Le 22 novembre 1977, une camionnette banalisée circule dans la baie de San Francisco, une antenne de forme étrange sur le toit. Elle transmet des données depuis le SRI de Menlo Park vers un ordinateur de l’université de Californie du Sud, à Los Angeles, en passant par Londres et par trois réseaux de nature différente : radio par paquets, satellite, ARPANET (SRI International, dossier Internetworking / Computer History Museum). Première liaison au monde entre trois réseaux hétérogènes sous protocole TCP. Si l’on cherche une date de naissance à l’internet, celle-ci est la meilleure candidate.
Je suis né cette année-là. Nous avons donc quarante-neuf ans tous les deux, l’internet et moi. Cela ne fait de moi ni un pionnier ni un témoin privilégié : simplement quelqu’un dont la vie entière recouvre la durée d’une révolution technologique complète, du prototype à la saturation. C’est une position d’observation utile. Elle interdit de croire que tout commence maintenant.
Sept mois avant la camionnette, du 15 au 17 avril, le West Coast Computer Faire de San Francisco accueillait deux machines vendues prêtes à l’emploi : l’Apple II et le Commodore PET. Le TRS-80 de Tandy suivit le 3 août. Le magazine Byte baptisera ce trio la « trinité 1977 ». Le TRS-80 en écoula plus de cent mille exemplaires en deux ans et domina le marché jusqu’en 1982, devant l’Apple II dans un rapport de cinq à un selon certaines estimations d’époque.
La même année, deux réseaux téléphoniques commerciaux passèrent à la fibre optique : GTE à Long Beach le 22 avril, à 6 mégabits par seconde, puis AT&T à Chicago le 11 mai, à 44,7 mégabits, l’équivalent de 672 conversations simultanées (Laser Focus World, rétrospective 2015). Et pendant l’été, trois enseignants du MIT, Rivest, Shamir et Adleman, mirent au point un algorithme de chiffrement à clé publique répondant au défi lancé un an plus tôt par Diffie et Hellman (« New Directions in Cryptography », IEEE Transactions on Information Theory, 1976). Publié en 1978 dans les Communications of the ACM, RSA rendit possible, vingt ans avant qu’on en ait l’usage, la transaction commerciale entre inconnus sur un réseau ouvert.
Une année, quatre briques : la machine individuelle, l’interconnexion, le tuyau, la confiance.
« Tout ce qui fait le numérique contemporain existe en 1977, à l’état de prototype, et pour l’essentiel dans un rayon de cent kilomètres autour de Palo Alto. »
Je tiens 1977 pour une charnière, pas pour un commencement. Ce qui s’y joue a été rendu possible par le transistor (1947), le circuit intégré (1958-1959), le microprocesseur (1971), le conteneur maritime (1956) et la commutation par paquets (années 1960). Ce qui en sort mettra trente ans à produire ses effets économiques. L’écart entre ces deux phrases est le sujet de cet article. Il se trouve que j’ai mis à peu près le même temps à comprendre ce qu’il fallait en faire.
« Une invention n’est pas une révolution. »
Une révolution technologique est une grappe d’innovations qui partagent une même infrastructure et un même facteur de production devenu abondant et bon marché, et qui finit par réorganiser la production, l’emploi, le territoire et le pouvoir.
Le cadre le plus opérant reste celui de Carlota Perez (Technological Revolutions and Financial Capital, Edward Elgar, 2002). Elle compte cinq révolutions en deux siècles et demi, chacune ouverte par un événement daté : la filature d’Arkwright à Cromford en 1771, la locomotive Rocket sur la ligne Liverpool-Manchester en 1829, l’aciérie Bessemer de Carnegie à Pittsburgh en 1875, la Ford T sortie de l’usine de Detroit en 1908, le microprocesseur Intel annoncé à Santa Clara en 1971.
Chaque vague se déroule en deux temps séparés par une crise. Une phase d’installation, portée par le capital financier, spéculative, destructrice, qui bâtit l’infrastructure : irruption d’abord, frénésie ensuite. Puis un point de retournement, en général une bulle qui éclate. Puis une phase de déploiement, portée cette fois par le capital productif, où la technologie se banalise et où les gains se diffusent largement.
