TL;DR : Deux jeux de données publics indépendants, placés côte à côte, disent quelque chose d’inconfortable. Le Pew Research Center pose aux Américains la même question sur l’intelligence artificielle depuis 2021 : êtes-vous plus inquiet qu’enthousiaste, plus enthousiaste qu’inquiet, ou les deux à parts égales ? La réponse a bougé fortement une seule fois, de 37 pour cent plus inquiets en 2021 à 52 pour cent en 2023, puis s’est arrêtée : 51 pour cent en 2024, 50 pour cent en 2025, 52 pour cent en 2026. Sur cette même fenêtre 2023-2026, la Business Trends and Outlook Survey du Census Bureau a enregistré une progression de l’usage de l’IA par les entreprises de 3,7 à 19,8 pour cent. Seize points d’expérience nouvelle ont produit zéro point de variation nette d’opinion. L’histoire a été écrite tôt, sur des preuves minces, puis maintenue. Cet article nomme les quatre récits que les gens font réellement tourner, attache à chacun un test de falsification et vous donne un protocole pour auditer le vôtre. Il ne s’agit pas d’optimisme. Il s’agit du fait qu’une histoire non réfutable sur l’IA décide silencieusement des expériences que vous menez, et que ces expériences décident de vos cinq prochaines années.
Il existe en ce moment, partout, un certain type de conversation professionnelle. Quelqu’un prononce sur l’intelligence artificielle une phrase qui sonne comme une observation, alors qu’il s’agit d’une prédiction, et cette prédiction n’a jamais été testée. “Cela va tout remplacer.” “C’est surtout du battage.” “J’attendrai que les choses se stabilisent.” Chacune de ces phrases est présentée comme une lecture du réel. Chacune est en fait une histoire, et chaque histoire travaille déjà : elle décide de ce que cette personne tentera ou ne tentera pas ce trimestre.
Cela mérite d’être pris au sérieux, car il existe désormais assez de données publiques pour vérifier si les histoires suivent le monde. Elles ne le suivent pas.
Le récit s’est verrouillé avant l’arrivée de l’expérience
Commençons par la série d’opinions. Le Pew Research Center pose aux adultes américains une question constante depuis 2021 sur l’usage croissant de l’IA dans la vie quotidienne. Dans sa vague de juin 2026, réalisée du 22 au 28 juin 2026 auprès de 3 488 adultes américains de l’American Trends Panel, 52 pour cent se disaient plus inquiets qu’enthousiastes, 37 pour cent également inquiets et enthousiastes, et 9 pour cent plus enthousiastes qu’inquiets.
Ce qui est intéressant n’est pas le niveau. C’est la forme de la courbe.
| Année (Pew Research Center, adultes américains) | Plus inquiets qu’enthousiastes |
|---|---|
| 2021 | 37 % |
| 2022 | 38 % |
| 2023 | 52 % |
| 2024 | 51 % |
| 2025 | 50 % |
| 2026 | 52 % |
Données vérifiées. Source : Pew Research Center, tendance de l’inquiétude à l’égard de l’usage croissant de l’IA dans la vie quotidienne, vague de juin 2026.
Tout le mouvement se produit en une seule étape, entre 2022 et 2023 : plus 14 points. Puis quatre années où il ne se passe pour ainsi dire rien. La valeur de 2026 est identique à celle de 2023.
Placez maintenant la série de comportements à côté. Le Census Bureau a commencé à interroger directement les entreprises sur leur usage de l’IA dans sa Business Trends and Outlook Survey en septembre 2023. Le document de travail du Census Bureau consacré à cette première fenêtre, signé Bonney, Breaux, Buffington, Dinlersoz, Foster, Goldschlag, Haltiwanger, Kroff et Savage, indique une progression de 3,7 pour cent des entreprises en septembre 2023 à 5,4 pour cent en février 2024. Dans la publication couvrant décembre 2025 à mai 2026, l’usage global se situait entre 17 et 20 pour cent, avec une moyenne nationale de 19,8 pour cent au 3 mai 2026, et 20 à 23 pour cent des entreprises prévoyaient d’utiliser l’IA dans les six mois.
