Quand l’IA paraît trop chère, qu’est-ce qui préoccupe aussi les entreprises ?

Parmi les 547 entreprises remplissant les critères et évoquant un coût élevé de l’IA, 197 signalent aussi à la fois un manque de personnel possédant les compétences nécessaires et des difficultés de disponibilité ou de qualité des données. Avec les pondérations de l’enquête, la proportion estimée est de 37,5 %. Sans pondération, elle est de 36,0 %.^[1][8]

Les deux pourcentages reposent sur les mêmes entreprises et les mêmes réponses. Le chiffre non pondéré compte chaque entreprise de la même façon. Le chiffre pondéré attribue à chaque observation la contribution prévue par le plan de sondage : c’est donc notre estimation principale. La pondération modifie l’estimation, pas les réponses considérées comme une confirmation des deux préoccupations.

L’intervalle de confiance à 95 % lié à l’échantillonnage va de 29,8 % à 45,2 %. Cette étendue invite à parler d’environ quatre entreprises sur dix, plutôt qu’à présenter 37,5 % comme une mesure exacte pour toutes les entreprises similaires.

Comme les trois réponses proviennent de la même observation, l’analyse mesure directement leur association. Nous pouvons vérifier si les entreprises préoccupées par le coût ont aussi explicitement signalé des préoccupations concernant à la fois le personnel et les données.

Cela ne détermine pas les autres réponses. Une entreprise qui n’a pas confirmé les deux préoccupations peut en avoir signalé une seule, aucune, ou avoir une réponse inconnue. On ne peut donc pas décrire le reste du groupe comme des entreprises dont le seul problème serait le prix. Le questionnaire contient d’autres motifs, que notre résultat principal ne classe pas par importance.

Le pourcentage décrit ce groupe d’une enquête brésilienne menée dans le passé. Une entreprise située ailleurs peut s’appuyer sur cette distinction pour formuler sa propre question de recherche.

La question sur les coûts demande s’ils paraissent trop élevés. Elle ne recueille ni devis d’un fournisseur, ni montant que l’entreprise pourrait payer, ni dépense précise à laquelle pensait la personne interrogée. Nous parlons donc d’une préoccupation liée au coût perçu. Les réponses n’indiquent pas de combien les prix devraient baisser, ni si une remise changerait une décision.^[2]

La question sur le personnel concerne les personnes de l’entreprise qui possèdent les compétences nécessaires pour utiliser les technologies. Le questionnaire vérifie d’abord la présence d’un service, d’un département ou d’un spécialiste informatique. Disposer de ce soutien ne suffit pas à établir que les personnes concernées ont les compétences requises pour une tâche d’IA précise.

La question sur les données réunit disponibilité et qualité. Une réponse positive peut porter sur l’existence d’informations adaptées, sur la possibilité de les utiliser, ou sur les deux. Comme l’enquête ne distingue pas ces possibilités, elle ne permet pas de déterminer de quelle préparation une entreprise particulière a besoin.

Les sept questions sur l’utilisation de l’IA ne se limitent pas à l’IA générative. Elles couvrent notamment l’analyse de texte, la reconnaissance vocale, l’apprentissage automatique et l’automatisation des processus de travail. Le résultat porte donc sur cette liste plus large de technologies.

Les réponses inconnues concernant le personnel ou les données restent dans l’ensemble du groupe préoccupé par le coût. Notre pourcentage principal compte les confirmations explicites des deux préoccupations ; il ne remplace pas les réponses manquantes par une supposition. Les critères admettent aussi des réponses inconnues ou absentes concernant l’usage de l’IA : « n’ont pas déclaré utiliser » ne signifie donc pas que l’absence d’usage est confirmée.

Pour une direction d’entreprise ou un responsable marketing, l’implication pratique consiste à distinguer trois questions : combien coûte la tâche proposée, qui peut évaluer le travail et de quelles informations il a besoin. Le cumul observé donne une raison de les poser ensemble. Pour étudier les difficultés de mise en œuvre de l’IA dans votre entreprise, partez d’une tâche définie et des éléments apportés par les personnes qui réaliseraient le travail.

Commencez par décrire un travail dont quelqu’un pourrait vérifier le résultat. « Utiliser l’IA en marketing » reste trop vague pour comprendre les besoins de l’équipe. « Regrouper par thème les questions sur les produits pour que l’équipe commerciale les examine » précise un résultat et les personnes qui s’en serviront. Une tâche délimitée permet de discuter du prix de quelque chose de concret.

Demandez ensuite ce que comprend le prix proposé. L’abonnement à un outil et le temps nécessaire au personnel pour préparer les informations ou vérifier un résultat sont deux postes distincts dans un plan. Il s’agit d’une distinction suggérée pour préparer le projet, pas d’un découpage mesuré par l’enquête. Une équipe peut les noter sans supposer qu’une tâche nouvelle sera coûteuse ou qu’elle fera gagner du temps.

Une question sur la vérification peut être plus utile qu’une question générale sur l’aisance avec l’IA. Qui repérerait une demande mal classée ? Quelle source consulterait cette personne en cas d’incertitude ? Qui décide si le résultat est utilisable ? Ces questions précisent les responsabilités pour une tâche proposée ; elles ne déduisent pas les compétences d’une personne d’une statistique d’enquête.

Gardez une prochaine étape proportionnée à la décision. L’entreprise peut avoir besoin de clarifier un devis, de retrouver une documentation produit faisant référence ou de demander à un collègue d’examiner un petit exemple. Choisissez la vérification qui répond à la question précise encore ouverte avant de vous engager dans un projet plus vaste.

Prenons un grossiste régional fictif dont l’équipe commerciale reçoit des demandes sur les produits par le site web, par e-mail et par messages sur les réseaux sociaux. Un responsable propose d’utiliser l’IA pour les regrouper par thème. L’équipe veut savoir quelles questions nécessitent des informations produit plus claires et lesquelles doivent être adressées à un commercial. C’est un exemple de préparation, pas une entreprise observée dans l’enquête.

La première discussion s’arrête au prix. Au lieu de conclure que le coût explique tout, le responsable note le résultat attendu : une liste de thèmes de demandes, reliée aux messages d’origine pour qu’une personne puisse la vérifier. La proposition ne prévoit ni réponses automatiques ni recommandations de produits aux clients.

La responsable commerciale remarque que des noms de produits proches pourraient être confondus. Elle accepte de vérifier le classement à partir du catalogue à jour et de signaler les demandes dont le sens n’est pas clair. La question pertinente devient de savoir si elle dispose des informations et de la connaissance des produits nécessaires à cette vérification, plutôt que si quelqu’un dans l’entreprise est, de façon générale, « bon en IA ».

Un collègue examine les informations que la tâche utiliserait. Les descriptions des produits se trouvent dans plusieurs documents, et certains messages contiennent des renseignements sur les clients. Avant de préparer un exemple, l’équipe décide d’identifier la source produit à jour et de vérifier quels messages elle peut utiliser de manière appropriée.

Le responsable peut maintenant demander une proposition plus précise. Que fait l’outil, que doit vérifier une personne et quelles informations faut-il préparer ? L’équipe note ces tâches à côté du prix figurant dans le devis.

Il reste à décider si une vérification limitée peut répondre aux questions en suspens. L’équipe peut poursuivre, revoir la tâche ou la reporter. Le responsable consigne le motif de la décision et les informations nouvelles qui justifieraient de la réexaminer.

Copiez ce modèle dans une fiche projet ou un compte rendu de réunion existant. Aucun compte Influence n’est nécessaire. Remplissez-le pour une seule tâche proposée.

1. Tâche envisagée : [travail précis] → [résultat qu’une personne peut vérifier] → [personne ou équipe qui l’utilisera]. Indiquez ce qui est exclu de la proposition aussi bien que ce qui est inclus.

2. Question de coût : [devis ou estimation à examiner] · [ce qui est inclus] · [ce qui reste inconnu]. Notez séparément le travail de préparation ou de vérification du personnel s’il est pertinent ; n’inventez pas d’économies pour justifier la proposition.

3. Responsabilité de vérification : [personne désignée] · [ce qu’elle vérifiera] · [source qu’elle pourra consulter] · [ce qui se passera en cas de doute]. Un intitulé de poste ne suffit pas forcément à répondre à ces questions.

4. Informations nécessaires : [documents ou données sources] · [qui les tient à jour] · [s’ils sont actuels et appropriés à utiliser] · [question encore ouverte sur leur disponibilité ou leur qualité].

5. Prochaine petite vérification : [question à résoudre] · [responsable] · [éléments qui éclaireraient la décision]. Décrivez la vérification avant d’en interpréter le résultat.

6. Trace de la décision : [poursuivre, revoir ou reporter] · [motif étayé par la vérification] · [incertitude restante]. Distinguez une préoccupation des éléments montrant qu’elle a été résolue.

Dans l’exemple du grossiste fictif, le résultat est une liste de thèmes de demandes, la responsable commerciale la vérifie et le catalogue à jour sert de référence produit. La prochaine vérification consiste à déterminer si cette organisation produit quelque chose que l’équipe commerciale peut évaluer. Ces précisions rendent la proposition plus concrète sans lui attribuer un taux de réussite tiré d’une enquête sans rapport avec ce projet.

Nous avons utilisé les microdonnées publiques de TIC Empresas 2025 de NIC.br/Cetic.br, traitées pour protéger la confidentialité. Les entretiens ont eu lieu au Brésil de février 2025 à janvier 2026. L’enquête couvre les entreprises privées actives du secteur formel comptant au moins dix personnes en activité, dans les secteurs qu’elle définit.^[1][3][4]

Notre analyse part du filtre du questionnaire sur le service, le département ou le spécialiste informatique. Nous retenons ensuite les entreprises sans réponse affirmative pour les sept technologies d’IA citées et avec une réponse positive à la question sur le coût perçu. Le calcul principal divise le poids des entreprises signalant explicitement des préoccupations concernant à la fois le personnel et les données par le poids de l’ensemble de ce groupe admissible préoccupé par le coût. Les réponses inconnues sur le personnel ou les données restent dans ce dénominateur.

Nous avons calculé l’incertitude d’échantillonnage à l’aide des 200 jeux de poids bootstrap combinés fournis. Les intervalles décrivent l’incertitude d’estimations individuelles, pas toutes les sources d’erreur possibles. Nous n’affichons que les résultats qui respectent nos règles prédéfinies de suffisance des données et de divulgation ; une ventilation omise ne doit pas être interprétée comme zéro.^[8]

Nous avons fixé la question de recherche et les calculs avant d’examiner les résultats conjoints. Lors des contrôles de source, nous avons documenté une incohérence dans les codes de réponse publiés hors de notre groupe d’analyse et corrigé une comparaison trop précise avec les tableaux de référence publiés. Le téléchargement indique ce qui a changé et à quel moment. Ces modifications n’ont changé ni la population analysée ni les calculs prévus. Un calcul indépendant a reproduit le résultat publié.^[8]

Le fichier public a fait l’objet d’un traitement de protection de la confidentialité. Cetic.br en vérifie l’utilité par rapport aux tableaux publiés, mais cela ne certifie pas que toute nouvelle analyse conjointe serait identique avec les entretiens d’origine.^[7]

L’idée générale selon laquelle les préoccupations financières, de personnel et de données peuvent coexister est déjà établie. Des travaux antérieurs ont regroupé les entreprises selon des combinaisons d’obstacles, et le rapport 2025 du producteur de l’enquête aborde les personnes et les données parmi les conditions de mise en œuvre. Notre contribution est une estimation directe de certaines préoccupations signalées ensemble dans ce groupe précis préoccupé par le coût, pas la découverte d’une nouvelle cause de non-adoption.^[5][6]