le métier de chef de projet
événementiel (51 % des tâches pourraient être automatisées) pourrait voir certaines de ses tâches
automatisées, comme la planification logistique ou la gestion des inscriptions à un évènement, mais la
coordination des équipes, la négociation avec les fournisseurs et la résolution de problèmes en temps
réel ne sont pas des taches automatisables.

Figure 51 : Intensité de l'impact de l'IA sur les tâches des métiers du secteur de l’événementiel - Source
: OIT - "Quel pourrait être l'impact de l'IA générative sur les différentes professions ?" - 2024

Note de lecture : L'écart-type représente la dispersion des scores d'automatisation au niveau des tâches au sein d'une
prof ession. Le score moyen représente le score d'automatisation moyen pour toutes les tâches au sein d 'une prof ession.

DPB / Direction des Politiques de

branches
L’impact de l’IA sur les compétences des métiers du secteur
Au sein du secteur de l’événementiel, les métiers qui verront leurs compétences principalement
impactées par l’introduction de solution d’IA sont ceux d’Assistant commercial (18 % des
compétences sont fortement impactés par l’IA) en ce sens que, le développement d’assistant personnel
permet de développer de nombreux usages adaptés à ce métier, comme la prise de rendez-vous, la
programmation de relance commerciale. Certaines de ses compétences pourront aussi être appuyées

Responsable d'équipe technique 4% 34% 52% 10%

Community Manager 4% 30% 52% 12%
Scénographe d'événements 4% 34% 52% 10%
Responsable bureau d'étude et de design 5% 35% 50% 10%
Directeur commercial 6% 31% 52% 10%
Chef de projet Web et Webmarketing 6% 31% 52% 10%
Chargé du planning 6% 32% 50% 9%
Directeur de manifestation 6% 31% 52% 10%
Dessinateur - Projeteur 6% 36% 46% 12%
Chef de projet digital 6% 32% 50% 9%
Chargé de relations presse 6% 32% 50% 9%
Responsable de la coordination des opérations 7% 32% 55% 4%
Responsable des infrastructures et moyens généraux 10% 32% 49% 8%
Ingénieur réseaux 18% 34% 44% 2%
Téléconseiller 18% 32% 42% 6%
Responsable technique et logistique 22% 24% 46% 8%
Responsable accueil et billetterie 22% 32% 33% 11%
Agent d'accueil 22% 32% 33% 11%
Assistant commercial 22% 16% 44% 15%
Monteur de Stand 30% 38% 28% 4%
Régisseur général 30% 38% 28% 4%
Directeur technique 30% 38% 28% 4%
Conseiller d'exposants 30% 38% 28% 4%
Chef de projet événementiel 30% 38% 28% 4%
Agent d'Exploitation Sécurité Incendie (AESI) 39% 25% 30% 4%
Agent de sécurité 39% 25% 30% 4%
Responsable de sécurité de site 39% 25% 30% 4%
Chargé de sécurité 39% 25% 30% 4%
Hospitality manager 57% 31% 12% 0%
Responsable restauration 57% 31% 12% 0%
Agent d'exploitation 60% 28% 0%
Technicien 60% 28% 12% 0%

Impact négligeable sur les compétences Impact léger sur les compétences
Impact modéré sur les compétences Impact important sur les compétences
Impact majeur sur les compétences

par l’IA comme la réalisation de la veille stratégique, mais aussi la rédaction d’offres. Le Community
manager pourrait également voir ses compétences évoluer (14 % des compétences pourraient être
impactés par l’IA) notamment pour intégrer l’usage de l’IA dans la création de contenus (texte, vidéo ou
image) par des IA. Il aura davantage la charge de guider l’IA dans sa démarche de création et de
contrôler la pertinence des contenus produits et leurs respects de la réglementation, notamment sur la
propriété intellectuelle.

DPB / Direction des Politiques de

branches
Figure 52 : Répartition de l'impact de l'IA sur les compétences des métiers de l’événement - Source :
Etude exploratoire sur les tendances de l’IA pour l’évolution des métiers d’Atlas – 2024

Les besoins en compétences des métiers de l’événementiel

Les besoins en compétences des entreprises du secteur de l’évènementiel dans les 3 prochaines
années l’IA concerneront en premier l’accompagnement des changements liés à l’IA (64%), suivie par
la connaissance des solutions d’IA répondant aux besoins (55%). Moins cités par les entreprises de ce
secteur, ils relèvent également la formation à l’utilisation de solutions d’IA (28%), le cadre juridique et
réglementaire de l’IA (26%) ainsi que le fait de savoir développer des solutions d’IA à une échelle
industrielle (22%) et la capacité à faire émerger les cas d’usage de l’IA (20%).

Accompagnement des changements liés à l’IA 64%

Connaissance des solutions d’IA répondant aux besoins 55%

Formation à l’utilisation de solutions d’IA (prompts, contrôles…) 28%

Cadre juridique et réglementaire de l’IA (RGPD, IA Act…) 26%

Savoir développer des solutions d’IA à une échelle industrielle 22%

Capacité à faire émerger les cas d’usage de l’IA 20%

Construction/architecture des bases de données 16%

Développement dans un cadre de sobriété numérique 15%

Conception d’algorithmes (IA symbolique) 10%

Machine learning (apprentissage automatique) 8%

Figure 53 : Compétences prioritaires liées à l'utilisation et au déploiement de l'IA sur les métiers
de l’événementiel - Source : Enquête BVA pour OPIIEC - 2024

Les perspectives d’évolution des emplois en raison de l’IA

Les entreprises du secteur projettent une augmentation des effectifs sur plusieurs domaines
d’action. On estime une création de 500 emplois dans le secteur de l’événementiel en raison de
l’émergence de l’IA ; Les entreprises relèvent en premier une perspective d’augmentation concernant
la logistique de l’événement, suivi de la préparation et promotion de l’événement et du pilotage de
l’événement.

