Les PMI-ETI en quête de productivité

En tête – Préface

Depuis plus de dix ans, la question de la productivité hante le débat économique français. Elle revient cycliquement, souvent sous la forme d’un diagnostic sévère, parfois comme un procès à charge contre nos entreprises, notre modèle social ou notre capacité collective à nous transformer. Ce rapport apporte un éclairage bienvenu, rigoureux et nuancé, qui mérite d’être lu avec attention – et surtout d’être pris au sérieux.

Son premier mérite est de rompre avec une idée reçue tenace : non, les entreprises industrielles françaises ne sont pas massivement « en retard » dans l’adoption des technologies numériques et industrielles avancées (les technologies « du futur » ou « 4.0 ») par rapport à leurs voisines européennes. Les comparaisons internationales présentées ici montrent une réalité plus contrastée, parfois même flatteuse. Elles précisent également qu’il faut veiller à ne pas surinterpréter des résultats d’enquête qui, par construction, sont toujours indicatifs à plusieurs points de pourcentage près.

Le deuxième mérite de ce travail est plus important encore : il nous met en garde contre une illusion de confort. Le risque principal auquel l’industrie française fait face n’est pas tant un retard hérité du passé qu’un décrochage possible à moyen terme. Les intentions d’investissement des entreprises françaises apparaissent moins dynamiques que celles de leurs concurrentes, et les signaux d’attentisme sont nombreux parmi les PME et ETI industrielles. Or, dans un monde où les trajectoires technologiques s’accélèrent, l’écart entre pionniers et retardataires surgit souvent brutalement.

C’est là un point fondamental. L’histoire économique montre que les vagues technologiques ne sanctionnent pas d’abord ceux qui partent de loin, mais ceux qui s’arrêtent trop tôt. Les technologies dites « 4.0 » – et plus récemment l’intelligence artificielle – ne récompensent pas seulement l’audace initiale ; elles exigent de la constance, de la profondeur, et une capacité à investir dans la durée. Ce rapport le montre très clairement : l’investissement technologique est un processus cumulatif, indissociable de transformations organisationnelles et de montées en compétences.

En tant que directeur général de Bpifrance, je mesure chaque jour à quel point cette réalité est exigeante pour les entreprises. Investir dans un contexte de volatilité géopolitique, de tensions sur les marges, de transition énergétique et de mutation des compétences n’a rien d’évident. L’attentisme est humain, parfois rationnel à court terme. Mais il devient dangereux lorsqu’il se généralise.

C’est pourquoi le message central de ce rapport doit être entendu : l’effort d’investissement doit s’intensifier, non pas dans une logique de rattrapage paniqué, mais dans une logique d’anticipation stratégique. Les entreprises françaises ont des atouts considérables : des savoir-faire industriels reconnus, une capacité d’ingénierie de haut niveau, des produits de qualité. Mais ces atouts ne produiront leurs effets que si nous continuons à investir, à expérimenter, à transformer.

L’étude insiste à juste titre sur un point souvent mal compris : la technologie ne produit pas de gains de productivité « clés en main ». Les entreprises qui réussissent sont celles qui articulent investissement matériel, transformation des processus et développement des compétences. Ce constat est au cœur de l’action que l’État mène depuis plusieurs années, et à laquelle Bpifrance contribue pleinement.

Heureusement, la France n’est pas restée inactive. Depuis plus d’une décennie, des politiques publiques ambitieuses ont été déployées pour soutenir l’investissement productif et la modernisation industrielle : programmes d’investissements d’avenir, plan France 2030, soutien à la robotisation, à la digitalisation, à l’industrialisation des innovations, accompagnement des transitions écologique et numérique… Ces politiques ont été renforcées, ciblées, adaptées aux réalités des entreprises.

Bpifrance est au cœur de cet écosystème. Chaque année, nous accompagnons des milliers d’entreprises industrielles, de la PME à la grande ETI, par le financement, la garantie, l’investissement en fonds propres, mais aussi par le conseil et l’accompagnement stratégique. Nous avons appris que l’argent seul ne suffit pas. C’est pourquoi nous avons développé des dispositifs d’accompagnement à la transformation, au management de l’innovation, à la montée en compétences, en lien étroit avec les régions et les filières.

Les résultats sont là. De nombreuses entreprises ont franchi un cap, modernisé leurs outils de production, renforcé leur positionnement à l’export, amélioré leur résilience. Mais ce rapport nous rappelle avec force que le chemin n’est pas terminé, et que l’effort doit être poursuivi, amplifié, partagé.

Ce rapport pointe également une spécificité française préoccupante : la proportion d’entreprises qui déclarent ne pas se sentir concernées par certaines technologies est bien plus élevée que chez nos voisins. Ce n’est pas un problème de lucidité individuelle ; c’est un signal collectif. Il nous oblige, pouvoirs publics, institutions financières, acteurs de l’accompagnement, à redoubler d’efforts pédagogiques, à mieux expliquer, à mieux démontrer, à mieux partager les retours d’expérience. La transformation industrielle ne se décrète pas ; elle se construit par la preuve.

La productivité n’est pas une question technocratique. Elle conditionne notre capacité à financer notre modèle social, à réussir la transition écologique, à maintenir une industrie forte sur le territoire, à offrir des emplois qualifiés et attractifs. Investir dans la modernisation industrielle, c’est investir dans la souveraineté économique du pays. Au demeurant, l’IA va actualiser la question de la productivité dans des proportions vertigineuses.

