IA dans le BTP : le vrai défi n'est plus l'accès, c'est l'adoption

En 2025, 10 % des entreprises de la construction utilisaient au moins une technologie d'intelligence artificielle, contre 2 % en 2023. La progression est nette, mais elle cache une question que je me pose depuis le début de ma thèse : quand les outils sont disponibles, pourquoi l'IA change-t-elle encore si peu de choses dans le travail quotidien ?

Je suis chargée de communication en alternance chez Bouygues Bâtiment Nord-Est et je prépare une thèse professionnelle de MBA Marketing Digital à l'EFAP. Sa problématique : dans quelle mesure l'IA permet-elle à une entreprise du bâtiment d'améliorer sa performance opérationnelle et, par ce biais, sa relation client ? Dans cet article, je développe l'un de ses axes : la distance entre avoir accès à l'IA et l'adopter vraiment.

Un secteur qui démarre tard et qui accélère

Ces chiffres viennent de l'enquête TIC-entreprises de l'Insee (Insee Première n° 2120, juillet 2026, entreprises de 10 personnes ou plus). Dans la construction, l'usage de l'IA est passé de 2 % en 2023 à 3 % en 2024, puis à 10 % en 2025.

Un second chiffre m'a davantage marquée : l'écart selon la taille des entreprises. Entre 2023 et 2025, la part d'entreprises utilisatrices est passée de 5 % à 15 % pour celles de 10 à 49 salariés, de 10 % à 31 % pour celles de 50 à 249 salariés et de 21 % à 58 % pour celles de 250 salariés ou plus. L'écart entre petites et grandes structures est ainsi passé de 16 à 43 points.

Les grandes entreprises prennent donc de l'avance. Pour elles, la question n'est plus de savoir si elles ont accès aux outils, mais comment elles les organisent.

Graphique : part des entreprises utilisant l'IA en 2023 et 2025 selon leur taille, Insee
Part des entreprises utilisant l'IA selon leur taille (source : Insee)

Pourquoi le bâtiment est un cas à part

Le bâtiment travaille en B2B, sur des projets longs et chaque fois différents. Les équipes répondent à des appels d'offres, coordonnent de nombreux intervenants et produisent beaucoup de documents. Les données sont nombreuses, mais encore peu structurées. C'est un terrain où l'IA peut aider, par exemple pour rédiger, analyser ou préparer une réponse, mais aussi un terrain où un outil mal cadré fait vite perdre du temps au lieu d'en faire gagner.

La relation client y reste profondément humaine. L'IA n'a donc pas vocation à la remplacer. Ma question est plutôt : en rendant les équipes plus efficaces en interne, que change-t-elle, indirectement, pour le client ?

Le premier obstacle n'est pas technique

Dans la même enquête, 53 % des entreprises utilisatrices citent le manque d'expertise comme premier obstacle, devant la protection des données (43 %) et la clarté juridique (42 %).

Cela rejoint ce que j'entends sur le terrain. Dans mes entretiens, les usages existent, mais ils restent peu encadrés et inégaux selon les équipes. Le manque de temps et de méthode revient plus souvent que l'absence d'outils.

Acculturer ne suffit pas, il faut adopter

Lors d'un entretien avec une responsable data et IA du groupe, une distinction m'a aidée à clarifier mon propos. L'acculturation est le niveau d'entrée : savoir ce qu'est une IA, comprendre comment elle fonctionne et ce qu'elle peut faire. L'adoption va plus loin : l'utiliser réellement, avec des outils mis à disposition, des formations, des référents pour accompagner au quotidien et des méthodes qui vont de l'idée jusqu'à la mise en production et à la maintenance.

La recherche sur l'adoption des technologies va dans le même sens. Le modèle d'acceptation de la technologie de Fred Davis (1989) montre que l'usage dépend de l'utilité perçue et de la facilité d'utilisation perçue, pas seulement de la disponibilité d'un outil. Everett Rogers (2003) rappelle de son côté qu'une innovation se diffuse par étapes, d'abord chez quelques pionniers, puis dans le reste de l'organisation.

Schéma en trois étapes : acculturer, adopter, mesurer l'usage de l'IA en entreprise
Trois étapes pour passer de la sensibilisation à l'usage réel

Trois conditions que j'explore dans ma thèse

Mesurer ce que l'IA apporte vraiment. Les gains de temps que l'on entend souvent sont déclarés, rarement mesurés. Sans point de départ, comme le délai moyen de préparation d'une offre, il est impossible de distinguer un vrai gain d'une impression.

Former et accompagner, sans s'arrêter à la sensibilisation. Les équipes ne se situent pas toutes au même niveau : certaines utilisent l'IA pour converser, d'autres automatisent déjà des tâches, d'autres n'ont pas commencé. Un même discours ne peut pas convenir à tout le monde.

Poser un cadre de confiance sur la donnée. Un outil prototypé en quelques heures n'est pas pour autant fiable. Il faut savoir où il est hébergé, qui le maintient, comment les données sont protégées et où se situe le contrôle humain. Sinon, une équipe peut se retrouver dépendante d'un outil que plus personne ne surveille.

Ce que je ne sais pas encore

Mon hypothèse de départ est que l'IA améliore d'abord le travail interne et que son effet sur la relation client reste indirect. Je ne peux pas encore le démontrer. Il me manque des voix de maîtres d'ouvrage, et de collaborateurs qui n'utilisent pas l'IA, qui sont ceux qui expliquent le mieux les freins. Je les rencontrerai dans les prochains mois.

Si vous travaillez dans le BTP, ou si vous accompagnez l'adoption de l'IA dans une entreprise, j'aimerais avoir votre regard : qu'est-ce qui, chez vous, a fait passer l'IA de l'essai à l'usage régulier ? Écrivez-moi en commentaire ou sur LinkedIn.

Sources

  • Insee, Insee Première n° 2120, enquête TIC-entreprises 2025, juillet 2026.
  • Davis, F. D. (1989), Perceived usefulness, perceived ease of use, and user acceptance of information technology, MIS Quarterly, 13(3), 319 à 340, doi.org/10.2307/249008.
  • Rogers, E. M. (2003), Diffusion of Innovations, 5e édition, Free Press.