Deux remarques d’honnêteté sur ce cadre. Perez écrivait en 2002, au creux de l’hiver post-bulle internet, et présentait alors l’éclatement du Nasdaq comme le point de retournement de la cinquième vague. Elle a depuis révisé ce diagnostic et considère que l’âge d’or attendu n’est pas venu (entretien Stratechery, 2021). Et comme toute théorie des cycles, la sienne est difficile à réfuter : on trouve toujours un événement pour caler une date. Je l’utilise comme grille de lecture, pas comme prédiction.
Trois régularités, en revanche, se vérifient sur données et tiennent tout le reste de cet article.
La première est le décalage entre l’invention et l’effet. Entre le moment où une technologie devient disponible et celui où elle apparaît dans la productivité mesurée, il s’écoule plusieurs décennies. Je le tire des deux cas documentés ci-dessous, pas d’une loi générale.
Paul David l’a démontré sur l’électricité (« The Dynamo and the Computer : An Historical Perspective on the Modern Productivity Paradox », American Economic Review, 1990). La dynamo est industrialisable dans les années 1880. Les gains de productivité n’apparaissent dans les usines américaines que dans les années 1920. La raison tient à l’organisation de l’atelier. Les usines du XIXe siècle fonctionnaient en group drive : une machine à vapeur centrale entraînait des groupes entiers de machines par un système d’arbres, de poulies et de courroies. La première vague d’électrification remplaça la machine à vapeur par un gros moteur électrique, au même endroit, entraînant les mêmes poulies. Économie de charbon, aucun gain de productivité. Le gain n’est venu que lorsque les ingénieurs ont distribué un moteur par machine, libéré le plan de l’atelier des contraintes de la transmission mécanique, et redessiné le flux de production autour de l’électricité.
« Ce n’est pas la technologie qui produit le gain. C’est la réorganisation qu’elle autorise, et que personne n’entreprend tant qu’on se contente de substituer une machine à une autre. »
Robert Solow avait formulé le même paradoxe trois ans plus tôt, dans une recension du New York Times Book Review du 12 juillet 1987, page 36 : on voyait l’âge de l’ordinateur partout sauf dans les statistiques de productivité. La citation est fréquemment attribuée à la New York Review of Books, qui n’a pas publié d’édition ce jour-là. Le contexte était brutal : la croissance de la productivité américaine était tombée de 2,9 % par an sur 1948-1973 à 1,1 % après 1973 (rappel Fortune, février 2026). J’avais dix ans quand Solow a écrit cette phrase, et elle décrit encore assez bien ce que je vois entrer dans les entreprises aujourd’hui.
La deuxième régularité est l’asymétrie entre diffusion et transformation. La vitesse d’adoption s’est effondrée. Il a fallu des décennies à l’électricité pour équiper les foyers français, une quinzaine d’années au téléphone mobile, moins de cinq ans au smartphone (ordres de grandeur, de mémoire, à recouper sur les séries Insee et Arcep). Un agent conversationnel se diffuse en quelques semaines.
La vitesse de transformation organisationnelle, elle, n’a pas bougé. Elle reste calée sur le temps qu’il faut à un collectif humain pour changer ses procédures, ses métiers, ses critères de recrutement et ses relations de pouvoir. C’est l’écart le plus utile à un dirigeant.
« Ce qui accélère, c’est l’accès. Pas l’assimilation. »
L’écart se mesure aujourd’hui, en France, avec une précision inhabituelle. En 2025, 18 % des entreprises françaises de dix salariés ou plus déclaraient utiliser au moins une technologie d’intelligence artificielle, contre 10 % en 2024 et 6 % en 2023 : un taux triplé en deux ans, mais toujours en dessous de la moyenne de l’Union européenne à 20 % (Insee Première n° 2120, 21 juillet 2026, enquête TIC entreprises, échantillon de 11 000 entreprises). Le même document livre le chiffre qui compte vraiment : parmi les entreprises qui n’utilisent pas l’IA, 71 % déclarent n’en voir aucune utilité. Voilà l’usine électrifiée dont on n’a pas déplacé les poulies.
