3 235 répondants chez Deloitte, 1 719 chez McKinsey : la taille d'une enquête dit-elle sa méthode ?

Quand un cabinet de conseil annonce 3 235 répondants, ou 1 719, le chiffre rassure. Autant de réponses ne peuvent pas venir d’une enquête bricolée, se dit-on. C’est ce qu’ont publié Deloitte en janvier 2026 [1] et McKinsey en août 2026 [2], chacun sur l’IA en entreprise.

Ces chiffres finissent dans des notes, des articles, des comités, et celui qui les cite répond de ce qu’ils valent. Nous avons voulu vérifier ce que ces deux documents disent de la façon dont leurs chiffres ont été obtenus.

La réponse courte

Chaque document donne un effectif et des dates. Aucun ne dit comment les répondants ont été trouvés, qui a mené le terrain ni avec quelle marge d’erreur [1][2]. Chacun imprime aussi au moins une base qui ne cadre pas avec ses propres effectifs, sans l’expliquer [1][2]. Et le 32 % de McKinsey sur les logiciels qu’on renonce à acheter est mesuré sur des répondants ; le document le présente aussi comme une part d’organisations, sans dire combien d’organisations ces répondants représentent [2].

Deloitte et McKinsey, deux publics

Commençons par Deloitte. Son rapport « State of AI in the Enterprise » (« l’état de l’IA en entreprise ») est publié par le Deloitte AI Institute, une structure qui dit viser à promouvoir le dialogue et le développement de l’IA, à stimuler l’innovation et à examiner les obstacles à sa mise en œuvre [1]. Ici, « Deloitte » désigne Deloitte Consulting LLP [1]. La mention légale présente le rapport comme une information générale, qui n’est pas un conseil et ne doit pas servir de base à une décision [1].

L’enquête compte 3 235 répondants, du niveau directeur au comité de direction, dans six secteurs et 24 pays, interrogés d’août à septembre 2025 [1]. Ils se répartissent à parts égales entre responsables informatiques et responsables métier [1].

Le champ visé est celui d’organisations « à la pointe de l’IA » : toutes ont au moins une mise en œuvre de l’IA utilisée chaque jour [1]. Chaque répondant devait en outre remplir l’un de quatre critères : influencer les décisions sur l’IA de son organisation, faire partie d’une équipe qui décide, être le décideur final, ou gérer ou superviser des mises en œuvre [1].

Passons à McKinsey. Son rapport « The state of AI in 2026: On the road to ROI » (« l’état de l’IA en 2026 : sur la route du retour sur investissement ») est signé de quatre personnes de McKinsey, dont deux associés seniors, un « senior fellow » et une « associate partner » [2]. Il compte quatre encadrés de commentaire, un par auteur, et se présente comme la dernière édition d’une série de près de dix ans [2].

L’enquête s’est déroulée en ligne du 4 mai au 8 juin 2026, auprès de 1 719 participants dans 97 pays, dont 36 % disent travailler dans une organisation de plus d’un milliard de dollars de chiffre d’affaires annuel [2]. Les données sont pondérées : pour corriger des différences de taux de réponse, chaque pays pèse selon sa contribution au PIB mondial [2].

Les participants viennent de tous niveaux. Parmi ceux qui utilisent l’IA dans leur rôle, 654 relèvent de la catégorie « C-level », 424 sont dirigeants ou cadres supérieurs, 217 cadres intermédiaires et 195 contributeurs individuels [2].

Les deux enquêtes ne parlent donc ni aux mêmes personnes ni à la même époque. Deloitte interroge des responsables du niveau directeur au comité de direction, dans des organisations où l’IA est utilisée chaque jour, d’août à septembre 2025 [1]. McKinsey interroge des participants de tous niveaux, y compris des contributeurs individuels, du 4 mai au 8 juin 2026, avec des données pondérées [2].

D’ailleurs, aucun des deux documents ne cite l’autre [1][2].

Ce qu’on sait, ce qui manque

Mettons les deux méthodes côte à côte.

Tableau 1. Ce que chaque document publie de sa méthode. Sources : [1][2].

Les absences, elles, sont communes. Ni l’un ni l’autre ne publie de marge d’erreur, cette fourchette qui dit de combien un pourcentage peut s’écarter de la réalité [1][2]. Ni test statistique, ni méthode d’échantillonnage, ni questionnaire complet [1][2]. Aucun ne dit comment les répondants ont été trouvés ou contactés, aucun ne nomme l’institut qui a mené le terrain, aucun ne chiffre de taux de réponse [1][2]. Le rapport de Deloitte remercie des spécialistes de Deloitte pour leur contribution à l’élaboration de l’enquête [1].

Deloitte : entretiens et estimations

Deloitte complète son enquête par 15 entretiens avec des dirigeants et des responsables de l’IA de grandes organisations, et dit tirer ses statistiques de son enquête annuelle et de la série « State of AI in the Enterprise » [1]. La liste des interviewés n’est pas publiée, et les propos cités sont attribués à une fonction et à un type d’organisation, sans nom [1].