Rapprochez les deux.
| Fenêtre | Récit : part des plus inquiets qu’enthousiastes (Pew) | Comportement : part des entreprises américaines utilisant l’IA (Census BTOS) |
|---|---|---|
| 2021 à 2023 | 37 % à 52 %, +15 points (1,41x) | Non mesuré ; la question IA du BTOS a débuté en septembre 2023 |
| Septembre 2023 à mai 2026 | 52 % à 52 %, 0 point (1,00x) | 3,7 % à 19,8 %, +16,1 points (5,35x) |
Cadre éditorial CEOtudent : dérivé du rapprochement de la série d’opinions du Pew Research Center et de la série d’adoption de la Business Trends and Outlook Survey du Census Bureau. Aucune des sources n’établit cette comparaison. Multiplicateurs calculés à partir des chiffres publiés.
Relisez cette deuxième ligne. L’adoption par les entreprises a été multipliée par plus de cinq. L’opinion publique nette n’a pas bougé du tout.
Aucune des deux institutions ne revendique de lien causal, et aucune ne le devrait. Les opinions et l’adoption par les entreprises portent sur des populations différentes, mesurées différemment. Le motif dit néanmoins quelque chose qui survit à toutes ces réserves : le basculement net d’opinion s’est produit l’année où presque personne n’avait d’expérience organisationnelle directe de la technologie, et les années d’expérience réelle n’ont produit aucun basculement net supplémentaire. Ce qui a formé l’histoire en 2023 n’était pas l’usage. Et l’usage ne l’a pas révisée depuis.
La même chose se produit à l’intérieur des individus, pas seulement des populations
Une enquête nationale ne peut pas vous montrer le mécanisme. Un essai randomisé le peut.
En 2025, METR a mené un essai contrôlé randomisé avec 16 développeurs open source expérimentés, sur 246 tickets réels dans de grands dépôts comptant en moyenne plus de 22 000 étoiles et plus d’un million de lignes de code. Les développeurs étaient assignés aléatoirement, ticket par ticket, au travail avec ou sans outils d’IA. Trois chiffres en sont sortis.
Avant de commencer, les développeurs prévoyaient que l’IA les accélérerait de 24 pour cent. À la mesure, ils ont mis 19 pour cent de temps en plus avec les outils d’IA. Ensuite, juste après avoir vécu l’expérience, ils croyaient toujours que l’IA les avait accélérés de 20 pour cent.
C’est ce troisième chiffre qui compte ici. L’expérience directe d’avoir été ralenti n’a pas écrasé la croyance d’avoir été accéléré. L’histoire a survécu au contact des preuves, chez les personnes mêmes qui avaient produit ces preuves.
L’honnêteté exige une mise à jour : METR a elle-même indiqué que ce résultat est périmé. En février 2026, l’organisation a publié une note expliquant que son expérience de suivi, avec une cohorte plus large de 57 développeurs et plus de 800 tâches utilisant des outils de fin 2025, produisait un effet bien plus faible, environ 4 pour cent plus lent avec un intervalle de confiance allant de 15 pour cent plus lent à 9 pour cent plus rapide, et que ces nouvelles données constituent un signal peu fiable, car une part importante des développeurs refuse désormais de participer à une étude qui les obligerait à travailler sans IA. La position actuelle de METR est que les développeurs sont probablement plus accélérés en 2026 que ne le suggérait l’essai de 2025.
Prenez cela au sérieux et le titre sur la productivité se dissout. Ce qui ne se dissout pas, c’est l’écart de perception. La révision porte sur l’ampleur de l’aide apportée par l’IA. Elle ne touche pas au constat que l’estimation par les gens de l’effet de l’IA sur leur propre travail était fausse d’environ 39 points de pourcentage, dans le sens de leur histoire antérieure, immédiatement après avoir vécu la mesure. Si l’auto-évaluation à propos de l’IA n’est pas fiable chez des ingénieurs expérimentés repensant aux deux heures précédentes, elle n’est pas plus fiable chez vous, repensant aux deux années précédentes.
