Intelligence Artificielle : Les 10 chiffres clés à découvrir dans l’étude ATLAS de Google

Le 6 avril 2026, Google a démarré la collecte d’une première vague de données pour son programme AI & Economy Atlas (ATLAS), un travail destiné à mesurer comment l’Intelligence Artificielle se diffuse dans la vie quotidienne et au travail. L’angle choisi tranche avec les discours abstraits sur la « révolution » de l’IA : l’étude s’appuie sur 15 millions d’interactions anonymisées issues de Gemini, de Google AI Mode et de l’API Gemini, sur une fenêtre courte du 6 au 19 avril, et revendique une couverture large de plus de 800 métiers, 4 000 tâches, 150 pays et 140 langues. Le signal principal est clair : les usages s’installent partout, mais ils s’agrègent sur certains gestes précis (recherche, synthèse, idéation, dépannage) plutôt que sur une automatisation totale. Le rapport met aussi au jour une zone souvent oubliée dans les débats : la majorité des conversations se déroule hors du cadre professionnel, sur des sujets domestiques, administratifs ou de loisirs, avec une valeur économique « invisible » pour les indicateurs classiques. Enfin, ATLAS insiste sur un point sensible : l’adoption suit fortement les revenus, par métier comme par pays, ce qui pose des questions directes de formation, d’accès aux outils et d’appropriation des méthodes de machine learning dans les organisations.

Étude ATLAS de Google : ce que mesurent vraiment les données et pourquoi c’est nouveau

L’intérêt d’ATLAS tient d’abord à sa méthode : il ne s’agit pas d’un sondage déclaratif, mais d’une analyse d’usages observés à grande échelle. Google explique que l’étude exploite 15 millions d’interactions anonymisées issues de trois portes d’entrée distinctes : l’application Gemini, Google AI Mode et l’API Gemini. Cette diversité compte, car les comportements ne sont pas identiques selon le contexte : une application grand public capte davantage d’assistance « du quotidien », tandis qu’une API concentre des flux plus intégrés à des produits et processus. La fenêtre temporelle, du 6 au 19 avril, réduit certains biais saisonniers, mais rend aussi la photo très « instantanée ». Le lecteur doit donc comprendre ATLAS comme un instantané instrumenté, pas comme un recensement exhaustif de l’économie mondiale.

La granularité revendiquée est un second marqueur fort. Google parle de plus de 800 métiers et de 4 000 tâches, ce qui rapproche l’étude d’une cartographie opérationnelle : à l’échelle d’un poste, l’Intelligence Artificielle ne « remplace » pas, elle s’insère par fragments. C’est là que la notion de tâche devient déterminante : un même métier mélange des activités répétitives et d’autres difficiles à formaliser. ATLAS donne un cadre pour distinguer les usages « productivité » (reformulation, résumé, extraction) des usages « expertise » (aide au diagnostic, interprétation, arbitrage). Ce découpage est central pour anticiper les impacts réels sur l’emploi et les compétences.

Le rapport insiste aussi sur un élément que beaucoup d’études abordent superficiellement : la dimension linguistique. Les échanges ne se font pas uniquement en anglais, qui ne représente qu’environ un tiers des conversations mondiales selon ATLAS. Pour des organisations internationales, ce point n’est pas anecdotique : l’IA devient un outil de médiation, de traduction et de mise à niveau documentaire. Dans les faits, la part de conversations menées dans une langue autre que la langue maternelle est presque identique au travail (26 %) et en dehors (24 %). Cela suggère que les besoins de compréhension et de production multilingue se manifestent partout, y compris dans des scénarios personnels comme la préparation d’un voyage, des démarches, ou l’aide à l’apprentissage.

