147 statistiques sur l’IA générative — en novembre 2026

Les statistiques sur l’IA générative en 2026 montrent que son utilisation dépasse largement les bénéfices qu’elle procure. Au moins 700 millions de personnes utilisent chaque semaine les principaux systèmes d’IA (International AI Safety Report, févr. 2026), mais les PDG interrogés par IBM indiquent que seuls 25 % de leurs projets d’IA ont produit le rendement attendu et que seuls 16 % ont été déployés à l’échelle de l’entreprise (IBM Institute for Business Value, mai 2025).

Cette page couvre l’adoption, les dépenses, le financement, les modèles et la puissance de calcul, la productivité et l’emploi, les hallucinations et les usages abusifs, ainsi que la réglementation. Chaque chiffre renvoie à l’organisation qui l’a produit : banques centrales, instituts de statistique, autorités de réglementation, tribunaux, déclarations d’entreprises, articles universitaires et sociétés d’études. Lorsque l’enquête a été menée par un fournisseur ou un cabinet de conseil, celui-ci est nommé dans la citation pour que vous puissiez en évaluer les résultats. Les chiffres plus larges sur l’IA figurent sur notre page statistiques sur l’IA, ceux sur le trafic des chatbots et les réponses de l’IA sur statistiques sur la recherche par IA, et ceux sur les usages marketing sur statistiques sur le marketing par IA.

Combien d’entreprises et de personnes ont adopté l’IA générative ?

L’adoption n’est plus une question ouverte. La plupart des employeurs ont essayé ces outils, et le débat porte désormais sur ce qu’ils leur rapportent.

Combien d’entreprises utilisent l’IA générative ?

Plus de la moitié des entreprises de services et des fabricants de la région de New York utilisent désormais l’IA : 61 % des entreprises de services l’ont déclaré en août 2026, contre 40 % un an plus tôt et 25 % en 2024 (Federal Reserve Bank of New York, sept. 2026).

• 51 % des fabricants de la région utilisaient l’IA, soit environ le double des 26 % enregistrés en 2025 et le triple des 16 % de 2024 (Federal Reserve Bank of New York, sept. 2026).
• Parmi les entreprises ayant adopté l’IA, la part médiane de salariés qui l’utilisaient n’était que de 17 % dans les entreprises de services et de 7 % chez les fabricants (Federal Reserve Bank of New York, sept. 2026).
• Les trois quarts des entreprises de services et plus de 90 % des fabricants qualifiaient leur investissement dans l’IA de minimal à modeste (Federal Reserve Bank of New York, sept. 2026).
• 46 % des petites entreprises employeuses américaines ont déclaré que leur entreprise ou leurs employés utilisaient des outils d’IA dans le cadre de l’enquête 2025 sur le crédit aux petites entreprises, et 15 % supplémentaires prévoyaient de commencer à les utiliser (Federal Reserve Banks, oct. 2026).
• Près de 60 % des entreprises interrogées dans le cadre d’une enquête de l’Atlanta Fed menée auprès de plus de 700 dirigeants d’entreprise ont investi dans l’IA en 2025, et plus de 80 % prévoyaient d’investir en 2026 (Federal Reserve Bank of Atlanta, mars 2026).
• Deloitte a constaté que la part des salariés ayant accès à des outils d’IA autorisés est passée de moins de 40 % à environ 60 % en un an (Deloitte AI Institute, janv. 2026).

Le schéma est celui d’une adoption étendue, mais d’un usage peu approfondi. Les taux d’adoption comptabilisent une entreprise de la même façon qu’une seule personne ou que l’ensemble du personnel utilise l’outil.

L’IA générative est-elle rentable pour les entreprises ?

Cela dépend des personnes interrogées et de la définition du rendement. 74 % des répondants issus d’entreprises dans l’enquête de Wharton ont déclaré que l’IA générative avait produit un rendement positif, et 72 % le mesurent officiellement (Wharton Human-AI Research, oct. 2025).

• Près de 6 dirigeants sur 10 dans l’enquête trimestrielle de KPMG font état d’une valeur commerciale mesurable, les gains de productivité étant les plus fréquents, à 55 % (KPMG, sept. 2026).
• 74 % des organisations intègrent désormais des évaluations des coûts à leurs processus d’approbation de l’IA, contre 61 % un trimestre plus tôt, et 43 % ont fixé des budgets d’utilisation ou de jetons (KPMG, sept. 2026).
• Seules 30 % des organisations interrogées par Deloitte repensent leurs processus clés autour de l’IA, et 37 % ne l’utilisent qu’en surface (Deloitte AI Institute, janv. 2026).
• 77 % des petites entreprises n’ont signalé aucun changement de leurs coûts de main-d’œuvre lié à l’utilisation de l’IA (Federal Reserve Banks, oct. 2026).

Ces enquêtes interrogent des personnes différentes et définissent le rendement différemment ; les chiffres ci-dessus ne doivent donc pas être comparés entre eux. Chacun représente la réponse de l’enquête à sa propre question.

Les agents d’IA sont-ils prêts à être utilisés en entreprise ?