C’est le lien pratique avec ce que la recherche dit de ce qui arrive à votre cerveau quand l’IA pense à votre place : la sensation de l’effet d’un outil est produite séparément de l’effet lui-même.
Une exposition accrue n’a pas produit plus de sérénité
Si la version rassurante était vraie, les personnes utilisant le plus l’IA seraient les moins inquiètes. Les données de Pew par âge pour 2026 disent le contraire.
| Tranche d’âge (Pew, 2026) | Plus inquiets | Plus enthousiastes | L’IA réduira les emplois, 2024 | L’IA réduira les emplois, 2026 | Variation |
|---|---|---|---|---|---|
| 18 à 29 ans | 55 % | 11 % | 61 % | 73 % | +12 points |
| 30 à 49 ans | 51 % | 12 % | 66 % | 74 % | +8 points |
| 50 à 64 ans | 47 % | 8 % | 69 % | 72 % | +3 points |
| 65 ans et plus | 59 % | 4 % | 58 % | 63 % | +5 points |
Données vérifiées, Pew Research Center, vague de juin 2026 ; colonne de variation calculée par CEOtudent à partir des chiffres publiés pour 2024 et 2026.
Les adultes les plus jeunes, groupe déclarant l’usage le plus élevé des agents conversationnels, sont ceux qui ont le plus basculé vers le pessimisme sur l’emploi entre 2024 et 2026 : plus 12 points, quatre fois la variation des 50 à 64 ans. Tous adultes confondus, la part de ceux qui attendent de l’IA une baisse du nombre d’emplois est passée de 64 pour cent en 2024 à 71 pour cent en 2026, contre 5 pour cent qui en attendent davantage.
L’exposition n’est pas un sédatif. Cela tue l’idée confortable selon laquelle les gens s’inquiètent de l’IA parce qu’ils ne l’ont pas essayée. Beaucoup des plus inquiets l’ont le plus essayée.
Cela tue également l’idée miroir, celle qui veut que l’inquiétude soit simplement juste parce que les inquiets seraient les informés. L’inquiétude a monté de 14 points l’année précédant l’expérience et n’a pas bougé pendant les trois années écoulées depuis. Si l’inquiétude suivait les preuves, elle aurait bougé quand les preuves sont arrivées.
Ce sont deux histoires. Aucune n’est une lecture.
Les quatre récits, et le test que chacun échoue
Voici le point opérationnel. Vous en faites tourner un. La plupart des gens identifient le leur en une dizaine de secondes, et presque personne n’y a jamais attaché de test.
| Récit | La phrase qui le sous-tend | Ce qu’il prédit silencieusement | Le comportement qu’il produit | Test de falsification |
|---|---|---|---|---|
| Effondrement | “Cela va prendre mon travail, donc l’effort est inutile.” | Un remplacement rapide, large, uniforme | Retrait ; aucune expérience ; abandon anticipé d’un terrain pas encore perdu | Citez une tâche de vos 90 derniers jours que l’IA a menée de bout en bout sans relecture ni correction. Si vous ne pouvez pas, votre prédiction court devant vos preuves. |
| Battage | “En réalité elle ne sait rien faire ; c’est une bulle.” | Un plateau de capacités à peu près au niveau actuel | Rejet ; aucune montée en compétence ; surprise quand un collègue livre | Citez une tâche que vous avez refusé de tester ces 90 derniers jours. Testez-la une fois. Notez le résultat avant de l’interpréter. |
| Spectateur | “Je m’y mettrai quand les choses se seront stabilisées.” | Un état final stable, arrivant bientôt | Report ; aucune capitalisation ; entrée au moment précis où l’avantage a disparu | Écrivez l’événement observable précis qui vous dira que les choses se sont stabilisées. Si vous ne pouvez pas l’écrire, la condition n’est pas une condition, c’est une excuse permanente. |
| Opérateur | “Cela change quelles parties de mon travail sont rares.” | Des déplacements inégaux au niveau des tâches, certains rapides, d’autres jamais | Tests au niveau des tâches ; mesure ; points de contrôle | Listez les tâches où votre relecture attrape encore des erreurs. Si cette liste est vide, vous ne relisez pas, vous approuvez. |
Audit de récit CEOtudent. Cadre éditorial, non des données d’enquête. Construit à partir de la thèse selon laquelle l’unité opératoire de l’effet de l’IA est la tâche, non le métier.