Cette approche par corpus ouvre aussi la voie à une lecture « économie de l’attention ». Par exemple, ATLAS note que 30,6 % des conversations Gemini relèvent des loisirs et de la détente. Ce chiffre rappelle qu’une plateforme d’IA généraliste n’est pas qu’un outil professionnel : elle sert à explorer, planifier, raconter, créer. Pour les entreprises qui déploient des assistants, cela a une implication concrète : la frontière entre usage privé et usage de travail devient plus poreuse, et les politiques internes (accès, sécurité, formation, bonnes pratiques) doivent intégrer ce continuum au lieu de supposer deux mondes étanches.

Dans un contexte de transformation numérique, cette disponibilité permanente a un revers : sans cadre, l’outil devient un « réflexe » non documenté. Pour éviter cela, une démarche utile consiste à formaliser des cas d’usage, des règles de qualité et des points de contrôle. Sur les sujets de recherche conversationnelle et d’architecture d’expérience, des repères existent déjà, notamment via des guides sur la recherche conversationnelle (AI), qui détaillent les enjeux de requêtes, de contexte et de restitution. ATLAS fournit un matériau chiffré, mais l’industrialisation passe ensuite par des choix de design, de gouvernance et de métriques.

Sur le plan de la technologie, le rapport met indirectement en avant la montée de la multimodalité (texte, image, vidéo). Quand les interactions incluent des médias, cela change la nature de l’aide fournie : on passe de la « réponse » à la « lecture » d’un document, d’un schéma, d’une capture d’écran. Cette évolution dépend fortement des environnements de travail, des politiques de confidentialité et des outillages. Un service IT, un cabinet de conseil ou un atelier de maintenance n’exposent pas les mêmes données, ni les mêmes risques. ATLAS, ici, sert de révélateur des usages qui progressent, y compris là où ils étaient inattendus.

Les 10 chiffres clés de l’étude ATLAS : lecture opérationnelle pour comprendre l’adoption de l’Intelligence Artificielle

Les « chiffres clés » d’ATLAS ne sont pas des curiosités statistiques : ils décrivent des mécanismes d’adoption et des asymétries très concrètes. Le premier bloc concerne le travail : l’adoption de Gemini touche 68 % des métiers, ce qui correspond à 90 % de l’emploi total aux États-Unis selon la lecture du rapport. En pratique, cela signifie que l’IA s’invite dans presque toutes les organisations, y compris par des usages informels. Mais une autre donnée change l’interprétation : au sein d’un même poste, l’outil n’est utilisé en moyenne que pour 21 % des tâches. L’impact n’est donc pas homogène ; il se concentre sur des segments de l’activité, souvent là où la rédaction, la synthèse, la recherche d’information ou la mise en forme prennent du temps.

Deux chiffres cadrent la question de l’automatisation : moins de 10 % des interactions professionnelles visent une automatisation complète, et les tâches cognitives non routinières comptent pour 65 % des échanges, contre 35 % de leur poids « réel » dans l’économie selon l’analyse. En clair, l’Intelligence Artificielle est davantage sollicitée sur des tâches de réflexion, de cadrage et d’idéation que sur des gestes strictement répétitifs. Pour la transformation numérique, cela impose de revoir les plans de montée en compétences : former uniquement aux prompts « basiques » sous-exploite l’outil, tandis que former à l’évaluation de sources, au raisonnement, à la vérification et à l’itération augmente la valeur produite.

ATLAS ajoute un indicateur utile pour l’analyse des métiers : seuls 3 % des métiers montrent un usage de l’IA sur plus de 75 % de leurs tâches, avec des exemples cités comme l’assurance qualité logicielle, certaines fonctions RH et la gestion documentaire. L’idée à retenir est que l’« intensité » d’usage reste rare. Pour les directions, cela aide à prioriser : un déploiement généralisé ne doit pas être confondu avec une automatisation généralisée. Les budgets, le ROI et les risques se pilotent à la maille des tâches où l’IA intervient réellement.