Plusieurs résultats prennent la forme d’une estimation ou d’une croyance. On demande aux répondants d’estimer la part de leurs expériences d’IA déjà mises en production, c’est-à-dire déployées dans leur organisation, et 42 % des entreprises croient leur stratégie très préparée à l’adoption de l’IA [1]. Les six notes de fin du rapport renvoient toutes à des publications de Deloitte [1].

Trois bases qui détonnent

Deloitte publie l’effectif de chacun de ses 24 pays, et leur somme fait bien 3 235 [1]. Les États-Unis en pèsent 1 200, soit 37,1 % de l’échantillon ; la France 150, le Portugal 15, le Koweït 10, le Qatar 10, Oman 5 [1]. C’est la seule ventilation d’effectifs de l’échantillon entier, car le rapport nomme six secteurs sans en donner l’effectif [1].

Pourtant, sous trois graphiques, la base affichée n’est pas 3 235, ou ne cadre pas avec la répartition du rapport. Les autres graphiques qui affichent une base impriment bien 3 235 [1].

Tableau 2. Les trois bases que Deloitte affiche sans les expliquer. Source : [1].

Le rapport n’explique aucun de ces écarts [1].

Chez McKinsey, un 1 753 de trop

Une note de McKinsey donne 1 753 répondants pour l’enquête de 2025 et 1 521 pour celle de 2026, ce dernier nombre étant celui des répondants dont l’organisation utilise régulièrement l’IA [2]. Or deux graphiques titrés « % des répondants de l’enquête 2026 » et sourcés sur le terrain du 4 mai au 8 juin 2026 affichent 1 753, plus que les 1 719 participants de l’enquête [2]. À l’inverse, un graphique qui montre des séries 2026 n’a pour seule source que l’enquête du 25 juin au 29 juillet 2025 [2]. Le rapport n’explique aucun de ces écarts [2].

Chacun des deux documents imprime donc au moins une base incompatible avec ses propres effectifs [1][2].

Des effectifs qui ne s’additionnent pas

McKinsey assure que ses participants couvrent tout l’éventail des régions, des secteurs, des tailles d’entreprise, des spécialités fonctionnelles et des anciennetés [2]. Mais la répartition des 1 719 par pays ou par secteur n’est pas publiée ; pour la taille, il y a une part pondérée (36 %) et deux effectifs de note qui ne totalisent pas 1 719 [2]. Des effectifs de sous-groupes apparaissent dans les notes de certains graphiques : par taille d’organisation, par secteur, par niveau hiérarchique [2]. Aucun n’est donné par pays [2].

Plusieurs questions ne sont posées qu’aux répondants dont l’organisation utilise régulièrement l’IA. Certaines notes précisent que les données sont ensuite « rebased », c’est-à-dire rapportées à l’échantillon entier ; d’autres ne le disent pas, et le calcul n’est pas expliqué [2]. Pour l’impact sur les coûts et le revenu, les réponses « pas de changement » ou « ne sait pas », entre autres, ne sont pas montrées [2].

Tableau 3. Sommes et rapports que nous avons calculés sur les effectifs affichés par McKinsey. Ces calculs sont les nôtres, pas ceux du document. Source : [2].

Les « high performers » : 6 % de quoi ?

McKinsey appelle « AI high performers », littéralement les « très performants de l’IA », les répondants qui attribuent à l’IA 5 % ou plus de l’EBIT de leur organisation (le résultat avant intérêts et impôts) et déclarent qu’elle lui apporte une valeur « significant », c’est-à-dire significative [2]. Il les chiffre à environ 6 % de tous les répondants, avec 92 répondants contre 1 429 pour les autres [2]. L’impact sur l’EBIT est une attribution déclarée par chaque répondant, dont le calcul n’est pas expliqué [2].

Répondants ou entreprises ?

Chez Deloitte, l’unité est la réponse d’un dirigeant, 3 235 au total [1]. Le texte parle pourtant d’entreprises : 42 % d’entre elles croiraient leur stratégie très préparée à l’adoption de l’IA, alors qu’ailleurs ce sont 25 % des répondants qui disent que leur organisation a mis en production 40 % ou plus de ses expériences d’IA [1]. Le rapport ne dit pas s’il y a un seul répondant par organisation [1].

McKinsey glisse de la même façon. Le même 37 % est une part de répondants dans le texte principal, où ils déclarent que l’IA a contribué positivement à l’EBIT de leur organisation, puis une part d’organisations dans un encadré signé de Dan Tinkoff [2].

Le 32 % suit le même chemin : une part de répondants dans les phrases qui le donnent, une part d’organisations dans un autre passage, où près d’un tiers des organisations déclarent avoir décidé de ne pas acheter au moins un logiciel ou une fonctionnalité [2].