Deux choses sont délibérées dans ce tableau.
Premièrement, le test que chaque récit échoue est une mesure, pas un argument. On ne raisonne pas pour sortir d’un récit, car le récit est ce qui fait votre raisonnement. Les 16 développeurs de l’essai METR n’ont pas pu raisonner pour sortir du leur alors qu’ils étaient assis sur les données de chronométrage. Ce qui casse un récit, c’est une observation précise, datée, écrite, qu’il n’avait pas prédite.
Deuxièmement, le récit Opérateur n’est pas le récit optimiste. C’est le seul de la liste qui puisse être faux d’une manière que vous remarqueriez. Effondrement, Battage et Spectateur sont, tels qu’ils sont habituellement tenus, non réfutables : le remplacement est toujours à venir, la bulle est toujours sur le point d’éclater, les choses ne se sont toujours pas stabilisées. L’Opérateur formule des affirmations au niveau de la tâche, assez petites pour être vérifiées d’ici vendredi.
C’est la moitié CEO de la thèse travaillant avec la moitié étudiante. Un dirigeant n’a pas besoin d’être optimiste ; il a besoin d’une position révisable par les faits. Un étudiant n’a pas besoin d’être certain ; il a besoin de poursuivre l’expérience. La certitude sans test n’est ni l’une ni l’autre.
Pourquoi l’histoire travaille plus que la technologie
Voyez ce que les quatre récits déterminent réellement.
Ils déterminent les tâches que vous tentez. Celui qui tient l’Effondrement ne construit pas de flux de travail, car construire est inutile si l’issue est fixée. Celui qui tient le Battage ne teste pas, car tester serait une concession. Celui qui tient le Spectateur ne commence pas, car commencer serait prématuré. Les trois aboutissent au même comportement par trois chemins différents : rien ne change dans leur semaine.
Ils déterminent ce que vous remarquez. Une histoire est un filtre avant d’être une conclusion. Si votre histoire dit que les outils sont inutiles, un bon résultat se lit comme un hasard et un mauvais comme une confirmation. Ce n’est pas un défaut de caractère, c’est l’ordinaire biais de première conclusion opérant sur une échelle de temps plus longue.
Ils déterminent ce que vous pouvez entendre des autres. L’effet le plus coûteux d’un récit verrouillé est de faire sonner l’information exacte venant de collègues comme de la panique ou comme un argumentaire de vente, selon le sens dans lequel elle tranche.
Rien de tout cela n’affirme quoi que ce soit sur la capacité réelle des systèmes d’IA. Cette question est ouverte, contestée, et largement hors de votre contrôle. Les expériences que vous menez ce trimestre sont entièrement en votre pouvoir.
L’audit : cinq gestes, environ deux heures
Voici le protocole. Il est délibérément mécanique, car l’auto-examen discrétionnaire est exactement ce que le résultat de METR invite à ne pas croire.
Un. Écrivez votre phrase. Une ligne, dans vos propres mots, sur ce que l’IA signifie pour votre travail dans les trois prochaines années. Ne la polissez pas. La version non polie est celle qui tourne.
Deux. Nommez la prédiction qu’elle contient. Chaque phrase du tableau ci-dessus contient une affirmation sur le monde assortie d’une échelle de temps. Extrayez la vôtre et écrivez l’échelle explicitement. “Bientôt” n’est pas une échelle de temps.
Trois. Écrivez le test de falsification. Que devrait-il se passer, précisément et de façon observable, pour que vous concluiez que votre phrase est fausse ? Si rien ne le pourrait, arrêtez-vous là. Vous n’avez pas une position, vous avez une humeur, et la suite de ce protocole ne peut pas aider.