D’autres chiffres éclairent des zones moins visibles. Dans 29 % des métiers, aucune tâche n’atteint un seuil d’usage significatif, et le rapport cite des exemples comme les enseignants spécialisés ou les sages-femmes. À l’opposé, certains métiers de bureau restent surreprésentés, notamment les analystes financiers, les développeurs de logiciels et les administrateurs réseaux et systèmes. Cette polarisation invite à ne pas plaquer le même plan d’accompagnement partout. Les métiers peu exposés ont souvent des contraintes de terrain, de réglementation ou d’environnement matériel qui rendent l’outil moins accessible, même si la valeur potentielle existe.

La temporalité d’usage est un autre signal : près de la moitié des consultations IA liées à la santé, au droit, à la finance ou aux services publics ont lieu en dehors des horaires de bureau. Cela renvoie à des comportements simples : les démarches administratives se font le soir, les inquiétudes de santé surviennent à tout moment, la comparaison de contrats ou la compréhension d’un document juridique se fait souvent à la maison. Pour les acteurs publics comme pour les entreprises de service, cet usage « hors horaires » pousse à revoir l’assistance, la clarté documentaire et les parcours numériques.

ATLAS fournit aussi des éléments régionaux et linguistiques. Les conversations professionnelles au Moyen-Orient comportent en moyenne 35 % d’échanges de plus que dans le reste du monde, signe d’un engagement plus poussé. Le rapport note également que, malgré leur poids dans les diplômés STEM au niveau mondial, l’Inde et la Russie figurent parmi les pays où l’adoption reste faible selon ce périmètre de mesure. Ces signaux ne se traduisent pas automatiquement en « retard » : ils peuvent refléter des choix d’outils, des préférences de plateformes, des contraintes d’accès, ou des facteurs réglementaires. Pour une entreprise internationale, l’enseignement est opérationnel : un même produit d’IA ne s’adopte pas au même rythme partout.

Pour stabiliser cette lecture, la liste suivante synthétise les 10 chiffres clés mentionnés dans le rapport, avec leur implication pratique.

• Environ un tiers des conversations mondiales en anglais : planifier le multilingue et les contrôles qualité par langue.
• 15,9 % d’usages créatifs dans les pays non OCDE contre 9,4 % dans l’OCDE : les priorités d’outillage (image, vidéo, design) divergent selon les marchés.
• 3 % des métiers au-dessus de 75 % de tâches couvertes : l’intensité d’adoption reste exceptionnelle.
• Près de la moitié des demandes santé/droit/finance/services publics hors horaires : renforcer les parcours de selfcare et la lisibilité des documents.
• 29 % des métiers sans usage significatif : l’accès et la pertinence de l’IA ne sont pas uniformes.
• Multimodalité professionnelle environ 2× plus fréquente hors OCDE : préparer des workflows image/vidéo selon les régions.
• 26 % de conversations au travail dans une langue non maternelle (contre 24 % hors travail) : besoin transversal de traduction et reformulation.
• 35 % d’échanges supplémentaires au Moyen-Orient : prévoir des capacités et des modèles d’accompagnement adaptés.
• Adoption faible en Inde et en Russie (selon ATLAS) : éviter les hypothèses uniformes de diffusion des outils.
• Indice de représentation 2,6 pour les tâches cognitives demandant le moins d’expertise (contre 1,6 à 1,8 pour les niveaux supérieurs) : l’IA sert beaucoup à accélérer des tâches « intermédiaires » plutôt qu’à remplacer des expertises rares.

Ces chiffres orientent une stratégie : cartographier les tâches, mesurer l’adoption réelle et investir là où le couple « fréquence × valeur » est le plus fort, sans surestimer l’automatisation complète.

Pour un éclairage vidéo grand public sur les tendances IA et leur diffusion dans les usages, ce type de décryptage aide à relier les statistiques à des scénarios concrets.