Pas encore à grande échelle. Gartner prévoit que plus de 40 % des projets d’IA agentique seront abandonnés d’ici la fin de 2027 en raison des coûts, d’une valeur commerciale incertaine ou de contrôles des risques insuffisants (Gartner, juin 2025).

• Gartner estime qu’environ 130 des milliers de fournisseurs d’IA agentique sont de véritables fournisseurs, et met en garde contre l’« agent washing », qui consiste à rebaptiser des produits existants en agents (Gartner, juin 2025).
• Seuls 16 % des déploiements en entreprise et 27 % des déploiements dans les startups sont de véritables agents, c’est-à-dire des LLM qui planifient, agissent et s’adaptent (Menlo Ventures, déc. 2025).
• Près des trois quarts des entreprises interrogées par Deloitte prévoient de déployer une IA agentique dans les deux prochaines années, mais seules 21 % d’entre elles font état d’un modèle de gouvernance des agents mature (Deloitte AI Institute, janv. 2026).
• Gartner prévoit que 33 % des applications logicielles d’entreprise intégreront une IA agentique d’ici 2028, contre moins de 1 % en 2024 (Gartner, juin 2025).

Combien de personnes utilisent l’IA générative en dehors du travail ?

Selon l’étude du Stanford Digital Economy Lab, 115 millions d’adultes américains utilisaient des chatbots d’IA générative en mars 2026, contre 98 millions en juillet 2025. L’étude estime également que l’utilisateur médian valorise l’accès à ces outils à $11,40 par mois, contre $3,40 (Stanford Digital Economy Lab, avr. 2026).

• La même étude estime à $124,50 le montant moyen qu’il faudrait verser aux adultes américains pour qu’ils renoncent aux chatbots pendant un mois, soit 27 % de plus que les $98 précédents (Stanford Digital Economy Lab, avr. 2026).
• Selon l’International AI Safety Report, le taux d’adoption reste probablement inférieur à 10 % dans une grande partie de l’Afrique, de l’Asie et de l’Amérique latine (International AI Safety Report, févr. 2026).

Quels capitaux sont investis dans l’IA générative ?

Les dépenses sont passées des essais logiciels à l’électricité, aux puces et aux contrats d’informatique en nuage. Les plus gros chèques financent désormais les infrastructures.

Combien les entreprises dépensent-elles en IA générative ?

Les applications ont absorbé plus de la moitié des dépenses : $19 milliards ont été consacrés aux applications d’IA en 2025, le reste allant aux infrastructures (Menlo Ventures, déc. 2025).

• 76 % des cas d’utilisation de l’IA ont été achetés plutôt que développés en interne, contre 53 % achetés en 2024 (Menlo Ventures, déc. 2025).
• 47 % des projets d’IA ont été mis en production, contre 25 % pour les logiciels SaaS traditionnels (Menlo Ventures, déc. 2025).
• Le codage a atteint $4,0 milliards, soit 55 % des dépenses départementales en IA et la catégorie individuelle la plus importante (Menlo Ventures, déc. 2025).
• Les API de modèles de fondation ont absorbé $12,5 milliards des $18 milliards consacrés aux infrastructures d’IA (Menlo Ventures, déc. 2025).
• Le marché de la transcription ambiante pour les professionnels de santé a atteint $600 millions, soit 2,4 fois le montant de l’année précédente (Menlo Ventures, déc. 2025).

Les estimations de marché de Menlo ont leurs limites, qu’il convient de connaître (Menlo Ventures, déc. 2025). Elles constituent un point de vue parmi d’autres sur le marché.

Quels montants de capital-risque vont aux entreprises d’IA ?

Le financement en capital-risque atteint des records, et la majeure partie est orientée vers l’IA. Les investissements mondiaux en capital-risque ont atteint $205 milliards au deuxième trimestre 2026, répartis entre plus de 5 000 startups, après $305 milliards au premier trimestre (Crunchbase, juill. 2026).

• Les startups d’IA ont représenté plus de 60 % du financement en capital-risque en Asie au deuxième trimestre 2026, soit un peu plus de $26 milliards et un record (Crunchbase, juill. 2026).
• Les startups chinoises ont levé un peu plus de $30 milliards sur le trimestre, en hausse de 424 % par rapport à l’année précédente (Crunchbase, juill. 2026).
• DeepSeek a levé $7,4 milliards en juin 2026, pour une valorisation déclarée de $50 milliards (Crunchbase, juill. 2026).
• Les startups européennes ont levé $24 milliards, soit deux tiers de plus qu’au deuxième trimestre 2025 ; 65 % de ce montant est allé à 42 entreprises ayant levé au moins $100 millions (Crunchbase, juill. 2026).
• SpaceX a annoncé son intention d’acquérir pour $60 milliards le fabricant de l’outil de codage par IA Cursor, Anysphere (Crunchbase, juill. 2026).

Quelle est la valeur des principaux laboratoires d’IA, et quels revenus génèrent-ils ?

Les valorisations reposent désormais sur des revenus en forte croissance. Anthropic a levé $30 milliards lors d’un tour de financement de série G, pour une valorisation après financement de $380 milliards en février 2026 (Anthropic, févr. 2026).