DPB / Direction des Politiques de

branches
 PARTIE 5. COUVERTURE
DES BESOINS EN
COMPÉTENCES CLÉS PAR LES
FORMATIONS

DPB / Direction des Politiques de

branches
 Synthèse de la partie

Face aux transformations majeures induites par l’intelligence artificielle, les formations initiales et
continues jouent un rôle central pour répondre aux besoins en compétences au sein de la branche.
On peut constater que l’offre de formation à l’IA en France s’est considérablement étoffée et
structurée, portée notamment par des initiatives publiques comme les clusters IA ou l’AMI CMA dans
le cadre de France 2030. En 2025, on recense près de 1 200 formations en France menant aux
métiers nécessaires au développement d’IA (data, développement, spécialistes IA). Ce sont des
formations qui visent principalement un niveau Bac +5 (62 %).

En revanche, les formations menant aux métiers de la branche non destinés a priori à travailler
sur l’IA restent encore peu nombreuses à proposer l’acquisition de compétences spécifiques
à l’IA. Cela limite l’appropriation des usages concrets de l’IA par les salariés non spécialisés.
Toutefois, l’enjeu pour les cursus scolaires et universitaires d’intégrer l’utilisation de ces outils dans
leur parcours pour permettre aux étudiants d’acquérir les premières compétences nécessaires à leur
utilisation est bien pris en compte actuellement, notamment sur le développement de l’esprit critique,
la connaissance des outils et leur utilisation.

En complément, pour les jeunes diplômés comme pour les salariés en poste, la formation continue
constitue un levier important : 45 % des entreprises disposent déjà d’un budget dédié à la
formation ou sensibilisation à l’IA. Toutefois, les efforts en la matière restent encore inégaux selon
les secteurs de la branche et une part importante des entreprises n’a pas encore engagé de démarche
de formation, bien que cela soit envisagé à court ou moyen terme. Par ailleurs, les salariés seniors
ont moins été formé à ce stade à ces outils que les salariés plus jeunes. Aussi on note que les femmes
expriment un plus fort besoin en formation que les hommes sur ce sujet d’avenir. En 2025, environ
350 000 salariés avaient déjà été formés ou sensibilisés à l’IA. Les besoins en formation sur le
sujet sont estimés à 287 000 salariés supplémentaires dans les trois prochaines années, ce qui
souligne le besoin massif en formation des salariés de la branche à l’IA.

Enfin, l’alternance représente un mode de formation en pleine expansion, avec 5 700 étudiants
formés aux métiers de l’IA en 2023, soutenus notamment par les financements de l’Opco Atlas.
Cette dynamique est portée à la fois par les grandes entreprises et les très petites structures,
témoignant d’un intérêt transversal pour ces compétences nouvelles .

DPB / Direction des Politiques de

branches
5.1 LES FORMATIONS A L’IA EN FRANCE

Afin de répondre à l’importance croissante de l’IA et aux enjeux liés aux compétences professionnelles
requises pour en tirer parti, les universités françaises – dans plusieurs cas avec le soutien de l’État –
ont développé des programmes éducatifs liés à l’IA. Ces formations incluent, d’une part, des
programmes menant directement aux métiers liés au développement de l’IA et, d’autre part, des
formations destinées à tous les métiers intégrant des compétences clés dans l’utilisation de l’IA.
La variété de ces formations et les conséquences pour le marché du travail français dans les années à
venir appellent à une analyse plus approfondie de leur contenu et de leur pertinence à la branche
professionnelle.
Pour analyser le caractère et le taux de couverture des formations liées à IA, nous nous sommes
appuyés sur des bases de données de l’Onisep et du RNCP qui recensent l’ensemble des programmes
scolaires disponibles en France afin d’identifier les formations spécifiques menant aux différents métiers
de l’IA.
Cette démarche a nécessité un filtrage des formations pertinentes. Pour ce faire, nous avons classé
toutes les formations en fonction du nombre de mots-clés associés aux compétences de l’IA, aux
systèmes informatiques et aux études de la technologie en général présents dans les descriptions
de la base (exemples de mots-clés utilisés : développeur, data science, cybersécurité, machine
learning, Python, base de données, LLM…). Ce tri a également permis une répartition des formations
en plusieurs catégories, en fonction de leur pertinence par rapport aux enjeux de l’IA ainsi qu’en fonction
du nombre des mots-clés pour chaque compétence identifiée dedans. Toutes les formations relatives à
d’autres métiers ont été exclues en passant par ce filtrage ainsi que par une analyse manuelle après le
filtrage.
À l’issue de ce tri, nous avons trouvé 1 200 formations qui mènent vers des métiers en IA. Les
formations les plus suivies dans ce domaine sont les suivantes :
• Master mention informatique (89 diplômes)
• Master mathématiques et applications (56 diplômes)
• BUT – Informatique : Réalisation d’applications : conception, développement, validation (49
diplômes)

62%

36%

1%

Niveau Bac + 3 et moins Niveau Bac + 4 et + 5 Niveau Bac + 6 et plus

Figure 54 : Répartition des formations menant aux métiers de l'IA par niveau de diplôme en France - Source
: Onisep et RNCP

DPB / Direction des Politiques de

branches
5.1.1 UNE OFFRE DE FORMATION INITIALE MENANT AUX METIERS
DE L’IA REPONDANT AUX BESOINS EN COMPETENCES DE LA
BRANCHE

Pour analyser le niveau de couverture des besoins de la branche par les formations initiales, nous avons
effectué une recherche de l’occurrence de mots-clés associés à des compétences nécessaires pour
développer des systèmes d’IA dans les descriptions les référentiels de certifications enregistrés au
RNCP, afin d’observer si les formations associées permettent effectivement d’acquérir ces
compétences. Pour exclure les certifications et formation moins pertinentes pour les métiers ciblés,
seules celles contenant au moins six mots-clés dans leur description ont été recensées.