Au travail : collaboration, tâches non routinières et exposition des métiers, ce que l’étude ATLAS dit de l’automatisation

ATLAS insiste sur une correction importante d’un récit très répandu : l’Intelligence Artificielle ne « robotise » pas mécaniquement les métiers de bureau. La donnée structurante est la suivante : adoption large, mais usage partiel. Quand 68 % des métiers sont touchés, on pourrait conclure à une bascule globale. La moyenne de 21 % des tâches réellement assistées par l’IA dans un poste donne une image différente : le plus souvent, l’outil s’insère sur des étapes ciblées, puis laisse l’humain faire l’arbitrage, le contrôle et la décision. Cette configuration correspond à une logique de collaboration, où l’IA sert à accélérer la préparation et à augmenter la bande passante cognitive.

Dans les interactions professionnelles, ATLAS observe une forte proportion de tâches cognitives non routinières (65 %). Ce chiffre est important pour la formation interne : si l’outil est surtout sollicité sur des activités de réflexion, alors le problème n’est pas seulement « comment demander », mais « comment cadrer ». Un service marketing utilise l’IA pour explorer des positionnements, un DSI pour comparer des options d’architecture, un responsable conformité pour clarifier un corpus de règles. Les livrables produits par le modèle doivent être vérifiés, sourcés quand nécessaire, et alignés sur le contexte. Le machine learning apporte des probabilités, pas des garanties ; les processus doivent le refléter.

Le rapport souligne que les métiers de bureau restent les plus exposés. Les exemples mentionnés par Google incluent les analystes financiers, les développeurs de logiciels et les administrateurs de réseaux et de systèmes. Ce trio n’a rien d’étonnant : ce sont des métiers où l’écrit est omniprésent, où la recherche d’informations techniques est continue, et où les artefacts (code, configurations, rapports) se prêtent à l’assistance. Pour les développeurs, l’IA sert à générer une première version de fonction, à expliquer un message d’erreur, à proposer un plan de tests. Pour les équipes infra, elle peut aider à interpréter des journaux, rédiger des procédures, ou produire des checklists de diagnostic.

Une implication concrète concerne l’organisation du travail. Quand une équipe gagne du temps sur la rédaction, elle réalloue souvent ce temps vers la coordination, la revue, ou la production de variantes. Les indicateurs de performance doivent suivre. Mesurer uniquement la réduction du temps passé sur une tâche peut masquer des bénéfices réels (meilleure qualité, meilleure couverture, documentation plus à jour) ou des dérives (standardisation excessive, oubli de vérification). C’est ici que l’« adoption » doit être instrumentée : taux d’usage, mais aussi taux de correction, taux de relecture, incidents qualité.

Dans la pratique, des méthodes émergent pour sécuriser l’usage. Une approche simple consiste à séparer les usages en trois niveaux : assistance rédactionnelle (faible risque), aide au raisonnement (risque moyen) et production de recommandations décisionnelles (risque élevé). Chaque niveau appelle des garde-fous différents : modèles autorisés, données autorisées, relectures obligatoires, conservation des échanges. Sur les enjeux de visibilité et de production de contenu, certains retours d’expérience détaillent aussi la relation entre IA et référencement, comme l’IA appliquée au SEO, à condition d’intégrer une logique de qualité éditoriale et de contrôle.

Enfin, l’étude révèle un phénomène souvent sous-estimé : près de la moitié des consultations IA liées à la santé, au droit, à la finance ou aux services publics se produisent en dehors des horaires de bureau. Dans l’entreprise, cela se traduit par des usages « périphériques » : un salarié prépare une lettre, clarifie une clause, comprend un formulaire, ou simule un budget. Les RH et les directions juridiques ont intérêt à proposer des ressources internes claires, car l’IA devient un intermédiaire entre l’utilisateur et les documents, avec des risques de mauvaise interprétation si les sources sont faibles ou incomplètes.

Le pilotage de l’IA au travail se joue donc sur des détails : tâche par tâche, flux par flux, avec une gestion explicite de la qualité et des droits d’accès aux données.

Un second éclairage vidéo, plus orienté usages et outils Gemini, aide à relier les pratiques quotidiennes aux tendances mesurées par ATLAS.