• Le nombre de clients d’Anthropic dépensant plus de $1 millions par an est passé d’une douzaine deux ans auparavant à plus de 500 (Anthropic, févr. 2026).
• Le chiffre d’affaires annualisé de Claude Code a dépassé $2,5 milliards, soit plus du double de son niveau au début de 2026 (Anthropic, févr. 2026).
• Menlo recense au moins 10 produits d’IA générant plus de $1 milliards de revenus annuels récurrents, et 50 dépassant $100 millions (Menlo Ventures, déc. 2025).
• Les startups d’IA ont capté 63 % des dépenses consacrées à la couche applicative en 2025, contre 36 % un an auparavant (Menlo Ventures, déc. 2025).
• Mistral AI a levé EUR 1,7 milliards pour une valorisation après financement de EUR 11,7 milliards, lors d’un tour mené par le fabricant d’équipements pour puces ASML (Mistral AI, sept. 2025).

Qui profite financièrement du développement de l’IA ?

D’abord, les fournisseurs de puces et de services infonuagiques. NVIDIA a déclaré un chiffre d’affaires de $96,2 milliards pour le trimestre clos le 26 juillet 2026, en hausse de 106 % par rapport à l’année précédente (NVIDIA, août 2026).

• NVIDIA prévoit un chiffre d’affaires de $108,0 milliards pour le trimestre suivant, sans tenir compte d’aucun revenu lié aux calculs de Data Center en Chine (NVIDIA, août 2026).
• Les obligations de performance restantes d’Oracle ont augmenté de $209 milliards en un an, pour atteindre $664 milliards (Oracle, sept. 2026).
• Le chiffre d’affaires d’Oracle dans les infrastructures infonuagiques a augmenté de 121 %, à $7,4 milliards sur le trimestre, tandis que son flux de trésorerie disponible était négatif de $5 milliards (Oracle, sept. 2026).
• Oracle a signé plus de $30 milliards de contrats supplémentaires d’informatique en nuage pour l’IA sur le trimestre et vendu $20 milliards d’actions pour financer son développement (Oracle, sept. 2026).
• Le chiffre d’affaires de CoreWeave s’est établi à $2 575 millions, contre $1 212 millions un an auparavant, avec une perte nette de $626 millions (CoreWeave, août 2026).
• Le carnet de commandes de revenus de CoreWeave s’élevait à environ $104 milliards au 30 juin 2026, et sa capacité électrique en service atteignait 1,5 GW (CoreWeave, août 2026).
• NVIDIA et OpenAI ont signé une lettre d’intention portant sur au moins 10 gigawatts de systèmes NVIDIA, NVIDIA ayant l’intention d’investir jusqu’à $100 milliards dans OpenAI (NVIDIA, sept. 2025).
• AMD a accepté de fournir à OpenAI 6 gigawatts de GPU et lui a accordé un bon de souscription portant sur jusqu’à 160 millions d’actions AMD (AMD, oct. 2025).

Quels modèles dominent le marché, et combien coûte leur exploitation ?

Les progrès reposent toujours sur le passage à l’échelle, et le haut du classement change d’un mois à l’autre. Le coût unitaire des capacités continue de baisser, tandis que la facture de l’ensemble du système augmente.

Quelles entreprises et quels modèles dominent le marché ?

En matière de dépenses des entreprises en LLM, Anthropic domine avec une part estimée à 40 %, contre 12 % en 2023, tandis que la part d’OpenAI est tombée de 50 % à 27 % (Menlo Ventures, déc. 2025).

• Les modèles libres ne représentent que 11 % des dépenses des entreprises en LLM (Menlo Ventures, déc. 2025).
• Le nombre de dépôts sur Hugging Face a triplé depuis 2023, et GitHub héberge 5,6 millions de projets d’IA à code source ouvert (Stanford HAI, avr. 2026).
• Le nombre de paramètres est resté proche de 1 billions pendant trois ans, et plusieurs laboratoires de pointe ont cessé de le communiquer (Stanford HAI, avr. 2026).
• La base de données d’Epoch AI suit plus de 3 600 modèles d’apprentissage automatique depuis 1950 jusqu’à aujourd’hui (Epoch AI, oct. 2026).
• Les performances de pointe sont accessibles sur du matériel grand public en environ 8 mois (Epoch AI, févr. 2026).

À quelle vitesse les modèles d’IA générative s’améliorent-ils ?

Plus rapidement depuis l’arrivée des modèles de raisonnement. Depuis septembre 2024, l’indice de capacités d’Epoch pour les modèles de pointe a progressé de 14 points par an, contre 6 points par an pour les modèles sans raisonnement (Epoch AI, févr. 2026).