C’est ici que la prime de lenteur trouve son fondement empirique. J’appelle ainsi l’avantage compétitif différé qui revient à celui qui prend le temps de cadrer et de décider avec discernement, là où la culture dominante valorise la vitesse pour elle-même (Ton dernier mot, 2026). L’histoire de l’électrification en donne la démonstration la plus nette : les entreprises qui ont gagné ne sont pas celles qui ont branché le moteur les premières, ce sont celles qui ont pris le temps de redessiner l’atelier. La lenteur bien placée est une performance. L’attentisme n’en est pas une, et la distinction se juge à un seul critère : est-ce que quelque chose est en train d’être repensé, ou est-ce qu’on attend ?
La troisième régularité est la clôture oligopolistique. Chaque révolution s’ouvre par une période de foisonnement et se referme sur trois à cinq acteurs. Standard Oil, AT&T, IBM, Microsoft, puis les hyperscalers et Nvidia. La fenêtre ouverte de 1977, celle du micro-ordinateur assemblé dans un garage et vendu par correspondance, reste une anomalie dans la série, pas une règle.
« Le moment où une technologie est la plus accessible et la moins chère est aussi celui où l’on contracte les dépendances les plus durables, parce que la concurrence entre fournisseurs masque encore le coût de sortie. »
Tout récit d’accélération technologique se heurte à Robert Gordon (The Rise and Fall of American Growth, Princeton University Press, 2016). Sa thèse : la période 1870-1970 est un siècle unique, non reproductible, pendant lequel le niveau de vie change de nature. Eau courante, tout-à-l’égout, électricité domestique, chauffage central, automobile, antibiotiques, moteur à combustion, chimie de synthèse, aviation. Rien de ce qui a suivi n’a produit un saut comparable, et la croissance de la productivité totale des facteurs le confirme.
« La révolution numérique n’a pas ajouté trente ans à l’espérance de vie et n’a pas sorti les femmes de la corvée d’eau. »
Je prends cette objection au sérieux, et je la trouve largement fondée sur son terrain. La révolution que j’ai vue se dérouler a transformé le travail de bureau, la coordination et la circulation de l’information, ce qui est considérable et n’est pas du même ordre. Deux réserves cependant. Gordon mesure ce que la comptabilité nationale sait mesurer, et les gains de qualité ou de gratuité apparente y sont mal captés. Et la période qu’il analyse s’arrête avant que la biologie ne devienne calculable, ce qui pourrait rebattre les cartes sur le terrain qui lui donne raison, celui de la santé. Je pose ce paragraphe comme une opinion argumentée et non comme un fait établi : le débat entre économistes n’est pas tranché.
La machine quitte d’abord la salle climatisée. VisiCalc, en 1979, transforme le micro-ordinateur en outil de gestion : le tableur donne à un patron de PME la capacité de simuler lui-même un budget, sans passer par un service informatique qu’il n’a pas. L’IBM PC de 1981 et son architecture ouverte créent l’industrie du clone, donc la chute des prix. Le Macintosh de 1984, l’année de mes sept ans, impose l’interface graphique et le principe qu’une machine peut se manipuler sans apprendre son langage.
En France, la séquence est différente et mérite qu’on s’y arrête, parce qu’elle est notre meilleur cas d’école et parce que c’est la première technologie en réseau que ma génération ait pratiquée.
Le rapport Nora-Minc, L’informatisation de la société, remis en 1978, forge le mot « télématique » et propose d’associer téléphone et informatique pour donner au grand public un accès aux données. Test d’annuaire électronique à Saint-Malo en 1980, terminaux expérimentaux à Vélizy en 1981, réseau Télétel en 1982, annuaire électronique en 1983. J’avais cinq ans. Le décollage tient à une invention de facturation : le système kiosque, né en 1984, facture le service à la durée de consultation et non à la distance, et reverse au fournisseur de service sa part sur la facture téléphonique (Bertrand Cabedoche et al., revue Flux, 2002, via Cairn). Un modèle économique simple, lisible par l’usager, rentable pour l’éditeur, sans acte de paiement.
Le résultat est massif. 145 services en janvier 1984, 2 074 en janvier 1986, près de 5 000 en 1987, environ 23 000 au milieu des années 1990. Un million de terminaux en service dès 1985. Au 31 décembre 1996, France Télécom déclarait 7,6 millions de terminaux permettant l’accès aux services télématiques, dont 1,3 million de micro-ordinateurs émulés (réponse ministérielle, JO Sénat, question écrite n° 3668, 1997-1998). Le service a fermé le 30 juin 2012.