Modélisation 55%
Stratégie numérique 51%
Mathématiques 42%
Veille technologique 36%
Développement des
systèmes 16%
Big data 15%
Analyse des données 8%
Machine learning 8%
Deep learning 7%
Data science 7%
Droit du numérique 1%

Figure 225 : Fréquence d’occurrence des compétences liées aux métiers en développement d'IA au sein
des formations associées aux certifications recensées - Source : Onisep et RNCP

Parmi compétences valorisées dans ces formations figurent la modélisation, la stratégie, et les
mathématiques, qui correspondent notamment aux spécialisations des formations mentionnées
précédemment.
En revanche, certaines compétences nécessaires aux métiers de l’IA semblent être très peu
mentionnées dans les référentiels. C’est notamment le cas des compétences spécifiques en machine
learning ou en deep learning. De plus, le droit du numérique se trouve en dernière position, ce qui
témoigne d’une approche concentrée sur les aspects techniques plus que sur de telles dimensions. À
mesure que l’utilisation des IA se généralise dans tous les secteurs, ces compétences deviendront de
plus en plus cruciales pour assurer des systèmes bien conçus et un développement responsable de
l’IA.
Cette analyse offre également un éclairage sur le taux de couverture de ces formations au regard des
différentes compétences sollicitées dans le métier. Le graphique suivant montre la part de compétences
mentionnées dans les descriptions des référentiels :

DPB / Direction des Politiques de

branches
 29%
25%

20% 21%

5%

Présence de 6 mots-clés Présence de 7 mots-clés Présence de 8 mots-clés Présence de 9 mots-clés Présence de

10+ mots-clés

Figure 236 : Part des formations menant à des métiers de l’IA selon le nombre de compétences clés
référencées dans les certifications associées - Source : Onisep et RNCP

À partir de ces informations, il apparaît que les formations très spécialisées en IA, dont les
descriptions intègrent beaucoup de mots-clés pour les compétences, représentent 25 % de l’ensemble
des formations recensées. Elles ont au moins 10 compétences dans le descriptif de la certification
associée. À l’inverse, un groupe de formations généralistes en numérique comportant entre 6 et 9
compétences représentent 75 % des formations. Cela révèle que beaucoup de formations mènent à
des métiers participants au développement de solutions d’IA sans en être le centre. Nous avons exclu
les formations dont les descriptions contiennent moins de 6 compétences identifiées, car ces formations
ont une tendance de mener vers des métiers moins axés sur l’IA et le numérique.
Parmi les formations spécialisées en IA et contenant au moins 10 compétences, on retrouve des
programmes liés étroitement à la science et l’ingénierie des données, les mathématiques appliquées,
et l’expertise en IA, notamment soulignant la conception des solutions en mobilisant les compétences
des données et les enjeux éthiques. Ils mènent vers des métiers « touche-à-tout » en IA ou en gestion
des systèmes d’information, tels que :
• Expert en IA,
• Directeur Recherche et Développement,
• Chargé de projet Big Data,
• Ingénieur (spécialiste : mathématiques appliquées).
Cependant, les formations axées sur des métiers plus généralis tes en numérique, comportant entre 6
et 9 compétences présentes, conduisent à des professions proches de l’IA sans nécessairement en
faire le cœur de métier. Les diplômes forment par exemple à des métiers en data science :
• Administrateur systèmes, réseaux et cybersécurité,
• Manager en stratégie digitale,
• Délégué à la protection des données,
• Développeur d’applications mobiles,
• Concepteur des solutions digitales,
• Chef de projets digitaux,
• Analyste d’applications.

Sur les formations initiales, 48 % des entreprises considèrent que les formations répondent aux besoins
des entreprises. 41 % considèrent que ces formations initiales ne répondent pas à leurs besoins et 11
% jugent ne pas avoir de besoins en matière d’IA spécifiquement.

Des formations concentrées autour de grandes villes

DPB / Direction des Politiques de

branches
En décembre 2023, le gouvernement a lancé l’appel à manifestation d’intérêt « Compétences et Métiers
d’Avenir » (AMI CMA) dans le cadre du plan France 2030. L’AMI CMA vise à répondre aux besoins des
entreprises et institutions publiques en matière de formation initiale et continue, d’ingénierie
pédagogique, et d’attractivité des formations 46. Dans ce cadre, un projet commun porté par 4 instituts a
donné naissance à l'École Française de l'IA (EFELIA). Des colloques ont également été organisés par
des universités partenaires en 2023, explorant des sujets tels que le droit et l’éthique, les sciences
humaines et sociales, ainsi que les fondements mathématiques de l'IA. De plus, l’AMI CMA a
soutenu l’émergence de 9 « IA-clusters » au sein des établissements d’enseignement supérieur visant
à augmenter le nombre de diplômes en IA et à créer des formations associées, ainsi qu’à développer
les nouveaux usages dans les différents domaines de travail. Ces initiatives rajoutent 5 « clusters » aux
4 « Instituts interdisciplinaires d’intelligence artificielle » (3IA) établis en 2019, avec un investissement
de 360 M€.47
Nombre de
f ormations

Figure 57 : Répartition des formations en IA par département (Médaillon sur Île-de-France) – Source :
RNCP / Onisep

La répartition des formations sur le territoire en 2024 reflète déjà les résultats de ces investissements.
Les neuf « clusters » et instituts financés par l’AMI CMA sont majoritairement situés dans les
départements où les formations sont les plus nombreuses :
• ANITI IA Cluster (Université de Toulouse) – Haute-Garonne (75 formations)
• PR[AI]RIE (Université Paris Sciences et Lettres) – Paris (68 formations)
• PostGenAI@PARIS (Sorbonne Université) – Paris (68 formations)
• MIAI Cluster (Université Grenoble Alpes) – Isère (42 formations)
• DATAIA-Cluster (Université Paris Saclay) – Essonne (38 formations)
• ENACT (Université de Lorraine) – Meurthe-et-Moselle (30 formations)
• Hi! PARIS Cluster 2030 (Institut Polytechnique de Paris) – Hauts-de-Seine (23 formations)
Les autres départements densément couverts par des formations en IA sont généralement où se
trouvent de grandes villes avec leurs nombreuses universités, telles que Lyon (Rhône, 68 formations),
Lille (Nord, 59 formations), Marseille (Bouches-du-Rhône, 55 formations), Bordeaux (Gironde, 43
formations), et Montpellier (Hérault, 37 formations).