Deloitte compare sans montrer

Deloitte compare ses résultats à ceux de l’an dernier : 25 % des responsables interrogés disent désormais que l’IA a un effet transformateur sur leur entreprise, plus du double des 12 % d’il y a un an [1]. Ailleurs, deux chiffres progressent de 3 et de 6 points de pourcentage depuis le rapport précédent [1]. Mais l’effectif et la composition de l’échantillon antérieur ne sont pas publiés, et toutes les bases affichées portent sur l’enquête de 2025 [1].

Un 50 % à deux versions

Deloitte écrit que l’accès des salariés à des outils d’IA autorisés a progressé de 50 % en un an : de moins de 40 % à environ 60 % dans un passage, de moins de 40 % à moins de 60 % dans l’autre [1].

Un « significativement » sans test

Deloitte affirme que les organisations où la direction façonne activement la gouvernance de l’IA obtiennent une valeur « significativement » supérieure à celles qui la laissent aux seules équipes techniques [1]. Il ne publie ni test, ni intervalle, ni effectif de groupe [1].

McKinsey change de définition

McKinsey a changé sa définition de l’usage de l’IA : en 2017, un usage dans une part centrale de l’activité ou à l’échelle ; en 2018-2019, l’intégration d’au moins une capacité d’IA dans des processus ou des produits ; à partir de 2020, l’adoption de l’IA dans au moins une fonction ; en 2025 et 2026, l’usage régulier dans au moins une fonction [2]. La série compte ainsi quatre définitions successives. Pour l’impact sur les coûts et le revenu, l’édition 2026 mesure au niveau de la fonction, là où les précédentes mesuraient par cas d’usage avant d’agréger [2].

Une note affirme que les échantillons de 2025 et de 2026 se ressemblent assez pour être comparés d’une année sur l’autre, et que l’analyse des 552 répondants présents les deux années a donné des résultats qui reflètent pleinement ceux de l’échantillon entier [2]. Cette analyse n’est pas publiée, pas plus que les caractéristiques jugées semblables [2].

Le 32 % : un tiers de qui ?

Reste le chiffre qu’on retient : près d’un tiers des répondants (32 %) disent que leur organisation a renoncé à acheter au moins un logiciel ou une fonctionnalité parce qu’elle pouvait la construire en interne avec des outils de code dits « agentiques » [2]. Le rapport ne définit pas ces outils ; il définit seulement, pour une autre question, les agents d’IA : des systèmes fondés sur des modèles de fondation, qui agissent dans le monde réel et peuvent planifier et exécuter seuls plusieurs étapes d’un processus de travail [2]. C’est une part de répondants, sur un objet précis : avoir renoncé à au moins un achat [2].

La question n’a été posée qu’aux répondants dont l’organisation utilise régulièrement l’IA dans au moins une fonction, et la note ne dit pas si les résultats sont rapportés à l’échantillon entier [2].

Tableau 4. Valeurs affichées pour le renoncement à l’achat, par secteur, et effectif de chaque secteur. Le total 32 correspond aux « 32 % » du texte. Source : [2].

Les valeurs vont de 41 pour la technologie à 17 pour le secteur public et social [2]. Deux secteurs reposent sur de petits effectifs : 47 répondants pour la santé, 40 pour l’assurance [2].

Parmi les « high performers », près de la moitié déclarent ce renoncement, contre 31 % des autres répondants [2]. Là non plus, ni base ni effectif ne sont donnés pour cette comparaison [2].

Le 32 % dit donc qu’environ un répondant sur trois déclare que son organisation a renoncé à au moins un achat, sur une base que la note ne fixe ni à 1 719 ni à 1 521 [2]. Il ne dit pas ce que cette construction a donné, en réussite, en coût ou en gain.

Ce qu’un lecteur qui doit décider peut en faire

Un chiffre d’enquête se cite avec son unité, sa base et sa date. Selon votre place, la lecture change :

Tableau 5. Lecture par profil. Sources : [1][2].

Mes réserves

• Deux PDF, aucune page HTML. Les constats d’absence portent sur la couche texte des deux PDF. Je ne dis rien de la page HTML de McKinsey.
• Des comptes de chaînes de caractères. Une occurrence à zéro dit qu’une chaîne est absente, pas qu’une idée l’est. Je n’en déduis aucune totalité sur les réserves des documents.
• Deux populations, deux périodes. Les deux enquêtes ne mesurent pas la même chose, et je n’en compare aucun chiffre.
• Des bases dont je ne tranche pas la bonne. Je rapporte les bases imprimées par Deloitte et par McKinsey sans dire laquelle est juste, et sans dire que les pourcentages qu’elles portent sont faux.
• Des effectifs de sous-groupes, pas la composition des 1 719. Les sommes du tableau 3 sont mes calculs, sur des effectifs non pondérés, alors que les parts publiées sont pondérées.
• Un seul document pour le 32 %. Le chiffre vient d’une enquête de déclarations, et sa base n’est fixée ni à 1 719 ni à 1 521.