Quatre. Menez trois tests au niveau des tâches en 30 jours. Pas des tests d’outils, des tests de tâches. Choisissez trois choses que vous faites vraiment, définies assez étroitement pour être chronométrées. Faites chacune une fois avec IA et une fois sans. Notez les temps et l’effort de correction au moment de faire, pas en fin de mois. C’est tout l’objet du journal de décision : la trace doit précéder l’interprétation.
Cinq. Relisez votre phrase face à la trace. Pas face à votre souvenir du mois. Face à l’enregistrement écrit. L’écart entre les deux est la taille de votre piège narratif, et il se mesure comme se mesurait l’écart de 39 points des développeurs.
La plupart de ceux qui font cet exercice trouvent que leur phrase a la bonne direction et une portée radicalement fausse. Les tenants de l’Effondrement trouvent une tâche réellement disparue et onze intactes. Les tenants du Battage trouvent une tâche réellement transformée et le reste inchangé. Les deux découvrent la même chose : la réponse honnête ne se situait jamais au niveau du métier. Elle se situait toujours au niveau de la tâche, là où doit aussi se prendre la décision sur les choix à déléguer et ceux à ne jamais automatiser.
Ce qu’ajoute le tableau mondial
Une correction au cadre américain. L’enquête de Pew dans 25 pays publiée en octobre 2025 a trouvé une médiane de 34 pour cent d’adultes plus inquiets qu’enthousiastes, 42 pour cent également inquiets et enthousiastes, et 16 pour cent plus enthousiastes qu’inquiets. Les États-Unis se situent à l’extrémité pessimiste de cette distribution, aux côtés de l’Italie, de l’Australie, du Brésil et de la Grèce, où environ un adulte sur deux est plus inquiet qu’enthousiaste.
Cela compte pour quiconque lit hors des États-Unis, pour deux raisons. Cela signifie que les données d’opinion américaines ne sont pas une constante mondiale, et que le récit que vous avez absorbé dépend en partie d’où vient votre information plutôt que de ce que fait la technologie. Une histoire présente à 52 pour cent dans un pays et plutôt à un tiers sur 25 pays n’est pas une lecture de la technologie. C’est une lecture d’un environnement médiatique.
La même enquête a trouvé une différence sur laquelle il vaut la peine de s’arrêter : en Corée du Sud, 39 pour cent des personnes les plus informées sur l’IA étaient plus enthousiastes qu’inquiètes, contre 19 pour cent des moins informées. La connaissance tranche différemment selon les lieux. C’est une preuve supplémentaire que l’histoire n’est pas dérivée de l’objet.
Le résumé inconfortable
Les preuves rassemblées ici soutiennent quatre affirmations, pas davantage.
L’inquiétude américaine à l’égard de l’IA a monté une fois, fortement, l’année précédant l’adoption organisationnelle de masse, et est restée plate durant les trois années d’adoption qui ont suivi. Sur cette fenêtre plate, l’adoption par les entreprises a été multipliée par plus de cinq. En cadre contrôlé, les estimations de professionnels expérimentés sur l’effet de l’IA sur leur propre travail étaient fausses d’environ 39 points de pourcentage, dans le sens de leur attente antérieure, immédiatement après les faits. Et une exposition plus forte chez les plus jeunes adultes est allée de pair avec plus de pessimisme sur l’emploi, non moins.
Rien de tout cela ne vous dit s’il faut s’inquiéter. Cela vous dit que ce que vous ressentez actuellement à propos de l’IA n’a probablement pas été produit par des preuves, a peu de chances d’être révisé par des preuves, et décide néanmoins de ce que vous tenterez.
La correction n’est pas une meilleure attitude. C’est une attitude testable. Écrivez la phrase, extrayez la prédiction, attachez le test, menez trois tâches, lisez la trace. Ce qui survit à cela est une position. Tout le reste est une histoire qui prend vos décisions à votre place.
Foire aux questions
Est-ce un plaidoyer pour être plus optimiste à l’égard de l’IA ?