La France a donc conduit, avec dix ans d’avance, la première expérience mondiale de services en ligne grand public dotés d’un modèle économique fonctionnel. Le Web mettra vingt ans à réinventer le kiosque sous le nom d’app store.
L’échec ne tient pas à la technologie. Il tient à trois choix structurels : un terminal fermé plutôt qu’un ordinateur, un réseau national plutôt qu’un protocole ouvert, un opérateur unique en position de péage plutôt qu’un standard sans propriétaire. Chacun de ces choix était rationnel en 1982 et chacun est devenu une impasse en 1995.
« La France n’a pas manqué l’internet par retard, elle l’a manqué par succès prématuré dans une architecture non extensible. »
Fin de période, une victoire réelle : l’accord de 1987 sur la norme GSM, seul standard mondial d’origine européenne de toute la séquence, et le seul point où l’Europe a imposé sa règle à l’industrie plutôt que l’inverse.
Puis vient le réseau, et la frénésie. Linux en 1991. Le Web conçu au CERN entre 1989 et 1991, et versé dans le domaine public en 1993, décision sans laquelle rien de ce qui suit n’existe sous cette forme. Mosaic la même année. L’introduction en bourse de Netscape en 1995 ouvre la frénésie au sens de Perez : le capital financier s’engouffre, valorise des entreprises sans chiffre d’affaires, construit de la fibre en excès, et détruit son propre capital en 2000-2001.
J’ai quatorze ans quand le CERN verse le Web dans le domaine public, dix-huit quand Netscape entre en bourse, vingt-trois quand la bulle éclate. Sur le moment, aucune de ces trois dates n’a changé quoi que ce soit à mon quotidien. C’est précisément le point de cet article.
L’infrastructure, elle, reste. C’est le mécanisme central du modèle de Perez et il mérite d’être compris par tout dirigeant qui regarde aujourd’hui les investissements en centres de données.
« La bulle finance l’infrastructure que le déploiement utilisera, et ce sont rarement les mêmes acteurs qui paient et qui encaissent. »
Pour une PME française de cette période, l’usage raisonnable se limitait au courrier électronique, à un site vitrine et à l’échange de fichiers. Ceux qui ont investi davantage l’ont fait, dans leur immense majorité, à perte.
Le déploiement suit. Haut débit, moteur de recherche financé par la publicité (AdWords, 2000), Wikipédia (2001), premiers réseaux sociaux. Et surtout, en 2006, Amazon Web Services, qui transforme l’informatique d’un investissement en capital en une charge variable. Une PME peut désormais louer à l’heure une capacité de calcul qui aurait demandé, dix ans plus tôt, un local, un contrat de maintenance et un administrateur système.
2007 est la deuxième grande charnière de la période. L’iPhone, puis l’App Store l’année suivante, font converger le mobile, le cloud et le social. Le téléphone devient le point d’accès unique, et la relation entre une entreprise et son client passe désormais par un intermédiaire qui contrôle le système d’exploitation, la boutique et le paiement.
C’est aussi l’année où j’ai créé la société qui deviendra Digital Mate (fusion de Anode et Cathode, 2007 et Touticom, 2009). Dix-neuf ans plus tard, l’essentiel de mon travail consiste encore à expliquer à des dirigeants que l’outil n’est pas le sujet.
Vient ensuite la plateformisation. Android, la 4G, l’économie des plateformes, le SaaS. Bitcoin en 2009, dont je retiens l’apport architectural plus que l’apport monétaire : la démonstration qu’un registre partagé peut fonctionner sans tiers de confiance.
Deux ruptures scientifiques passent presque inaperçues du grand public. AlexNet, en 2012, déclenche la vague de l’apprentissage profond en gagnant une compétition de reconnaissance d’images avec une marge qui rend la méthode indiscutable. CRISPR, la même année, rend l’édition génomique accessible à un laboratoire ordinaire. Et en décembre 2015, le premier étage d’un lanceur revient se poser, ce qui divise le coût d’accès à l’orbite basse et rouvre un domaine que l’on croyait figé depuis les années 1970.
« Trois technologies matures en 2012 et 2015, dont les effets industriels arrivent aujourd’hui. »
Le décalage de vingt ans de Paul David, à nouveau, sous nos yeux.