46
Agence Nationale de la Recherche – Compétences et Métiers d’Avenir - Appel à manif estation d’intérêt 2021-2025 - Lien
47
Agence nationale de la recherche – Intelligence artif icielle : 9 nouveaux « IA Clusters » et 2 nouveaux lauréats
« Compétences et métiers d’avenir » soutenus par l’Etat au titre de France 2030 – Lien

DPB / Direction des Politiques de

branches
Chacun des « clusters » offre également des certifications et diplômes spécialisés afin de
diversifier l’offre de formation en IA. À titre d’exemples, l’ANITI IA Cluster en Occitanie se concentre
principalement sur les applications de l’IA dans l’aéronautique, la robotique et le transport intelligent,
tandis que le cluster PostGenAI@PARIS s’attache particulièrement aux usages de l’IA pour les sciences
humaines, y compris le droit, une thématique largement sous-représentée dans les formations en IA).
En complément des neuf « clusters » universitaires, l’AMI CMA a alloué 87 millions d’euros au
financement de 14 lauréats supplémentaires, incluant des universités ainsi que des centres de formation
professionnelle, afin de massifier le nombre de formés en IA sur le territoire. Si la plupart de ces centres
spécialisés proposent des programmes aux niveaux master et doctorat, plusieurs ont collaboré avec
leur établissement d’accueil afin d’intégrer les compétences en IA dans les cursus de licence et de
développer des certifications en formation continue. Cette démarche vise à offrir à un public plus large
l’opportunité d’acquérir une expertise en IA tout au long de leur parcours professionnel.

5.1.2 LA COUVERTURE DES FORMATIONS INITIALES MENANT AUX

MÉTIERS DE L’OPIIEC POUR L’UTILISATION DES SOLUTIONS D’IA

Il y a un enjeu croissant à développer les compétences liées à l’utilisation de l’IA dès les formations
initiales. En effet, les étudiants ont déjà recours de façon officieuse à ces technologies tout au long de
leur parcours éducatif : 90 % des élèves de seconde et 85 % des jeunes âgés de 18 à 21 ans ont eu
recours à l’IA générative en 202448.
En revanche, 65 % des enseignants n’utilisent pas d’IA générative et une forte majorité des
établissements d’enseignement supérieur ne se penchent pas encore sur cette question, ce qui atteste
à une stratégie nationale toujours en cours d’élaboration. 49
Malgré la forte augmentation des usages d’IA dans le monde du travail depuis 2023, les formations qui
mènent aux métiers de la branche incorporant des compétences en IA restent nettement moins
développées que celles axées sur le développement de l’IA. Nous avons identifié plus de 17 500
formations du supérieur qui mènent aux métiers de la branche.
Nous avons ensuite appliqué un filtre s’appuyant sur une nouvelle liste de 14 compétences clés liées à
l’utilisation d’IA (Connaissance des solutions d’intelligence artificielle, connaissance de la
réglementation sur la protection des données, connaissances du prompt, management du
changement, développement de l’esprit critique, gouvernance des données…). Les résultats de
l’analyse montrent une faible intégration de compétences en utilisation de l’IA dans les formations :
Les 17 000 formations menant vers des métiers dans la branche souffrent d’un manque significatif des
compétences en utilisation de l’IA intégrées dans leurs cursus, et le taux de couverture de celles qui
abordent ce sujet reste également faible. Un peu moins de la moitié des formations identifiées ne semble
pas intégrer des compétences nécessaires pour l’utilisation de l’intelligence artificielles.
Par ailleurs, un grand nombre de ces formations (près de 50 %) mentionnent développer l’esprit critique
des étudiants, une compétence comportementale essentielle pour utiliser les solutions d’IA
correctement, mais sans que cela concerne spécifiquement l’utilisation d’IA.
Néanmoins, les compétences identifiées reflètent les évolutions des entreprises de la branche, ce sont
majoritairement les connaissances des réglementations qui sont intégrées dans les parcours. Ce sont
notamment des connaissances en matière de RGPD ou de propriété intellectuelle qui sont celles
évoquées par les formations initiales (3 % des formations).
Par ailleurs, de premières formations intègrent des compétences en prompt comme le bachelor en
sciences et ingénierie – informatique (RNCP : 39549)
L’absence de compétences complémentaires, telles que la maîtrise des prompts pour ne fait que
souligner le besoin de formations plus développées.

48
Rapport Thématique : IA et Éducation – l’IA et l’avenir du service public – Sénat (2024) – Lien
49
Rapport Thématique : IA et Éducation – l’IA et l’avenir du service public – Sénat (2024) – Lien

DPB / Direction des Politiques de

branches
5.2 DES ENTREPRISES DE LA BRANCHE QUI MOBILISENT DÉJÀ
LES FORMATIONS MENANT AUX MÉTIERS DE L’IA

5.2.1 LE RECOURS À L’ALTERNANCE PAR LES ENTREPRISES DE LA

BRANCHE POUR COUVRIR LES BESOINS EN IA

En 2023, on dénombrait 5 700 alternants suivants des formations qui mènent vers les métiers de
l’IA. Ces formations, financées par l’Opco Atlas, sont majoritairement centrées sur les entreprises du
numérique, qui jouent un rôle central dans la transition en fournissant des services d’accompagnement,
des applications ou solutions logicielles et une expertise de pointe en la matière. Mais le numérique n’y
est pas non plus surreprésenté puisqu’il représente 50 % des effectifs, soulignant un investissement
assez homogène dans la branche en la matière.
Ces contrats reflètent également un fort
investissement de la part des plus petites
entreprises de 1 à 10 salariés, qui ont proposé 18%
38 % des contrats, ainsi que des plus grandes
entreprises de plus de 300 salariés, à l’origine de 1%
24 % des offres. Bien que les données concernant
les contrats de 2024 ne soient pas encore
disponibles, cette croissance s’inscrit dans le
courant des tendances du développement de 14%
l’IA dans les entreprises avec une augmentation 50%
rapide du nombre d’alternance sur ces sujets
d’avenir.