Non. Les preuves présentées portent sur la relation entre croyance et comportement, non sur la croyance qui serait juste. Une vision pessimiste qui formule des prédictions réfutables au niveau des tâches vaut mieux qu’une vision optimiste qui n’en formule aucune. Le récit Opérateur du tableau n’est pas défini par sa conclusion, mais par sa vérifiabilité.
D’où vient l’écart de 39 points de pourcentage ?
C’est la distance entre le résultat mesuré de l’essai METR, à savoir des développeurs mettant 19 pour cent de temps en plus avec les outils d’IA, et la croyance de ces mêmes développeurs après l’étude, selon laquelle l’IA les avait accélérés de 20 pour cent. La soustraction est simple, les chiffres sont ceux de METR. Notez la déclaration de METR de février 2026 selon laquelle le résultat de productivité est périmé et les développeurs sont probablement plus rapides avec les outils de 2026. Ce qui tient, c’est l’écart de perception.
La comparaison Pew et Census prouve-t-elle que l’expérience ne change pas les esprits ?
Elle ne le prouve pas, et l’article ne prétend rien prouver. Les deux séries mesurent des populations différentes, individus et entreprises, avec des instruments différents. Ce que la comparaison établit est plus étroit et néanmoins utile : durant une période de croissance forte et documentée de l’usage organisationnel de l’IA, l’opinion publique nette dans le même pays n’a pas bougé. Toute explication des attitudes publiques envers l’IA doit en rendre compte.
J’utilise déjà l’IA tous les jours. L’audit de récit me concerne-t-il ?
Particulièrement. Un usage intensif est compatible avec les quatre récits, y compris l’Effondrement, où l’usage est résigné, et le Battage, où l’usage est superficiel et non mesuré. Les données par âge de 2026 le rendent concret : le groupe qui utilise le plus les agents conversationnels est aussi celui dont le pessimisme sur l’emploi a le plus augmenté. L’usage n’est pas une position.
Et si mon test de falsification revient et que mon histoire était juste ?
Alors vous avez converti une humeur en constat, ce qui est tout l’objectif. Un pessimisme testé est un actif : il vous dit exactement quel terrain cesser de défendre et lequel tenir. Le mode d’échec visé par cet article n’est pas d’avoir tort. C’est de ne pas pouvoir le savoir.
Sources
Pew Research Center, enquête auprès de 3 488 adultes américains menée du 22 au 28 juin 2026 sur l’American Trends Panel, portant sur l’inquiétude et l’enthousiasme à l’égard de l’intelligence artificielle et sur les attentes concernant l’emploi par tranche d’âge.
Pew Research Center, synthèse des principaux constats sur la vision des Américains de l’intelligence artificielle, mars 2026, incluant l’usage de l’IA au travail et la fréquence d’interaction avec l’IA.
Pew Research Center, enquête auprès d’adultes dans 25 pays sur les opinions relatives à l’intelligence artificielle, publiée en octobre 2025, avec les médianes internationales d’inquiétude et d’enthousiasme.
United States Census Bureau, Business Trends and Outlook Survey, estimations d’usage de l’intelligence artificielle couvrant décembre 2025 à mai 2026, avec ventilations nationale, par taille d’entreprise et par secteur.
Kathryn Bonney, Cory Breaux, Catherine Buffington, Emin Dinlersoz, Lucia Foster, Nathan Goldschlag, John Haltiwanger, Zachary Kroff et Keith Savage, Tracking Firm Use of AI in Real Time: A Snapshot from the Business Trends and Outlook Survey, United States Census Bureau Center for Economic Studies Working Paper CES-24-16, mars 2024.
METR, Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity, essai contrôlé randomisé avec 16 développeurs sur 246 tickets, juillet 2025.
METR, note sur les modifications du protocole de l’expérience sur la productivité des développeurs, février 2026, rapportant la cohorte de suivi de 57 développeurs et plus de 800 tâches ainsi que la position révisée de l’organisation.
Ce contenu a été compilé avec le soutien de l’IA à la suite d’une recherche approfondie, puis rédigé et préparé pour publication par l’équipe éditoriale de CEOtudent.
This post is also available in:
