LU POUR VOUS : Étude prospective sur l’Intelligence Artificielle dans la branche de la métallurgie, avril 2026, Observatoire partitaire de la métallurgie/OPCO2i
Alors que l’intelligence artificielle (IA) s’impose comme un sujet incontournable dans l’industrie, l’étude prospective menée par l’Observatoire paritaire de la métallurgie/OPCO2i montre que les très petites entreprises (TPE) et petites entreprises du secteur restent encore largement à l’écart de cette transformation. Entre contraintes financières, manque de compétences et interrogations sur la rentabilité des projets, l’IA apparaît davantage comme une perspective que comme une réalité opérationnelle pour une grande partie du tissu de TPE.
Une adoption encore très limitée dans les petites entreprises
Le premier enseignement de l’étude est l’existence d’une véritable fracture numérique entre les grandes entreprises et les TPE artisanales.
En 2023, seules 2,8 % des entreprises de moins de 10 salariés déclaraient utiliser l’IA. Ce taux atteint 5,4 % dans les entreprises de 10 à 49 salariés et 8,5 % dans celles de 50 à 249 salariés. Les plus petites structures sont donc trois fois moins utilisatrices de l’IA que les PME industrielles les plus importantes.
Cette situation s’explique notamment par un niveau de maturité numérique souvent insuffisant. Avant même de déployer des solutions d’IA, les entreprises doivent disposer de données fiables, de systèmes d’information structurés et de processus suffisamment digitalisés. Or, nombre de TPE n’ont pas de système d’information structuré.
Des investissements massivement concentrés dans les grands groupes
L’analyse des investissements réalisés entre 2019 et 2024 confirme ces écarts.
Les grandes entreprises de la métallurgie ont annoncé près de 2,9 milliards d’euros d’investissements liés à l’IA sur cette période, contre 299 millions d’euros pour les ETI et 261 millions d’euros pour les PME. Autrement dit, les grands groupes concentrent près de 84 % des montants investis, alors même qu’ils ne représentent qu’un tiers des opérations recensées.
Cette différence de moyens leur permet de constituer des équipes spécialisées, d’expérimenter plusieurs cas d’usage simultanément et d’industrialiser progressivement leurs solutions. À l’inverse, les PME et TPE privilégient généralement des solutions standardisées ou des partenariats externes lorsqu’elles s’engagent dans des projets d’IA.
Des cas d’usage ciblés et pragmatiques
Contrairement aux grands groupes qui explorent des applications variées, les petites entreprises se concentrent sur quelques usages susceptibles de produire un retour sur investissement rapide.
Les principaux cas d’usage identifiés sont :
- le contrôle qualité automatisé ;
- la maintenance prédictive ;
- l’optimisation des approvisionnements ;
- certaines tâches administratives ou documentaires facilitées par l’IA générative.
Toutefois, même sur ces domaines, les gains attendus restent parfois insuffisants pour justifier les investissements nécessaires.
L’étude souligne notamment que les petites séries de production, fréquentes dans la métallurgie, limitent l’intérêt économique de certaines solutions d’IA qui nécessitent des volumes importants de données pour être performantes.
Une rentabilité encore difficile à démontrer
L’un des principaux freins identifiés est l’incertitude sur le retour sur investissement.
Les dirigeants de TPE et PME interrogés considèrent souvent que les investissements nécessaires sont élevés au regard des gains potentiels. Les coûts de développement, d’intégration, de maintenance et de formation peuvent rapidement dépasser les économies réalisables, en particulier dans les structures employant peu de salariés.
Cette réalité explique la prudence observée dans le secteur. Pour beaucoup de dirigeants, l’enjeu prioritaire demeure l’investissement dans les équipements de production, le recrutement ou la gestion de la trésorerie plutôt que dans des technologies dont les bénéfices restent encore difficiles à quantifier.
Une forte réticence des dirigeants
L’étude met également en évidence une forme de scepticisme à l’égard de l’IA.
Plus de la moitié des dirigeants de TPE (54 %) considèrent que l’IA est insuffisamment adaptée à leur activité.
Cette prudence est renforcée par des préoccupations concernant :
- la préservation des savoir-faire ;
- les conséquences sur l’emploi ;
- les risques de dépendance technologique ;
- la complexité des projets à conduire.
Le principal enjeu : les compétences
Plus encore que la technologie elle-même, l’étude identifie un défi majeur de compétences.
Pour déployer efficacement une solution d’IA, les entreprises ont besoin de trois types de profils :
- un expert métier capable de définir les besoins ;
- un spécialiste du numérique ou de l’IA ;
- un profil hybride jouant le rôle de « traducteur » entre les besoins industriels et les solutions technologiques.
Or, ces compétences sont rarement disponibles dans les petites structures.
L’enjeu principal pour les années à venir réside donc moins dans le développement d’algorithmes que dans l’acculturation des dirigeants et des salariés, la formation continue et l’accompagnement des PME-TPE dans leurs premiers projets.