17%

Numérique Conseil Ingénierie

Événementiel Non-classifiée

Figure 60 : Répartition par secteur des entreprises

accueillantes des alternants en formation liée à l'IA
- Source : Données OPCO Atlas - 2019 - 2023

5.2.2 LA FORMATION CONTINUE DES SALARIÉS DE LA BRANCHE

De nombreuses entreprises ont déjà pu former leurs salariés, 44 % d’entre elles ont fait faire une
formation/sensibilisation sur l’IA à leurs salariés, 28 % des entreprises n’ont pas encore
commencé à former leurs salariés, mais c’est en projet pour 2025. 20 % des entreprises ayant
répondu non, relèvent le fait que ce sera considéré dans les années à venir. Seule une petite part des
entreprises (8 %) considèrent que ce n’est pas prévu.
Au regard des résultats de l’enquête, on observe que 45 % des entreprises ont consacré un budget
dédié pour sensibiliser ou former leurs salariés sur l’IA. Le secteur de l’événementiel apparaît
davantage en retrait en la matière, avec 9% d’entreprises ayant un budget dédié à la
formation/sensibilisation de leurs salariés à l’IA.

DPB / Direction des Politiques de

branches
 Ont formé une partie de
8% leurs salariés

N'ont pas formé, mais on

20% projette de le faire En 2025
44%
N'ont pas formé, mais
projette de le faire dans les
années à venir
28% N'ont pas formé et ne
projette pas de le faire

Figure 61 : Part des entreprises ayant sensibilisé ou formé leurs salariés à l'IA - Source : Enquête
BVA pour OPIIEC - 2024

L’enquête souligne que près de 350 000 salariés auraient bénéficié d’une formation ou sensibilisation
sur l’IA, soit 26 % des effectifs de la branche. A horizon 3 ans, au regard des projections des besoins
en formations des entreprises, on estime à près de 287 000 salariés qui devraient être formés sur
ce sujet, soit 21 % des effectifs de la branche.
Les thématiques abordées lors de ces formations en lien avec l’IA sont diverses. Les entreprises
relèvent en premier des formations portant sur la connaissance des outils et plateformes d’IA (69 %),
les compétences en structuration et analyse de données (60 %), la maîtrise des enjeux juridiques liés
aux usages des IA (49 %) ainsi que la maîtrise de la réglementation applicable aux IA (47 %). Moins
cités par les entreprises, elles citent également la compréhension des enjeux éthiques (37 %), la
compréhension des enjeux de gouvernance des données (35 %), le contrôle de la qualité des résultats
de l’IA (32 %), la maîtrise des prompts (21 %) ainsi que la maîtrise des enjeux environnementaux liés à
l’IA (17 %) et l’analyse et structuration des modèles d’IA (13 %).

Connaissance des outils et plateformes d'IA 69%

Compétences en structuration et analyse de données 60%

Maitrise des enjeux juridiques liés aux usages des IA (propriété
intellectuelle…) 49%

Maitrise de la réglementation applicable aux IA (RGPD, IA Act…) 47%

Compréhension des enjeux éthiques (Biais de l’IA, explicabilité
de résultats…) 37%
Compréhension des enjeux de gouvernance des données
(Risques réglementaires, élaboration des stratégies de gestion … 35%

Contrôle de la qualité des résultats de l’IA 32%

Maitrise des prompts 21%

Maitrise des enjeux environnementaux liés à l’IA (IA frugale...) 17%

Analyse et structuration des modèles d’IA 13%

Figure 62 : Principales thématiques relatives à l'IA sur lesquelles les salariés de la branche ont été formés
- Source : Enquête BVA pour OPIIEC - 2024

DPB / Direction des Politiques de

branches
Sur les formations financées par l’OCPO Atlas en 2023, des formations étaient directement liées à l’IA
notamment à travers l’action collective « Etat de l’art sur l’intelligence artificielle ». De façon beaucoup
plus importante, les salariés ont été formés à la gestion de la donnée notamment au big data avec par
exemple l’action collective « Analyser et visualiser des données avec Microsoft Power BI » ou encore
« Etat de l'art du Big Data », mais aussi au numérique responsable à travers les actions collectives
comme le module « Ecoconception pour les architectes ».

Figure 63 : Illustration de l'offre d'actions collectives sur en lien avec l'IA –

Source : Campus Atlas

Pour 51 % des entreprises, les formations continues proposées sur l’IA répondent à leurs besoins, pour
32% d’entre elles les formations ne répondent aux besoins et 17% des entreprises ne semblent pas
avoir de besoins en formation sur l’IA pour le moment.
Concernant les salariés, les salariés âgés de 25-34 ans se disent plus formés/sensibilisés (72 %),
alors que les 45-54 ans sont plus en retrait (43 %).
Les salariés travaillant dans des TPE se considèrent moins formés/sensibilisés (30 %) alors que
ceux travaillant dans des entreprises entre 250 et 499 se disent plus formés/sensibilisés (67 %).
Il est intéressant de relever que parmi ces salariés déjà formés/sensibilisés, 76 % estiment qu’ils
auront besoin d’une formation complémentaire pour augmenter ou améliorer l’utilisation de l’IA
dans leur travail à l’avenir. Ce qui traduit un réel besoin de la part des salariés de continuer à bénéficier
de formation sur ce sujet.
Les compétences visées par ces sensibilisations/formations à l’IA étaient en rapport avec la
connaissance générale de l’IA (73 %), la maîtrise de l’IA d’une manière sobre et raisonnée (52 %),
la compréhension des différents modèles d’IA (50 %), ainsi que le respect du cadre juridique et
réglementaire de l’IA (40 %) et la capacité d’utilisation des solutions d’IA mises à votre disposition (39
%). Moins cités, les salariés relèvent également la maîtrise des prompts (33 %) et la capacité à structurer
les données d’entrée (29 %)
En parallèle, concernant les salariés n’ayant pour le moment pas bénéficié de formations, ils sont
69 % à déclarer avoir besoin d’une formation pour augmenter ou améliorer l’utilisation de l’IA dans
leur travail, à l’avenir. A noter qu’une différence de genre est présente entre les résultats. En effet, les
femmes sont 86 % à se dire qu’elles auraient besoin d’une formation pour augmenter ou améliorer
l’utilisation de l’IA dans leur travail, là où les hommes ne sont que 61 %.

DPB / Direction des Politiques de

branches
 Connaissance des outils et plateformes d'IA 59%

Contrôle de la qualité des résultats de l’IA 45%

Maitrise des prompts 44%

Compréhension des enjeux éthiques (Biais de l’IA, explicabilité
de résultats…) 38%

Maitrise de la réglementation applicable aux IA (RGPD, IA Act…) 38%

Analyse et structuration des modèles d’IA 30%

Maitrise des enjeux juridiques liés aux usages des IA (propriété
intellectuelle…) 27%

Maitrise des enjeux environnementaux liés à l’IA (IA frugale..) 19%

Compétences en structuration et analyse de données 19%

Compréhension des enjeux de gouvernance des données
(Risques réglementaires, élaboration des stratégies de gestion … 15%

Figure 64 : Priorité de thèmes de formation à venir à destination des salariés de la branche - Source :
Enquête BVA pour OPIIEC - 2024

DPB / Direction des Politiques de

branches
 PARTIE 6.
SYNTHÈSE

DPB / Direction des Politiques de

branches
LES CONSTATS DE L’ÉTUDE

De l’étude, 5 constats principaux se dégagent pour la branche et son action en réponse aux enjeux RH
induits par l’essor de l’IA au sein des entreprises et chez leurs clients.

1. L’IA pourrait impacter négativement les efforts de féminisation des emplois au sein de
la branche. En effet, les emplois créés et dédiés à l’IA apparaissent aujourd’hui plus
masculinisés encore que la moyenne des emplois. Par ailleurs, les femmes expriment
davantage de craintes face à l’IA que les hommes en termes d’emploi.
Selon le baromètre européen de l’IA, seulement 25 % des salariés travaillant sur le développement de
solution d’IA sont des femmes en France. Pour autant, la présence des salariées dans les entreprises
qui développent des solutions d’IA ou accompagnent d’autres entreprises dans ce développement est
essentielle. La qualité des résultats d’une IA dépend fortement des données sur lesquelles elles sont
entrainées ainsi que la limitation de la reproduction des biais, notamment de genre. De ce fait la
présence de femmes au sein des équipes de conception, de développement et d’accompagnement au
déploiement de telles solutions permettrait de limiter l’introduction de biais dans le développement de
l’IA en plus d’apporter en créativité par le jeu de l’intelligence collective et de l’importance en la matière
de la mixité des groupes.
Par ailleurs, les femmes ont également plus de craintes au regard de l’utilisation de l’IA. En effet, 24 %
des salariées de la branche soulignent que l’introduction de l’IA dans les procédés internes est une
source de craintes, c’est le cas pour seulement 12 % des hommes. Par ailleurs, elles sont aussi plus
nombreuses à déclarer ressentir un besoin de formation pour utiliser l’IA que les hommes (86 % contre
61 % respectivement).
De ce fait, il est important de favoriser l’intégration de femmes dans le développement de solutions d’IA
afin de favoriser la production de solutions de qualité, mais aussi de favoriser leur recours à ces
solutions.

2. Les jeunes salariés utilisent plus souvent l’IA, y sont plus sensibilisés que leurs aînés,
mais tendent à moins percevoir les risques associés. De leur côté, les salariés plus
seniors ont une valeur ajoutée potentielle importante pour définir des cas d’usages
internes et externes adaptés. Il est essentiel qu’ils se saisissent de ces solutions.
Les salariés les plus jeunes sont les salariés qui ont davantage recours à l’IA. En effet, alors que 73 %
des salariés de moins de 25 ans utilisent des solutions d’IA dans leur pratique professionnelle au sein
deal branche et 87 % des salariés âgés de 25 à 34 ans, cette part diminue ensuite en fonction de l’âge
des salariés. 75 % des salariés de 35 à 44 ans utilisent l’IA, 64 % des salariés de 45 à 55 utilisent l’IA
et 56 % des salariés de 55 ans et plus.
Les principales raisons du non-recours à l’IA pour les profils plus seniors sont le manque de
connaissance des solutions d’IA existantes et de leur usage, mais surtout le manque de visibilité sur
l’intérêt à avoir recours à des solutions d’IA. Ils expriment aussi des réserves sur la valeur ajoutée
potentielle des IA confrontées à leur propre expertise. Par ailleurs, les plus seniors sont également la
catégorie socio professionnelle qui a le moins était formée à ces solutions. 57 % des salariés âgés de
45 ans et plus n’ont pas bénéficié de formation ou sensibilisation sur l’IA alors que seulement 37 % des
moins de 45 ans n’ont pas été formés ou sensibilisé à l’utilisation de l’IA.
Au regard de ce constat, il y a une nécessité à favoriser le recours à l’IA par les salariés les plus
expérimentés. En effet, les salariés les plus expérimentés bénéficient d’une bonne connaissance de
leurs métiers pour utiliser de manière optimale les solutions d’IA et ainsi permettre à la structure de
gagner en productivité sans détériorer la qualité de la production.

3. Bien que l’IA ne soit pas censée entraîner une destruction nette d’emplois, les entreprises
qui ne s’en emparent pas – notamment les TPE et PME pouvant être moins bien informées –

DPB / Direction des Politiques de

branches
 s’exposent à un risque de perte d’activité et d’emplois. En effet, leurs concurrents, devenus
plus créatifs et productifs grâce à un usage pertinent de l’IA, pourraient gagner en
compétitivité et capter une part croissante du marché.