Puis l’IA entre en production et le silicium devient une arme. AlphaGo bat Lee Sedol en 2016. L’architecture Transformer paraît en 2017 et devient la base de tous les grands modèles de langage. GPT-3 en 2020 montre qu’à taille suffisante, un modèle acquiert des capacités qu’on ne lui a pas explicitement enseignées. AlphaFold 2, la même année, résout un problème ouvert depuis cinquante ans sur le repliement des protéines. Les vaccins à ARN messager sont conçus, testés et déployés en un an.
Le Covid agit comme un accélérateur forcé de diffusion numérique, et fournit un cas rare : une adoption imposée par la contrainte, pas par la conviction. Ce qui est resté après 2021 mesure assez bien ce qui avait une utilité réelle.
Puis la pénurie de semi-conducteurs, la crise énergétique, et le tournant d’octobre 2022 : les États-Unis instaurent des contrôles à l’exportation visant les puces d’IA avancées et les équipements de fabrication. Les Pays-Bas interdisent formellement l’exportation des machines de lithographie extrême ultraviolet d’ASML vers la Chine en janvier 2024. Septembre 2024 étend les restrictions à certaines machines à ultraviolet profond. Le MATCH Act, déposé à la Chambre des représentants le 2 avril 2026, vise à fermer ce qui reste.
« La technologie redevient explicitement un instrument de puissance. Elle ne l’avait jamais cessé, mais trente ans de discours sur le village global l’avaient fait oublier. »
ChatGPT paraît en novembre 2022. En trois ans, le sujet passe des modèles aux agents, c’est-à-dire à des systèmes qui n’attendent plus une question mais exécutent une tâche en plusieurs étapes. Depuis cette date, j’ai accompagné plus de deux mille cinq cents dirigeants sur ce sujet précis. Ce que j’observe dans les entreprises ne ressemble ni à l’enthousiasme des salons, ni au catastrophisme des tribunes.
« L’IAliste ne sait pas nommer un cas où la réponse serait de ne pas déployer. »
C’est aussi la période où l’IAlisme s’installe dans le discours public. J’appelle ainsi l’idéologie selon laquelle l’IA est l’horizon de toute réponse aux problèmes contemporains, en productivité comme en éducation, en santé comme en gouvernement (En toute humanité, 2026). L’IAliste ne discute pas les usages, il en prescrit l’extension. On peut être très favorable à l’IA sans être IAliste, et la différence se voit à un signe simple.
« Le sens de la diffusion s’est inversé. »
Jusqu’aux années 1990, la technologie descendait. Elle naissait dans le militaire ou le laboratoire public, passait à la grande industrie, puis atteignait le grand public en fin de course. ARPANET, le GPS, le nucléaire civil, l’aviation commerciale suivent tous ce chemin.
Depuis, elle monte. Le grand public adopte en premier, l’entreprise suit ou subit. Le shadow IT des années 2000, le bring your own device des années 2010 et l’usage clandestin (Shadow AI) des modèles génératifs par les salariés depuis 2023 relèvent du même mécanisme : le collaborateur a, à titre personnel, un outil plus performant que celui que son employeur lui fournit.
Pour un dirigeant de PME, c’est la conséquence la plus directe de cette histoire. La question de savoir s’il faut déployer l’IA est déjà tranchée par les faits. Vos équipes l’utilisent. La seule question ouverte porte sur le cadre : quelles données peuvent sortir, quels usages sont documentés et qui répond de quoi ?
« Le numérique se rematérialise. »
Pendant trente ans, le numérique s’est vendu comme dématérialisation. Moins de papier, moins de déplacements, moins de stocks. Le discours était partiellement vrai et il est en train de s’inverser.
L’Agence internationale de l’énergie a publié en avril 2025 son premier rapport consacré à l’IA (Energy and AI). Les centres de données consommaient en 2024 environ 415 térawattheures, soit à peu près 1,5 % de l’électricité mondiale, avec une croissance de 12 % par an sur les cinq années précédentes. La projection de référence les porte à environ 945 térawattheures en 2030, un peu plus que la consommation électrique totale du Japon. La demande des centres optimisés pour l’IA serait multipliée par plus de quatre. Aux États-Unis, les centres de données pèseraient à eux seuls la moitié de la croissance de la demande électrique d’ici 2030.