• La durée des tâches que les agents de METR réussissent dans la moitié des cas a doublé environ tous les sept mois depuis 2019 (METR, mars 2025).
• METR avertit que les mesures supérieures à 16 heures ne sont pas fiables avec sa suite de tâches actuelle, ce qui signifie que le test approche de son plafond (METR, sept. 2026).
• Les agents d’IA peuvent désormais accomplir de façon fiable certaines tâches qui demandent environ une demi-heure à un programmeur humain, contre moins de 10 minutes un an auparavant (International AI Safety Report, févr. 2026).
• Sur OSWorld, la précision des agents est passée d’environ 12 % à 66,3 % en un an, soit à moins de 6 points des performances humaines (Stanford HAI, avr. 2026).
• Gemini Deep Think a obtenu 35 points, soit une médaille d’or, aux Olympiades internationales de mathématiques 2025, contre 28 points et une médaille d’argent en 2024 (Stanford HAI, avr. 2026).
• La taille des fenêtres de contexte des LLM a été multipliée par 30 par an depuis 2023 (Epoch AI, févr. 2026).
• Un examen de tests de référence largement utilisés a relevé des taux de questions invalides allant de 2 % pour MMLU Math à 42 % pour GSM8K ; ces scores doivent donc être interprétés avec prudence (Stanford HAI, avr. 2026).

Combien coûte l’entraînement et l’exploitation des modèles ?

Chaque unité de capacité coûte moins cher, tandis que la facture totale augmente. Le prix pour atteindre les performances de GPT-4 sur des questions scientifiques de niveau doctoral a été divisé par 40 par an, et les baisses de prix allaient de 9 à 900 fois par an selon le palier de performance (Epoch AI, mars 2025).

• La puissance de calcul d’entraînement des cinq meilleurs modèles a été multipliée par environ 10 000 depuis 2020 (Epoch AI, févr. 2026).
• Un centre de données d’IA typique de 1 gigawatt coûte environ $38 milliards à construire et nécessite environ deux ans de travaux (Epoch AI, févr. 2026).
• Cinq hyperscalers possèdent plus des deux tiers de la puissance de calcul mondiale dédiée à l’IA (Epoch AI, févr. 2026).
• Le plus grand centre de données d’IA connu a une capacité équivalente à 1,1 millions de puces NVIDIA H100, et Hyperion, de Meta, devrait atteindre 3,7 millions de puces d’ici janvier 2028 (Epoch AI, févr. 2026).
• Les États-Unis comptent 5 427 centres de données, soit plus de dix fois le nombre de n’importe quel autre pays (Stanford HAI, avr. 2026).
• 54 % des adultes américains estiment que les centres de données sont surtout mauvais pour l’environnement, contre 39 % en janvier 2026, et 50 % les jugent mauvais pour le coût de l’énergie domestique, contre 38 % (Pew Research Center, sept. 2026).
• Seulement 4 % des Américains pensent que les centres de données ont un impact globalement positif sur l’environnement, le coût de l’énergie ou la qualité de vie (Pew Research Center, sept. 2026).

Quels effets l’IA générative a-t-elle sur la productivité et l’emploi ?

Les expériences en laboratoire montrent des gains importants pour des tâches bien définies. Les données recueillies sur le terrain sont moins nombreuses, et les personnes qui utilisent ces outils ont tendance à surestimer leurs gains.

Dans quelle mesure l’IA générative accélère-t-elle le travail ?

Dans une expérience de Harvard Business School, des consultants utilisant GPT-4 pour des tâches situées dans les limites des capacités de l’IA ont accompli 12,2 % de tâches supplémentaires et terminé 25,1 % plus vite (Harvard Business School, sept. 2023).

• Pour une tâche située hors des limites des capacités de l’IA, les consultants qui l’utilisaient avaient 19 % moins de chances de produire une solution correcte (Harvard Business School, sept. 2023).
• Lors d’une expérience menée auprès de 444 diplômés de l’enseignement supérieur, ChatGPT a réduit de 0,8 écart-type le temps nécessaire à la rédaction et amélioré la qualité de 0,4 écart-type, avec les gains les plus importants chez les personnes moins performantes (MIT, mars 2023).
• Les développeurs utilisant GitHub Copilot ont terminé une tâche de serveur HTTP 55.8% plus vite que le groupe témoin (Peng et al., févr. 2023).
• Lors d’une étude de suivi menée avec des outils de fin 2025, l’estimation brute de METR pour les développeurs de retour était une réduction de 18 % du temps consacré à la tâche, avec un intervalle de confiance allant de 38 % de temps en moins à 9 % de temps en plus. METR a jugé ses propres données peu fiables, car les développeurs refusaient de travailler sans IA (METR, févr. 2026).
• Dans une enquête auprès de 349 travailleurs techniques, la variation médiane déclarée de la valeur du travail était de 1,4 à 2 fois, et la variation médiane déclarée de la vitesse de travail était de 3 fois (METR, mai 2026).
• Les répondants estimaient le gain de valeur à 1,3 fois en mars 2025 et à 2 fois en mars 2026, et prévoyaient un gain de 2,5 fois pour mars 2027 (METR, mai 2026).
• L’étude précédente de METR, menée en 2025, a montré que les personnes surestimaient en moyenne de 40 points de pourcentage l’effet de l’IA sur le temps qu’elles consacraient aux tâches (METR, mai 2026).

Quels emplois sont les plus exposés à l’IA générative ?

Environ 80 % de la main-d’œuvre américaine pourrait voir au moins 10 % de ses tâches affectées par les grands modèles de langage, et environ 19 % pourrait voir au moins la moitié de ses tâches concernées (Eloundou et al., mars 2023).

• Dans les pays à revenu élevé, les emplois présentant le risque d’automatisation le plus élevé représentent 9,6 % de l’emploi féminin et 3,5 % de l’emploi masculin (ILO, mai 2025).
• La croissance de la productivité est 40 % plus élevée dans les entreprises les plus exposées à l’IA que dans celles qui le sont le moins (PwC, juin 2026).
• Le cinquième des entreprises les plus exposées à l’IA a enregistré une croissance moyenne de la productivité de 163 % depuis 2022 (PwC, juin 2026).
• Les compétences requises pour les emplois les plus exposés à l’IA évoluent plus de deux fois plus vite que pour les emplois les moins exposés, l’écart s’étant creusé de 75 % par rapport à l’année précédente (PwC, juin 2026).
• Les postes juniors les plus exposés à l’IA ont 7 fois plus de chances d’exiger des compétences traditionnellement associées à des postes seniors (PwC, juin 2026).

La mesure de l’exposition porte sur les tâches et ne dit rien sur les suppressions d’emplois. Selon l’ILO, l’issue la plus probable est la transformation des emplois (ILO, mai 2025).

Les entreprises suppriment-elles des emplois à cause de l’IA générative ?

Rarement jusqu’à présent. Seules 4 % des entreprises de services de la région de New York ont licencié des salariés à cause de l’IA au cours des six mois précédant août 2026, tandis que 15 % ont moins recruté et 13 % ont recruté davantage (Federal Reserve Bank of New York, sept. 2026).

• Les économistes de la Federal Reserve Board n’ont trouvé aucune preuve que les secteurs ou entreprises ayant davantage adopté l’IA publient moins d’offres d’emploi (Federal Reserve Board, mars 2026).
• Les dirigeants interrogés dans l’enquête de l’Atlanta Fed ont signalé une hausse de 1,8 % de la production par salarié grâce à l’IA en 2025, même si les gains suggérés par les revenus étaient bien plus faibles (Federal Reserve Bank of Atlanta, mars 2026).
• Les grandes entreprises de cette enquête s’attendent à ce que l’IA réduise leur effectif de 0,8 % en 2026, tandis que la moyenne de l’ensemble des entreprises est proche de zéro (Federal Reserve Bank of Atlanta, mars 2026).
• Les dirigeants s’attendent à ce que la part des employés administratifs effectuant des tâches courantes diminue de 0,76 % en 2026 et de 2,19 % d’ici 2028 (Federal Reserve Bank of Atlanta, mars 2026).
• Dans 34 des 37 pays étudiés par Pew en 2026, les personnes interrogées pensent généralement que l’IA entraînera une baisse plutôt qu’une hausse du nombre d’emplois (Pew Research Center, sept. 2026).
• En Australie, en Corée du Sud et aux États-Unis, environ 7 adultes sur 10 ou davantage s’attendent à ce que l’IA supprime des emplois au cours des 20 prochaines années ; la part américaine a augmenté de 7 points en deux ans (Pew Research Center, sept. 2026).
• Pour la première fois, une majorité d’adultes américains de moins de 30 ans (55 %) se disent plus préoccupés qu’enthousiastes à propos de l’IA (Pew Research Center, août 2026).

L’IA générative est-elle fiable et sûre ?

Les modèles s’expriment avec aisance, mais se trompent souvent, et il est difficile de repérer leurs erreurs à partir de leurs seules réponses. Cette même aisance sert à commettre des fraudes et contribue à inonder le Web de textes rédigés par des machines.

À quelle fréquence l’IA générative hallucine-t-elle ?

Cela dépend de la tâche et du modèle. Dans le classement de septembre 2026 de Vectara portant sur des tâches de résumé, les taux d’hallucination allaient de 1,8 % pour le meilleur modèle à 24,2 % pour le pire (Vectara, sept. 2026).

• Une étude de Stanford RegLab a montré que les outils de recherche juridique par IA de LexisNexis et Thomson Reuters hallucinaient dans 17 % à 33 % des cas (Stanford RegLab, mai 2024).
• NewsGuard a constaté qu’en août 2025, les 10 principaux chatbots répétaient de fausses affirmations sur l’actualité 35 % du temps, contre 18 % un an plus tôt (NewsGuard, sept. 2025).
• Le taux d’absence de réponse des chatbots est passé de 31 % à 0 % avec l’adoption de la recherche sur le Web en direct : ils répondent donc désormais à toutes les questions sur l’actualité, qu’ils aient raison ou tort (NewsGuard, sept. 2025).
• Lorsque des déclarations fausses étaient présentées comme des convictions de l’utilisateur, la précision de GPT-4o est passée de 98,2 % à 64,4 %, et celle de DeepSeek R1 de plus de 90 % à 14,4 % (Stanford HAI, avr. 2026).

Si les assistants se trompent sur les actualités et les faits, ils se trompent aussi sur les marques. Ce qu’ils disent d’une entreprise dépend des sources qu’ils trouvent et auxquelles ils font confiance.

Comment l’IA générative est-elle utilisée pour les fraudes et les cyberattaques ?

Les escroqueries à l’investissement représentent la majeure partie des pertes liées à l’IA dans les données 2025 du FBI. Les plaintes faisant état d’un lien avec l’IA ont signalé des pertes de plus de $632 millions, sur plus de $8 milliards perdus au total à cause des escroqueries à l’investissement (FBI IC3, avr. 2026).

• En 2025, les entreprises ont signalé des pertes de plus de $30 millions dues à des escroqueries par compromission de messagerie professionnelle impliquant l’IA (FBI IC3, avr. 2026).
• Dans une étude sur les hypertrucages audio, les auditeurs ont pris des voix générées par l’IA pour celles de personnes réelles dans 80 % des cas (International AI Safety Report, févr. 2026).
• Lors de tests du UK AI Security Institute, les modèles ont réussi en moyenne des tâches de cybersécurité de niveau apprenti dans 50 % des cas, contre un peu plus de 10 % au début de 2024 (UK AI Security Institute, déc. 2025).
• En 2025, l’institut a testé le premier modèle capable de mener à bien des tâches de cybersécurité de niveau expert qui nécessitent généralement plus de 10 ans d’expérience (UK AI Security Institute, déc. 2025).
• La durée des tâches de cybersécurité que les modèles peuvent accomplir sans aide double environ tous les huit mois (UK AI Security Institute, déc. 2025).
• L’institut a constaté que l’effort requis pour contourner les protections de deux modèles sortis à six mois d’intervalle différait d’un facteur de 40, et que tous les systèmes testés présentaient des vulnérabilités (UK AI Security Institute, déc. 2025).
• En chimie et en biologie, les modèles dépassent jusqu’à 60 % le niveau de référence des experts de l’institut pour les questions ouvertes et sont jusqu’à 90 % meilleurs que les experts humains pour le dépannage en laboratoire humide (UK AI Security Institute, déc. 2025).

Le code généré par l’IA est-il sécurisé ?

Pas par défaut. Veracode a constaté que 45 % des échantillons de code produits par plus de 100 LLM échouaient aux tests de sécurité et introduisaient des vulnérabilités de l’OWASP Top 10 (Veracode, juill. 2025).

• Java affichait un taux d’échec de sécurité de 72 %, et les modèles n’ont pas réussi à se défendre contre les attaques de script intersites dans 86 % des échantillons concernés (Veracode, juill. 2025).
• Les performances en matière de sécurité sont restées stables, quelle que soit la taille du modèle ou la sophistication de son entraînement, même si l’exactitude fonctionnelle s’améliorait (Veracode, juill. 2025).

Quelle part du Web est rédigée par l’IA, et qui paie pour les données d’entraînement ?

Dans l’instantané de juillet 2026 de Pew, plus d’un tiers des pages Web publiées après le lancement de ChatGPT présentaient des signes de rédaction par l’IA (Pew Research Center, août 2026).

• Dans les échantillons de 2026, environ une page .com sur dix présente des signes de rédaction par l’IA, contre 4,6 % des pages .org et environ 1 % des pages .edu et .gov (Pew Research Center, août 2026).
• L’analyse portait sur 490 000 textes de pages Web en anglais issus de Common Crawl, évalués à l’aide du détecteur Open Pangram, qui, selon Pew, n’est pas infaillible pour les pages individuelles (Pew Research Center, août 2026).
• Le tribunal a approuvé définitivement l’accord conclu avec les auteurs d’Anthropic le 20 juillet 2026 ; les premiers versements sont attendus au plus tard le 15 novembre 2026 (Bartz v. Anthropic settlement administrator, juill. 2026).

Les lecteurs et les systèmes d’IA rencontrent désormais souvent des textes rédigés par des machines.

Comment l’IA générative est-elle réglementée ?

Le droit se met en place sur trois fronts : des règles contraignantes dans l’UE, une lutte pour déterminer qui établit les règles aux États-Unis, et un ensemble disparate de lois nationales et d’engagements volontaires d’entreprises ailleurs.

Que prévoit l’EU AI Act, et quelles sont les sanctions ?

La loi présume qu’un modèle d’IA à usage général possède des capacités à fort impact, ce qui déclenche les obligations relatives aux risques systémiques, lorsque le calcul utilisé pour son entraînement dépasse 10^25 opérations en virgule flottante (European Union, juill. 2024).

• La transmission d’informations incorrectes, incomplètes ou trompeuses aux autorités est passible d’amendes pouvant atteindre EUR 7,5 millions ou 1 % du chiffre d’affaires (European Union, juill. 2024).
• La Commission peut infliger aux fournisseurs de modèles d’IA à usage général une amende pouvant atteindre 3 % du chiffre d’affaires ou EUR 15 millions (European Union, juill. 2024).
• Le Parlement européen a approuvé la loi le 13 mars 2024, avec 523 voix pour, 46 contre et 49 abstentions (European Parliament, mars 2024).
• La Commission recense plus de 20 fournisseurs, dont Amazon, Anthropic, Google, IBM, Microsoft, Mistral AI et OpenAI, comme signataires du GPAI Code of Practice ; elle précise que xAI n’a signé que le chapitre relatif à la sûreté et à la sécurité (European Commission, oct. 2026).

Comment les gouvernements fédéral et des États américains réagissent-ils ?

En adoptant davantage de règles et en multipliant les conflits. Les agences fédérales américaines ont pris 58 mesures réglementaires liées à l’IA en 2025, contre une seule en 2016 (Stanford HAI, avr. 2026).

• Le décret présidentiel 14365 du 11 décembre 2025 a demandé au procureur général de créer un groupe de travail sur les litiges liés à l’IA dans un délai de 30 jours afin de contester les lois des États sur l’IA (The White House, déc. 2025).
• Le décret demande au ministère du Commerce de recenser les lois des États sur l’IA jugées contraignantes dans un délai de 90 jours et prévoit que les États ayant adopté de telles lois ne puissent plus recevoir les fonds BEAD non encore alloués au déploiement, dans la mesure permise par le droit fédéral (The White House, déc. 2025).
• La loi SB 53 de Californie, signée le 29 septembre 2025, est présentée par le gouverneur comme la première loi du pays sur la sûreté de l’IA de pointe ; elle crée un consortium appelé CalCompute chargé de concevoir un cluster informatique public (Governor of California, sept. 2025).
• La loi SB 53 prévoit également un mécanisme permettant de signaler des incidents critiques de sûreté à l’Office of Emergency Services de Californie, ainsi qu’une sanction civile que le procureur général peut faire appliquer (Governor of California, sept. 2025).
• Le Responsible Artificial Intelligence Governance Act du Texas a été signé le 22 juin 2025 et est entré en vigueur le 1er janvier 2026 (Texas Legislature, juin 2025).
• Le nombre de témoins liés à l’IA lors des auditions du Congrès américain est passé de 5 en 2017 à 102 en 2025 (Stanford HAI, avr. 2026).
• Les États-Unis ont investi environ $20,4 milliards dans des contrats publics et des subventions liés à l’IA entre 2013 et 2024 (Stanford HAI, avr. 2026).

Comment les autorités de réglementation et les entreprises réagissent-elles ailleurs ?

L’application des règles est inégale et parfois annulée. En décembre 2024, l’autorité italienne de protection des données a infligé une amende de EUR 15 millions à OpenAI au sujet de ChatGPT ; un tribunal de Rome a fait droit à un recours contre cette décision dans un jugement publié le 18 mars 2026 (Garante per la protezione dei dati personali, mars 2026).

• Les engagements publics européens en matière de contrats d’IA ont atteint environ $3,7 milliards entre 2013 et 2024, dont $1,6 milliards pour le Royaume-Uni (Stanford HAI, avr. 2026).
• Le nombre de clusters de supercalcul pour l’IA financés par des États en Europe et en Asie centrale est passé de 3 à 44 entre 2018 et 2025 (Stanford HAI, avr. 2026).
• En 2025, 12 entreprises ont publié ou actualisé des cadres de sûreté pour l’IA de pointe, des documents décrivant la manière dont elles comptent gérer les risques liés à des modèles plus performants (International AI Safety Report, févr. 2026).
• La part des entreprises ne disposant d’aucune politique d’IA responsable est passée de 24 % à 11 %, tandis que les principaux obstacles restent les lacunes de connaissances (59 %), le budget (48 %) et l’incertitude réglementaire (41 %) (Stanford HAI, avr. 2026).

Méthodologie et sources

Nous n’avons retenu un chiffre qu’après avoir consulté la page qui le publie et vérifié sa valeur et sa date. Nous avons remonté des chiffres cités dans des compilations jusqu’au rapport, à la déclaration, à l’article ou au jeu de données d’origine, ou nous les avons écartés. La plupart des chiffres proviennent de banques centrales, d’organismes statistiques et réglementaires, de tribunaux, de déclarations d’entreprises et de travaux de recherche universitaires ou d’organismes sans but lucratif ; les sociétés d’études, cabinets de conseil et fournisseurs (Menlo Ventures, PwC, KPMG, Deloitte, Gartner, Crunchbase, Veracode) sont nommés dans chaque citation. Lorsque deux sources mesurent des choses différentes, comme les entreprises qui utilisent l’IA et les salariés qui l’utilisent, nous le précisons au lieu de fusionner les chiffres. Plusieurs chiffres proviennent de tableaux de bord actualisés en continu (Vectara, Epoch AI, base de données de décisions de justice) ; leur date correspond donc au mois où nous les avons consultés. Les règles de l’UE, des États-Unis et des différents pays évoluent fréquemment ; les dates juridiques sont donc tirées des textes officiels ou des communiqués de presse. Cette page est vérifiée et mise à jour chaque mois.

Sources

• AMD, AMD and OpenAI Announce Strategic Partnership to Deploy 6 Gigawatts of AMD GPUs
• Anthropic, Series G announcement
• Bartz v. Anthropic Settlement Administrator
• Bartz v. Anthropic Settlement Administrator, Frequently Asked Questions
• Brynjolfsson, Collis, Eggers, Kazinnik and Nguyen, What is Generative AI Worth? (Stanford Digital Economy Lab)
• CoreWeave, Second Quarter 2026 Results
• Crunchbase News, China And AI Lead Asia's Startup Funding To Multiyear Peak In Q2
• Crunchbase News, Europe Posted Its Strongest Venture Funding Quarter In 4 Years
• Crunchbase News, Global Startup Investment Hit Record $510B In H1 2026
• Damien Charlotin, AI Hallucination Cases Database
• Deloitte AI Institute, State of AI in the Enterprise 2026
• Eloundou, Manning, Mishkin and Rock, GPTs are GPTs (arXiv)
• Epoch AI, AI Models database
• Epoch AI, LLM inference prices have fallen rapidly but unequally across tasks
• Epoch AI, Trends in AI
• European Commission, Signatories of the GPAI Code of Practice
• European Parliament, Artificial Intelligence Act: MEPs adopt landmark law
• European Union, Regulation (EU) 2024/1689 (AI Act), Article 101
• FBI Internet Crime Complaint Center, 2025 Internet Crime Report
• Federal Reserve Bank of Atlanta, How Might AI Change the Workplace? Evidence from Corporate Executives
• Federal Reserve Bank of New York, Regional Business Surveys
• Federal Reserve Banks, Small Business Credit Survey (via New York Fed)
• Federal Reserve Board, AI Adoption and Firms' Job-Posting Behavior (FEDS Notes)
• Garante per la protezione dei dati personali, ChatGPT: the Authority closes the preliminary investigation
• Gartner, Over 40% of Agentic AI Projects Will Be Canceled by End of 2027
• Harvard Business School Working Paper, Navigating the Jagged Technological Frontier
• IBM Institute for Business Value, CEO Study
• ILO and NASK, Generative AI and Jobs: A Refined Global Index of Occupational Exposure
• International AI Safety Report 2026 (chaired by Yoshua Bengio)
• KPMG, Quarterly AI Pulse Survey Q3 2026
• Menlo Ventures, 2025: The State of Generative AI in the Enterprise
• METR, Measuring AI Ability to Complete Long Tasks (arXiv)
• METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity
• METR, Measuring the Self-Reported Impact of Early-2026 AI on Technical Worker Productivity
• METR, Task-Completion Time Horizons of Frontier AI Models
• METR, We are Changing our Developer Productivity Experiment Design
• Mistral AI, Series C announcement
• NewsGuard, AI False Information Rate Nearly Doubles in One Year
• Noy and Zhang, Experimental Evidence on the Productivity Effects of Generative AI (MIT)
• NVIDIA, OpenAI and NVIDIA Announce Strategic Partnership to Deploy 10 Gigawatts of NVIDIA Systems
• NVIDIA, Second Quarter Fiscal 2027 Results
• Office of Governor Gavin Newsom, Governor Newsom signs SB 53
• Oracle, Q1 FY27 Results
• Peng et al., The Impact of AI on Developer Productivity: Evidence from GitHub Copilot (arXiv)
• Pew Research Center, Americans' views of data centers have turned more negative
• Pew Research Center, Globally, More People Expect AI to Cause Job Loss Than Growth
• Pew Research Center, How Much of the Internet Is Written With AI?
• Pew Research Center, Young adults in the U.S. are increasingly wary of AI
• PwC, 2026 AI Jobs Barometer
• PwC, 29th Global CEO Survey
• Stanford HAI, AI Index Report 2026
• Stanford RegLab and HAI, Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools (arXiv)
• Texas Legislature Online, HB 149 bill history
• The White House, Executive Order 14365 on a national policy framework for AI
• UK AI Security Institute, Frontier AI Trends Report
• Vectara, Hallucination Leaderboard (HHEM-2.3)
• Veracode, 2025 GenAI Code Security Report
• Wharton Human-AI Research and GBK Collective, Accountable Acceleration

Glossaire

• IA agentique : systèmes d’IA qui planifient et exécutent des tâches en plusieurs étapes avec une intervention humaine limitée.
• ARR : revenus annuels récurrents.
• BEAD : programme américain Broadband Equity, Access, and Deployment.
• Confabulation / hallucination : affirmation fausse énoncée avec assurance par un modèle.
• ECI : Epoch Capabilities Index, score combiné des performances d’un modèle sur plusieurs tests de référence.
• FLOP : opération en virgule flottante, unité utilisée pour mesurer la puissance de calcul d’entraînement.
• GPAI : modèle d’IA à usage général, terme employé par l’UE pour désigner les grands modèles de fondation.
• Équivalent H100 : capacité de calcul exprimée en nombre de puces NVIDIA H100.
• LLM : grand modèle de langage.
• RPO : obligations de performance restantes, revenus contractuels qui n’ont pas encore été comptabilisés.
• Horizon temporel : durée d’une tâche, mesurée en temps de travail d’un expert humain, qu’un agent d’IA accomplit avec un taux de réussite donné.