Le recours à l’IA ne devrait pas être destructeur d’emploi au global (solde création – destruction positif).
Les entreprises de la branche anticipent une augmentation de 3 % de leurs effectifs en raison du
déploiement de l’IA, soit une création d’environ 45 000 emplois sur la période 2025 - 2028.
Toutefois, un non-recours à l’IA par les entreprises pourrait avoir un impact sur leur activité. L’usage par
des concurrents de solutions d’IA pourrait entrainer une amélioration de leur productivité, de la qualité
de leurs productions et éventuellement des gains en part de marché. De ce fait, ne pas recourir à des
solutions d’IA pourrait constituer un risque de pérennité pour les entreprises non-utilisatrices. Ce risque
apparaît particulièrement fort pour les TPE/PME dans la mesure où la part des entreprises ayant recours
à des solutions d’IA est plus faible au sein des plus petites entreprises. 63 % des entreprises de moins
de 50 salariés ont recours à des solutions d’IA aujourd’hui alors que 72 % des entreprises de plus de
50 salariés y ont recours.
Il y a une nécessité à sensibiliser les entrepreneurs et managers sur les intérêts de l’expérimentation et
de l’intégration de l’IA dans leur process internes et offres de services externes.

4. L’IA impacte les métiers et les organisations de travail. Le dialogue social doit
s’emparer du sujet pour une intégration réfléchie, collectivement et respectueuse du
cadre et des conditions de travail des salariés dans les entreprises.

L’introduction de nouvelles solutions d’IA au sein des entreprises pose plusieurs enjeux pour elles. Que
ce soit au regard des considérations éthiques liées à l’IA, sur les enjeux environnementaux, les enjeux
de protection des données ou encore sur les transformations des métiers et de l’organisation des
entreprises (près de 48 % des métiers de la branche pourraient être transformés ou automatisé par
l’utilisation de l’IA), l’IA va fortement impacter les entreprises, les métiers et l’organisation du travail.
De ce fait, il y a une nécessité à sensibiliser et former les partenaires sociaux pour leur permettre de
s’emparer du sujet et co-construire une intégration réfléchie de ces solutions et respectueuse des
conditions de travail des salariés au sein de leurs entreprises respectives.

5. L’IA impactera l’ensemble des salariés de la branche (les spécialistes et les non
spécialistes). Les entreprises anticipent la formation de plus de 287 000 salariés sur les
connaissances et usages de l’IA, soit un besoin massif auquel répondre.
L’intelligence artificielle s’impose comme un enjeu stratégique important pour les entreprises de la
branche. De plus en plus d’entreprises devraient utiliser des solutions d’IA au fil des années. A horizon
3 ans, près de 98 % des entreprises devraient y recourir. Ce déploiement ne s’accompagne pas
nécessairement de la création de nouveaux métiers, mais conduit à transformer la plupart des métiers
de la branche et engage les salariés à acquérir de nouvelles connaissances pour intégrer efficacement
ces outils dans leur pratique.
Aujourd’hui, près de 26 % des salariés de la branche ont déjà bénéficié d’une formation sur l’IA
notamment sur la connaissance des principaux outils, les enjeux juridiques encadrant ces usages
(notamment sur la propriété inétlectuelle des productions et des informations qui peuvent lui être
transmises) et la maitrise de la réglementation autour de l’IA. Le nombre de personnes à former à
l’avenir, au regard des entreprises, est lui aussi conséquent. A horizon 3 ans, près de 287 000 salariés
devraient être formés ou sensibilisés à l’utilisation de l’IA.
Par ailleurs, les salariés manifestent également un fort besoin de se former à l’utilisation de l’I A,
notamment dans les plus petites structures. Seulement 30 % des salariés des entreprises de moins de
10 salariés se disent suffisamment formés pour utiliser l’IA (contre 67 % dans les entreprises de plus
de 250 salariés). De plus, 76 % des salariés déjà formé estiment qu’ils auront besoin d’une formation
complémentaire pour augmenter ou améliorer l’utilisation de l’IA dans leur travail à l’avenir. Ce qui traduit
un réel besoin de la part des salariés de continuer à bénéficier de formation sur ce sujet.

DPB / Direction des Politiques de

branches
Face à ce besoin massif de formation des salariés, les formations déjà mobilisées répondent
globalement bien aux attentes (seuls 32 % des entreprises déclarent les formations continues
insatisfaisantes), mais le nombre de salariés à former reste important, particulièrement pour les plus
petites entreprises. 40 % seulement des entreprises de moins de 10 salariés ont formé une partie de
leurs salariés alors que près de 62 % des autres entreprises ont déjà formé une partie de leurs salariés.
L’enjeu qui se pose est notamment de permettre aux entreprises d’avoir accès à des modalités de
formations simples qui permettent à chacun de leurs salariés d’identifier les IA dont ils pourrai ent avoir
l’usage dans leurs métiers et les bonnes pratiques remarquées.