Je tempère néanmoins ces inquiétudes. Non parce que les projections de l’AIE ignoreraient les gains d’efficacité, puisqu’elles les intègrent déjà, mais parce que les progrès observés depuis la publication du rapport sont particulièrement rapides. Google affirme avoir divisé par 33 l’énergie consommée par une requête textuelle médiane de Gemini entre mai 2024 et mai 2025, dont un facteur 23 lié à l’amélioration des modèles. Une étude publiée dans Joule en 2026 identifie encore un potentiel de réduction de 8 à 20 fois grâce à l’optimisation conjointe des modèles, des infrastructures et des matériels. Ces progrès réduisent fortement la consommation unitaire, sans garantir pour autant une diminution de la consommation totale : la multiplication des usages, les modèles de raisonnement, la vidéo et les agents IA peuvent absorber, voire dépasser, les économies réalisées.
Et ne croyons pas que ces sociétés sont humanistes, elles sont simplement pragmatiques : le coût énergétique des inférences est un problème avant tout économique et pénurique.
La contrainte redevient donc physique et géographique : raccordement au réseau, foncier, refroidissement, eau, métaux, disponibilité des accélérateurs. Une machine de lithographie extrême ultraviolet d’ASML se vend entre 340 et 400 millions d’euros l’unité, et aucun autre industriel au monde n’en fabrique (Les Échos, repris par La Libre, juillet 2026).
Conséquence pour une PME : le prix du jeton de calcul ne baissera pas indéfiniment, parce qu’il est désormais adossé à un prix de l’électricité et à une capacité de production physique. Les modèles de coût construits sur l’hypothèse d’une déflation continue sont fragiles.
« Chaque vague rend abondant ce qui était cher, et cher ce qui était gratuit. »
L’imprimerie a rendu le livre abondant et l’attention rare. Le tableur a rendu le calcul abondant et la formulation du problème rare. Les modèles génératifs rendent la production de texte abondante et la vérification rare. La révolution déplace la compétence rare, elle ne détruit pas l’emploi en bloc.
Le risque social ne porte donc pas sur un chômage de masse immédiat. Il porte sur la figure de l’homme redondant, l’individu rendu superflu par un système qui n’a plus besoin de lui pour fonctionner, et qui peine à se justifier dans un monde où l’utilité économique reste la mesure dominante de la valeur (En toute humanité, 2026). La redondance est produite par un dispositif productif. Elle est donc partiellement réversible, et c’est précisément l’objet d’une décision de dirigeant.
Formulé autrement, pour un comité de direction : comptez les compétences devenues goulot d’étranglement avant de compter les postes menacés. Aujourd’hui, dans les PME que j’accompagne, ce goulot est presque toujours le même : la capacité à qualifier un résultat produit par une machine. Peu de gens savent dire « c’est faux, et voici pourquoi ».
« Aucune des cinq vagues n’a été évaluée à l’entrée sur son coût de sortie. »
On a mesuré le gain de productivité, le retour sur investissement, le délai de mise en œuvre. On n’a jamais provisionné ce qu’il en coûterait de revenir en arrière quand le fournisseur change ses règles, ses prix, ses conditions d’accès ou sa nationalité. Externaliser un savoir-faire coûte peu à l’entrée. Le récupérer, quand le fournisseur a changé ses règles, coûte l’entreprise.
L’histoire récente en fournit une illustration presque parfaite, et par ricochet. Les contrôles américains à l’exportation visaient à ralentir la Chine dans les semi-conducteurs. Résultat mesurable : ils ont créé un marché intérieur chinois pour la lithographie nationale. La start-up Shanghai Yuliangsheng, créée en 2022, vise cinq machines à ultraviolet profond en 2026 et une vingtaine en 2027, quand ASML en produit environ 130 par an à immersion et en a vendu 279 en 2025, contre 48 machines à ultraviolet extrême (Next et Les Échos, juillet 2026). « Les contrôles américains à l’exportation ont réussi à créer un intérêt commercial pour la lithographie chinoise. Ce n’était pas l’objectif, c’est le résultat », résume Sanne van der Lugt, du Leiden Asia Center (cité par Zonebourse, juillet 2026).