Hors travail : 86 % des interactions, la valeur cachée et le rôle des loisirs dans l’adoption de l’IA

Un des apports les plus instructifs d’ATLAS porte sur ce qui se passe en dehors de l’entreprise. Google rappelle que plus de 86 % des interactions avec ses outils d’Intelligence Artificielle ont lieu hors du cadre professionnel. Cette proportion est décisive, car elle contredit une lecture « uniquement productivité » : l’IA s’installe d’abord comme un outil de la vie quotidienne, puis s’invite au travail. Les usages domestiques incluent l’organisation, la compréhension de documents, l’aide à l’apprentissage, la planification, et une part importante de divertissement. Le rapport donne un chiffre précis sur Gemini : 30,6 % des conversations relèvent des loisirs et de la détente.

Cette répartition a des conséquences concrètes pour l’innovation produit. Les utilisateurs attendent une IA qui sait expliquer, reformuler et guider, même quand l’objectif n’est pas de produire un livrable. Cela touche des sujets très variés : préparer un itinéraire, comparer des options, trouver une idée de recette, comprendre une notice, ou organiser un projet personnel. L’adoption est donc tirée par des micro-besoins récurrents, et pas uniquement par de grands cas d’usage. Pour les entreprises qui lancent un assistant interne, ce point est utile : la courbe d’apprentissage des salariés est souvent alimentée par leurs usages personnels, ce qui accélère certains déploiements… et crée aussi des écarts de pratiques selon les profils.

ATLAS va plus loin en proposant une quantification économique de cette « valeur cachée ». Google indique que, selon les hypothèses retenues dans le rapport, cette valeur pourrait atteindre 149 milliards de dollars par an aux États-Unis, sans apparaître dans le PIB. Ce n’est pas un chiffre à lire comme une certitude comptable ; il sert à matérialiser un phénomène : du temps est économisé, des erreurs sont évitées, des démarches sont simplifiées, mais les indicateurs macro classiques n’en captent qu’une partie. Ce décalage explique pourquoi certaines organisations sous-estiment l’impact social de l’IA : l’effet est diffus, réparti sur des millions d’actions, souvent invisibles dans les tableaux de bord traditionnels.

La montée des usages créatifs illustre aussi ce basculement. ATLAS note que les métiers de la création pèsent 70 % de plus dans les usages de l’IA des pays non OCDE (15,9 %) que dans ceux de l’OCDE (9,4 %). Cette différence est un signal de marché : dans certains contextes, la création assistée (visuels, scripts, formats courts) sert d’accélérateur d’activité pour des indépendants, des petites équipes ou des secteurs où la production de contenu est une porte d’entrée économique. Cela recoupe l’écosystème des générateurs d’images, qui s’est industrialisé très vite, avec des enjeux de droits, de contrôle qualité et de cohérence de marque, comme le montre un panorama de générateurs d’images IA fréquemment utilisés.

La place du multilingue, déjà visible au travail, se confirme hors travail. Une personne peut converser dans une langue non maternelle pour apprendre, pour préparer un échange, ou pour produire un document. Le rapport chiffre cette part à 24 % hors travail, un niveau proche des 26 % observés en contexte professionnel. Pour les concepteurs de services, cela justifie des interfaces de correction, de glossaire et de contextualisation. Pour les acteurs de l’éducation, cela confirme que l’IA devient un outil d’accompagnement, avec une nécessité de pédagogie sur les limites, les erreurs possibles et la vérification.

Cette adoption « grand public » a aussi un impact indirect sur les organisations : les demandes d’assistance attendent une réponse rapide, structurée, et actionnable. Quand l’outil devient l’intermédiaire principal de compréhension, les documents mal rédigés, les procédures ambiguës et les formulaires opaques coûtent plus cher. Améliorer la qualité documentaire devient un chantier d’innovation à part entière, car une IA performante amplifie ce qui est clair… et expose ce qui ne l’est pas.