L’état actuel de l’IA en 15 enseignements clés

1) Les capacités de l’IA accélèrent et touchent plus de monde que jamais

L’industrie a produit en 2025 plus de 90% des modèles « frontier » remarquables. Plusieurs de ces modèles atteignent ou dépassent désormais les références humaines dans des questions scientifiques de niveau doctorat, le raisonnement multimodal et les mathématiques de compétition.

Sur un important benchmark de programmation, la performance est passée en un an de 60% à près de 100% de la référence humaine. L’adoption par les organisations a atteint 88%, et 4 étudiants universitaires sur 5 utilisent désormais l’IA générative.

2) L’écart de performance entre les modèles américains et chinois d’IA est pratiquement comblé

Les modèles américains et chinois se sont plusieurs fois relayés en tête depuis le début de 2025. En février 2025, DeepSeek-R1 a brièvement égalé le meilleur modèle américain. En mars 2026, le meilleur modèle d’Anthropic ne devance plus son concurrent que de 2,7%.

Les États-Unis produisent toujours davantage de modèles d’IA de très haut niveau et de brevets à fort impact, tandis que la Chine domine en volume de publications, en citations, en production de brevets et en installations de robots industriels. La Corée du Sud se distingue par sa densité d’innovation et occupe la première place mondiale pour les brevets d’IA par habitant.

3) Les États-Unis abritent la plupart des centres de données d’IA, tandis que la majorité de leurs puces sont fabriquées par un seul producteur taïwanais

Les États-Unis comptent 5.427 centres de données, soit plus de dix fois plus que n’importe quel autre pays, et consomment plus d’énergie que tous les autres pays dans ce domaine.

Une seule entreprise, TSMC, produit presque toutes les puces d’IA de pointe, ce qui rend la chaîne mondiale du matériel d’IA dépendante d’une seule fonderie située à Taïwan, même si l’extension de TSMC aux États-Unis a démarré en 2025.

4) Des modèles d’IA peuvent décrocher une médaille d’or aux Olympiades internationales de mathématiques, mais restent incapables de lire l’heure de manière fiable

C’est un exemple de ce que les chercheurs appellent la frontière irrégulière de l’IA. Gemini Deep Think a obtenu une médaille d’or aux Olympiades internationales de mathématiques, mais le meilleur modèle ne lit correctement les horloges analogiques que dans 50,1% des cas.

Les agents IA ont progressé de 12% à environ 66% de réussite sur OSWorld, un benchmark qui teste les agents sur de vraies tâches informatiques à travers différents systèmes d’exploitation. Mais ils échouent encore dans environ une tentative sur trois sur des benchmarks structurés.

5) Les robots échouent encore dans la plupart des tâches ménagères, même s’ils obtiennent de bons résultats dans des environnements contrôlés

Les robots ne réussissent que 12% des tâches domestiques, ce qui montre à quel point l’IA reste éloignée d’une vraie maîtrise du monde physique. Sur RLBench, un benchmark de manipulation robotique en simulation logicielle, un taux de réussite de 89,4% a été atteint. Mais l’écart reste considérable entre les environnements prévisibles de laboratoire et les environnements domestiques imprévisibles.

6) L’IA responsable ne suit pas le rythme des capacités de l’IA : les benchmarks de sécurité sont en retard et les incidents augmentent fortement

Presque tous les grands développeurs de modèles frontier publient des résultats sur les benchmarks de capacités, mais les rapports portant sur les benchmarks d’IA responsable restent fragmentaires. Le nombre d’incidents d’IA documentés est passé à 362, contre 233 en 2024. En outre, une étude récente a montré qu’une amélioration sur une dimension de l’IA responsable - par exemple la sécurité - peut dégrader une autre dimension, comme la précision.

7) Les États-Unis dominent les investissements dans l’IA, mais leur capacité à attirer les talents mondiaux diminue

Les investissements privés dans l’IA aux États-Unis ont dépassé 285,9 milliards de dollars en 2025, soit plus de 23 fois les 12,4 milliards de dollars investis en Chine. Ces chiffres privés sous-estiment toutefois probablement les dépenses totales chinoises dans l’IA, compte tenu du rôle des fonds pilotés par l’État.

Les États-Unis dominent aussi l’entrepreneuriat, avec 1.953 nouvelles entreprises d’IA financées en 2025, soit plus de dix fois plus que le pays suivant. Pourtant, le nombre de chercheurs et développeurs en IA s’installant aux États-Unis a chuté de 89% depuis 2017, avec une baisse de 80% sur la seule dernière année.

8) L’adoption de l’IA se diffuse à une vitesse historique, et les consommateurs tirent une valeur importante d’outils souvent gratuits

L’IA générative a atteint en trois ans un taux d’adoption de 53% dans la population, plus rapidement que le PC ou Internet. Le rythme varie cependant selon les pays et dépend fortement du PIB par habitant. Certains pays affichent une adoption plus élevée que prévu, comme Singapour avec 61% et les Émirats arabes unis avec 54%. Les États-Unis ne se classent qu’au 24e rang, avec 28,3%.

La Belgique a atteint au second semestre 2025 un taux d’adoption de 36%, tandis que ses voisins font mieux : la France à 44% et les Pays-Bas à 38,9%. L’Allemagne fait moins bien, avec 28,6%. La valeur estimée des outils d’IA générative pour les consommateurs américains atteignait début 2026 172 milliards de dollars par an, tandis que la valeur médiane par session utilisateur a triplé entre 2025 et 2026.

9) Les gains de productivité liés à l’IA apparaissent dans plusieurs domaines où les emplois de début de carrière commencent justement à reculer

Des études montrent des gains de productivité de 14% à 26% dans le support client et le développement logiciel, avec des effets plus faibles, voire négatifs, pour les tâches exigeant davantage de jugement. Le déploiement d’agents IA reste limité à quelques pourcents dans presque toutes les fonctions d’entreprise.

Dans le développement logiciel, où les gains de productivité mesurés grâce à l’IA sont les plus nets, l’emploi des développeurs américains âgés de 22 à 25 ans a reculé de près de 20% depuis 2024, tandis que les effectifs de développeurs plus âgés continuent d’augmenter.

10) L’empreinte écologique de l’IA augmente avec ses capacités

Les émissions estimées liées à l’entraînement de Grok 4 se sont élevées à 72.816 tonnes d’équivalent CO₂. La capacité électrique des centres de données d’IA est montée à 29,6 GW, soit l’équivalent de la demande de pointe de l’État de New York. La seule consommation annuelle d’eau liée à l’inférence de GPT-4o pourrait dépasser les besoins en eau potable de 1,2 million de personnes.

11) Les modèles d’IA pour la science peuvent dépasser les scientifiques humains, mais les plus grands modèles ne sont pas toujours les meilleurs

Les modèles frontier obtiennent en moyenne de meilleurs résultats que les chimistes humains sur ChemBench. Pourtant, ils atteignent moins de 20% en réplication en astrophysique et 33% sur des questions d’observation de la Terre. Un modèle de langage protéique de 111 millions de paramètres, MSAPairformer, a dépassé les méthodes de pointe précédentes sur ProteinGym.

Un modèle de génomique de 200 millions de paramètres, GPNStar, a fait mieux qu’un modèle presque 200 fois plus grand. La plupart des modèles fondationnels d’IA pour la science proviennent de collaborations entre plusieurs secteurs, contrairement au paysage de l’IA générale, dominé par l’industrie.

12) L’IA transforme les soins cliniques, mais les preuves solides restent limitées

Les outils d’IA qui génèrent automatiquement des notes cliniques à partir des consultations de patients ont connu une forte adoption en 2025. Dans plusieurs systèmes hospitaliers, des médecins ont rapporté jusqu’à 83% de temps en moins consacré à la rédaction des notes, ainsi qu’une nette réduction du burn-out. Mais au-delà de certains outils, la base de preuves pour l’IA clinique reste mince.

Une revue de plus de 500 études cliniques sur l’IA a montré que près de la moitié reposaient sur des questions de type examen plutôt que sur de véritables données de patients, et que seulement 5% utilisaient de vraies données cliniques.

13) L’enseignement formel est en retard sur l’IA, mais les individus acquièrent des compétences en IA à tous les âges de la vie

Plus de 80% des élèves du secondaire et des étudiants américains utilisent désormais l’IA pour des tâches liées à l’école. Mais seulement la moitié des établissements secondaires et supérieurs disposent d’une politique en matière d’IA, et à peine 6% des enseignants déclarent que cette politique est claire.

En dehors de la classe, les compétences en ingénierie de l’IA progressent le plus vite aux Émirats arabes unis, au Chili et en Afrique du Sud. Le nombre de nouveaux doctorats en IA aux États-Unis et au Canada a augmenté de 22% entre 2022 et 2024. Les diplômés qui expliquent cette hausse ont rejoint le monde académique, et non l’industrie.

14) La souveraineté en IA devient un marqueur déterminant des politiques nationales

Les capacités restent inégalement réparties, même si l’open source contribue à élargir la participation. Les stratégies nationales en IA se multiplient, surtout dans les économies en développement. Les investissements publics dans le supercalcul dédié à l’IA augmentent en parallèle.

C’est le signe d’une ambition croissante de reprendre le contrôle national des écosystèmes d’IA. Pourtant, la production des modèles reste concentrée aux États-Unis et en Chine. Le développement open source commence à redistribuer la participation : les contributions venues du reste du monde dépassent désormais celles de l’Europe et se rapprochent des États-Unis sur GitHub. Cela conduit à des modèles et à des benchmarks plus diversifiés sur le plan linguistique.

15) Les experts de l’IA et le grand public portent un regard très différent sur l’avenir de la technologie

À l’échelle mondiale, la confiance envers les institutions chargées de gérer l’IA est très fragmentée. Concernant l’impact sur la manière dont les gens exercent leur métier, 73% des experts anticipent un effet positif, contre seulement 23% du public, soit un écart de 50 points de pourcentage. Des différences comparables existent concernant l’impact de l’IA sur l’économie et les soins médicaux.

La confiance dans la capacité des gouvernements à réguler l’IA varie fortement dans le monde. Parmi les pays interrogés, les États-Unis affichent le plus faible niveau de confiance envers leur propre gouvernement pour réguler l’IA, avec 31%.

À l’échelle mondiale, l’Union européenne inspire davantage confiance que les États-Unis ou la Chine pour réguler efficacement l’IA.

L' "Artificial Intelligence Index Report 2026" comprend 384 pages et figure ici