Une dépendance qu’on refuse à quelqu’un finit par produire son substitut. Une dépendance qu’on accepte finit par produire une facture. D’où une recommandation opérationnelle : pour tout déploiement d’IA, documenter trois éléments avant signature. Où sont les données et sous quel droit ? Ce qu’il faudrait faire pour changer de fournisseur en six mois ? Quelle compétence interne disparaît si l’on externalise ? Ce document tient en une page. Presque personne ne le rédige.
« L’Europe gagne les normes et perd la couche applicative. »
De 1977 à 2026, le bilan européen est constant. Nous avons gagné une norme mondiale (le GSM), une machine irremplaçable (la lithographie ASML), un standard scientifique ouvert (le Web du CERN, versé dans le domaine public), et une réglementation que le reste du monde copie. Nous avons perdu, à chaque vague, la couche applicative et la captation de valeur. L’Europe pèse environ 10 % de la chaîne de valeur mondiale des semi-conducteurs. Sur les modèles génératifs et le cloud, la dépendance est plus forte encore.
Le Minitel reste le cas d’école : une avance technologique réelle, un modèle économique fonctionnel, et une architecture fermée qui a transformé l’avance en impasse.
J’assume ici une opinion. Je ne crois pas que la réglementation soit la cause de ce décrochage, et je ne crois pas non plus qu’elle en soit le remède. L’AI Act protège des usages, il ne fabrique pas d’industrie. Les deux sujets sont distincts et les confondre arrange tout le monde : les industriels qui préfèrent parler de contraintes plutôt que de capital, et les régulateurs qui préfèrent parler de leadership normatif plutôt que de balance commerciale.
« Les technologies ne progressent plus séparément. »
Les lois qui précèdent décrivent un comportement passé. Elles ne disent pas ce qui vient. À cette transformation s’ajoute une dynamique prospective plus profonde : l’arrivée d’une vague technologique sans précédent, décrite dans La plus grande révolution de toute l’histoire de l’humanité (2022). Intelligence artificielle, robotique, exosquelettes, implants cérébraux, biotechnologies, informatique quantique, nanotechnologies, technologies immersives comme la réalité augmentée, la réalité virtuelle et le 360°, véhicules autonomes, drones, objets connectés, jumeaux numériques, impression 3D, blockchain, nouvelles énergies et conquête spatiale ne progressent plus séparément. Elles convergent, se renforcent mutuellement et accélèrent ensemble la transformation des entreprises, des métiers, des corps, des rapports de pouvoir et de la société.
Cette convergence appelle une discipline de lecture, sinon elle devient un argument de vente. Une partie de la vague est déjà opérationnelle et se déploie sans attendre l’avis de personne : modèles génératifs, jumeaux numériques industriels, drones, impression 3D, robotique collaborative, lanceurs réutilisables. Une deuxième partie devient probable à deux ou trois ans dans les entreprises françaises, à condition que le coût du calcul et de l’énergie reste soutenable : agents autonomes sur des tâches bornées, exosquelettes en logistique et en bâtiment, contrôle qualité par vision, biologie de synthèse en agroalimentaire et en santé. Une troisième reste spéculative et dépend d’une rupture non acquise : l’informatique quantique utile en entreprise, les implants cérébraux hors usage médical, l’autonomie complète du véhicule en milieu ouvert européen.
Le point important pour un dirigeant n’est pas la liste. C’est que la convergence multiplie les points de dépendance en même temps qu’elle multiplie les capacités. Chaque technologie ajoutée apporte son fournisseur, son format, son besoin énergétique, sa contrainte réglementaire et sa compétence rare. Une entreprise qui adopte quatre de ces briques sans les gouverner ensemble n’a pas quatre projets, elle a un système dont personne ne connaît le coût de sortie.
« Trois décisions, pas trois principes. »
La première porte sur l’échéance réglementaire du 2 août 2026. Le calendrier de l’AI Act a été modifié à un mois de l’échéance. Le Digital Omnibus sur l’IA, règlement (UE) 2026/1744, a été adopté par le Parlement européen le 16 juin 2026 par 423 voix, validé par le Conseil le 29 juin, et est entré en vigueur le 27 juillet 2026. Il reporte les obligations relatives aux systèmes à haut risque de l’annexe III (ressources humaines, crédit, éducation, santé, justice, biométrie) du 2 août 2026 au 2 décembre 2027, et celles de l’annexe I au 2 août 2028.