DPB / Direction des Politiques de

branches
PARTIE 7. ANNEXES

OP IIE C
• Bibliographie

7.1 BIBLIOGRAPHIE

• UE (2018). A definition of Artificial Intelligence: main capabilities and scientific disciplines. (2018). Shaping
Europe’s Digital Future. [Link]
capabilities-and-scientific-disciplines
• Amazon, (2024) Sommet Choose France : Amazon annonce un plan d’investissements de plus de 1,2 milliard
d’euros en France et la création de plus de 3 000 emplois en CDI.
[Link]
dinvestissements-de-plus-de-1-2-milliard-deuros-en-france-et-la-creation-de-plus-de-3-000-emplois-en-cdi
• BPI. (2022). Le marché de l’IA en chiffres. [Link]
artificielle-ou-en-sommes-
nous#:~:text=Le%20march%C3%A9%20de%20l'intelligence%20artificielle%20en%20chiffres&text=D&a
pos;ici%202027%2C%20le%20monde,dollars%20%C3%A0%20l'%C3%A9conomie%20mondiale.
• BPI. (2022). L’IA dans te PME-ETI. [Link]
les-tpe-et-pme
• BPI. (2024). La révolution de l’IA et de l’IA générative. [Link]
01/PANORAMA_IA.pdf
• Branche professionnelle des Bureaux d’Etudes Techniques, Cabinet d’Ingénieurs Conseils et Sociétés de
Conseils | Opco Atlas. (n.d.). Branche Professionnelle Des Bureaux D’Etudes Techniques, Cabinet
D’Ingénieurs Conseils Et Sociétés De Conseils | Opco Atlas. [Link]
• CapGemini. (2024). Harnessing the value of generative AI. [Link]
content/uploads/2024/05/[Link]
• Cdo, A. (2024,). Les uses cases de Gen IA au sein du groupe Safran. AGORA MANAGERS TV.
[Link]
• Chui, M., Hazan, E., Roberts, R., Singla, A., Smaje, K., Sukharevsky, A., Yee, L., & Zemmel, R. (2023, June
14). The economic potential of generative AI: The next productivity frontier. McKinsey & Company.
[Link]
the-next-productivity-frontier
• CIGREF. (2022). Note d’information et d’actualité du CIGREF. [Link]
content/uploads/2023/07/Cigref-Note-dinformation-et-dactualite-Recommandations-au-sujet-des-IA-
[Link]
• CNIL. (2017). Comment permettre à l’homme de garder la main ?
[Link]
• Commission de l’intelligence artificielle. (2024). IA : Notre ambition pour la France.
[Link]
• Deloitte. (2023). Deloitte launches internal Chatbot. [Link]
deloitte/articles/press-releases/[Link]
• Deloitte. (2023). L’état de l’IA générative dans les entreprises. [Link]
analytics/articles/[Link]
• Deloitte. (2023). The implications of generative AI in Finance : A new frontier in artificial intelligence and for
Finance. [Link]
[Link]
• Direction générale du Trésor. (2024). Les enjeux économiques de l’intelligence artificielle.
[Link]
• ESCP. (2023). L’IA générative, entre menaces et opportunités : Quels défis éthiques pour les décideurs ?
[Link]

OP IIE C
 • France Numérique. (n.d.). Baromètre France Num 2023 : où en sont les TPE PME (0 à 249 salariés) avec le
numérique ? - [Link]. [Link]. [Link]
conseils/strategie-numerique/comprendre-le-numerique/barometre-france-num-2023-ou-en-sont
• Free Software Foundation. (2024). What is Free Software ? [Link]
• IFOP. (2023). Les Français et les IA génératives. [Link]
[Link]
• Intelligence artificielle en France : un écosystème d’excellence | Direction générale des Entreprises. (n.d.).
Direction Générale Des Entreprises. [Link]
artificielle-en-france-un-ecosysteme-
dexcellence#:~:text=La%20France%20compte%20590%20start,reposant%20sur%20de%20l'IA.
• IOE. (2024). L’impact de l’IA sur le travail et l’emploi. [Link]
[Link]/[Link]?eID=dumpFile&t=f&f=160464&token=0b11192d5fbd2c95d2f1d0162a932bf4597007a1
• LaborIA. (2023). Usages et impacts de l’IA sur le travail, au prisme des décideurs.
[Link]
• Livre blanc - L’impact de l’IA générative sur les entreprises du numérique | Numeum. (2024,).
[Link]
• Microsoft annonce son investissement en France le plus important à ce jour pour accélérer l’adoption de l’IA,
les compétences et l’innovation – News Centre. (2024). [Link]
annonce-son-investissement-en-france-le-plus-important-a-ce-jour-pour-accelerer-ladoption-de-lia-les-
competences-et-linnovation/
• MIT Technology Review. (2020). Finding value in generative AI for financial services.
[Link]
• OCDE. (2019). Perspectives de l’emploi de l’OCDE 2023 : Intelligence artificielle et marché du travail.
[Link]
• OPCO Atlas. (2022). Étude exploratoire sur les tendances de l’IA pour l’évolution des métiers d’Atlas.
• Pôle Emploi. (2023). Les employeurs face à l’Intelligence Artificielle.
[Link]
analyses/_Documentation/Divers/P%C3%B4le%20emploi_Pr%C3%A9sentation_Enquete%20Intelligence%20A
rtificielle_2023.pdf
• PwC. (2024) How will AI affect jobs, skills, wages, and productivity ?. [Link]
room/press-releases/2024/[Link]
• Région Occitanie. (2024). Décision Région Occitanie. [Link]
Occitanie-adopte-un-Plan-de-60-MEUR-dedie-aux
• Rolland Berger. (2023). L’impact de l’IA générative sur l’emploi en France.
[Link]
[Link]
• SalesForces. (2023). Your Data, Your IA. [Link]
• Strubell, E., Ganesh, A., & McCallum, A. (2019, June 5). Energy and policy considerations for deep learning in
NLP.
• The augmented workforce for an automated, AI-driven world. (2023). IBM. [Link]
leadership/institute-business-value/en-us/report/augmented-workforce
• The Open Source AI Definition – 1.0. (2024). Open Source Initiative. [Link]
definition
• WiziShop. (2022). Histoire de l’intelligence artificielle (IA) : création et évolutions [1943 à 2024].
[Link]

D2I / Département Prospective et projets

innovants
 7.2 LISTE DES MOTS CLÉS UTILISÉS POUR L’ANALYSE DES FORMATIONS

Formations menant vers des Métiers en Formations menant vers des métiers de la branche
développement d’IA qui utilisent l’IA
Droit du numérique Intelligence artificielle
Organisation des données RGPD
Data science Données personnelles
Deep learning Management du changement
Machine learning Changement
Analyse des données Prompt
Big data Sobriété numérique
Développement des Esprit critique
systèmes
IA Act
Veille technologique
Propriété intellectuelle
Mathématiques
Gouvernance des données
Stratégie
Gestion des données
Modélisation
Stratégie digitale
Éthique
Strategie numérique
Environnemental
Programmation

D2I / Département Prospective et projets

innovants
CONTACT : RÉALISATION :
Boubacar DIALLO OLECIO
Chef de projets Prospective [Link]
OPIIEC
25, quai Panhard et Levassor INETUM
75013 PARIS
[Link]
opiiec@[Link]

BVA People Consulting

[Link]

ÉT U D E R ÉALI S ÉE AVEC LE SO U T I EN D E L’ O PC O AT LAS