Ce qui n’est pas reporté et s’applique au 2 août 2026 : l’article 50 sur la transparence, qui oblige toute entreprise déployant un système d’IA interagissant avec des personnes (agent conversationnel, assistant, générateur de contenu diffusé à l’extérieur) à informer l’utilisateur qu’il échange avec une machine et à signaler les contenus de synthèse. Le marquage technique des contenus bénéficie d’un sursis au 2 décembre 2026 pour les systèmes déjà commercialisés avant août 2026. Les pouvoirs de sanction entrent également en vigueur, avec un plafond de 35 millions d’euros ou 7 % du chiffre d’affaires mondial.
L’obligation de maîtrise de l’IA par le personnel (article 4) s’applique depuis le 2 février 2025. Le Digital Omnibus l’a transformée d’obligation de résultat en obligation de moyens : prendre des mesures pour développer la compétence des équipes, sans niveau garanti. L’action tient en une demi-journée pour une PME : recenser les points de contact IA visibles par un client ou un candidat, et vérifier que la mention existe. Réserve de méthode, elle vaut d’être posée : ces éléments proviennent de sources secondaires convergentes publiées entre le 16 juin et le 30 juillet 2026. Le texte du règlement (UE) 2026/1744 au Journal officiel de l’Union européenne fait foi et doit être vérifié avant tout engagement contractuel.
La deuxième décision consiste à budgéter l’assimilation, pas les outils. Le rapport entre les deux chiffres de l’Insee est le fait le plus utile de cet article. En 2025, 18 % des entreprises françaises de dix salariés ou plus déclarent utiliser l’IA, mais ces entreprises concentrent 66 % du chiffre d’affaires et 59 % de l’emploi du champ observé, contre 49 % et 40 % un an plus tôt (Insee Première n° 2120, 21 juillet 2026). Traduction : l’adoption est encore minoritaire en nombre d’entreprises, et déjà majoritaire en poids économique. L’écart se creuse vite.
Un abonnement à un assistant génératif coûte quelques dizaines d’euros par mois et par personne, tarifs publics des éditeurs. La réorganisation d’un processus autour de cet abonnement coûte des semaines de travail et des arbitrages désagréables. Le premier poste est budgété partout, le second presque nulle part. C’est exactement l’erreur des usines qui ont remplacé la machine à vapeur par un moteur électrique sans toucher aux poulies. L’action : choisir un processus, un seul, mesurer son coût actuel en heures, le redessiner en supposant la machine disponible, et mesurer à nouveau à douze semaines.
« Un processus refait vaut mieux que dix outils déployés. »
La troisième décision tient en une page, à écrire avant chaque engagement significatif : localisation et régime juridique des données, procédure de sortie à six mois, compétence interne qui disparaît en cas d’externalisation. Ce document ne sert pas à refuser. Il sert à connaître le prix de ce qu’on accepte.
« Un gain de productivité qui crée une dépendance non réversible n’est pas un gain, c’est un report de facture. »
La dynamo est industrialisable en 1880 et les usines américaines n’en tirent un gain qu’en 1920. Un modèle génératif se met en service dans une PME en un après-midi. Entre ces deux phrases, quarante ans de délai d’un côté, quelques heures de l’autre, et exactement le même travail de réorganisation à faire, qui n’a pas raccourci d’un mois.
J’ai l’âge exact de cette histoire. Elle ne m’a appris qu’une chose vraiment utile, et je la dois autant à la camionnette de Menlo Park qu’aux ateliers électrifiés de Paul David : le retard d’une entreprise ne se mesure pas à ses outils, il se mesure à la date de sa dernière réorganisation.
« Cet écart est votre marge de manœuvre qui se referme le jour où vos concurrents cessent de déployer des outils et commencent à déplacer les poulies. »
Jérôme Coutou, Digital Mate. Article rédigé le 31 juillet 2026 avec la participation de Claude Opus 5. Les données chiffrées ont fait l’objet d’une vérification en sources primaires ou parlementaires lorsque celles-ci étaient accessibles. Les points reposant sur des sources secondaires sont signalés dans le texte.