Ce rapport apporte des faits, des analyses, des mises en perspective précieuses. Il ne donne pas de recettes simplistes, et c’est tant mieux. Il appelle à un surcroît d’effort, de lucidité et de constance. C’est un message que je partage pleinement.

À nous désormais – entreprises, État, financeurs publics, partenaires sociaux – de transformer ces enseignements en actions concrètes. Le temps n’est pas à l’autosatisfaction, mais il n’est pas non plus au défaitisme. La France dispose des moyens de réussir sa transformation industrielle. Encore faut-il continuer à investir, aujourd’hui, pour ne pas décrocher demain.

Nicolas Dufourcq
Directeur général de Bpifrance

Pour résumer

Voilà plus de trente ans que la productivité occupe une place centrale dans le débat économique en France et en Europe. Alors que les technologies numériques franchissent souvent plusieurs générations en une décennie, les gains de pro- ductivité ne cessent de ralentir, rendant toujours plus difficiles l’entretien de notre compétitivité extérieure et le maintien d’une croissance à long terme. La crise sanitaire de 2020 puis les chocs successifs liés à l’énergie, aux tensions géopolitiques et aux ruptures d’approvisionnement, ont particulièrement entamé la productivité de l’économie française : après une stagnation prolongée, plus marquée que dans les autres pays, elle semble s’être récemment redressée. Mais cette embellie reste fragile, inégale selon les secteurs, et insuffisante pour répondre aux défis de long terme.

C’est dans ce contexte que s’inscrit le présent ouvrage, qui propose d’examiner les dynamiques de diffusion des technologies numériques industrielles avancées, communément regroupées sous le terme d’industrie « 4.0 ». Issu d’un travail conjoint de La Fabrique de l’industrie et de McKinsey, avec le concours d’Ipsos, ce livre s’appuie sur une enquête originale menée auprès d’environ 1 200 PMI et entreprises de taille intermédiaire, en France, en Allemagne et en Italie, concernant leur niveau d’équipement dans 14 technologies 4.01. Il combine une revue approfondie de la littérature économique et des données empiriques inédites, afin de répondre à la question suivante : l’industrie française est-elle dans la course en matière d’équipements numériques, et quels sont les principaux facteurs qui facilitent ou, au contraire, qui freinent leur adoption ?

Technologies numériques et productivité : un paradoxe seulement en apparence

Le premier chapitre décrit le socle scientifique sur lequel s’appuie cette réflexion. Le contraste entre les progrès rapides de l’informatique et la stagnation de plus en plus marquée des gains de productivité a ouvert un débat au début des années 1990, souvent résumé sous le nom de « paradoxe de Solow ». En réalité, sans doute du fait de la célébrité de son auteur, la formulation de la question (« pourquoi observe-t-on des gains de productivité de plus en plus faibles alors que les technologies numériques se diffusent massivement ? ») a largement surpassé en notoriété les nombreuses réponses qui y ont été depuis apportées. De sorte qu’on ignore parfois qu’il n’y a, en réalité, pas de paradoxe de la productivité.

Comme le montre ce chapitre introductif, les études empiriques convergent massivement sur plusieurs points essentiels. D’abord, sans l’ombre d’un doute, les technologies de l’information et de la communication (TIC) ont bien un effet positif sur la productivité des entreprises qui les adoptent. Certes, à l’échelle d’un pays entier, cet effet est un peu différé dans le temps, si bien qu’il aura fallu plusieurs années pour l’observer de manière robuste. Cela étant, il aura été plus rapide et plus important que celui des grandes révolutions technologiques précédentes, à savoir la vapeur puis l’électricité.

En revanche, il est important de retenir que cet effet ne survient pas de manière uniforme ni universelle. D’abord, cet effet est conditionnel : les TIC ne génèrent des gains durables de performance que lorsqu’elles sont combinées à des changements organisationnels (réorganisation des processus, nouvelles formes de coordination) et à une montée en compétences des salariés. On peut même affirmer que la productivité repose non pas sur la technologie seule mais sur ce triptyque : technique, organisation, compétences.

Probablement pour cette raison, mais aussi en fonction d’effets cumulatifs propres à la technique elle-même, il en découle que les gains de productivité ne se diffusent pas uniformément dans les entreprises, quand bien même les technologies sont a priori connues et accessibles par toutes. Les entreprises les mieux organisées, disposant d’un capital humain solide et d’une capacité d’investissement suffisante, ainsi que celles qui se sont engagées de bonne heure dans un processus de modernisation, tirent davantage profit des technologies, tandis que les autres peinent à en capter les bénéfices. Il en résulte une dispersion accrue des performances entre entreprises, au sein de chaque secteur d’activité, phénomène documenté dans les travaux portant sur les écarts de productivité (productivity gap).

Par ailleurs, un résultat important de la littérature est que les gains de productivité imputables aux TIC ont été sensiblement plus importants aux États-Unis que dans le reste du monde. Cet écart appelle deux commentaires. D’une part, il est quasiment intégralement imputable au secteur tertiaire : si les industries américaine et européenne ont suivi des trajectoires de productivité relativement comparables, il n’en va pas de même du secteur des services, dont les gains de productivité ont été beaucoup plus rapides aux États-Unis. D’autre part, l’analyse des filiales européennes d’entreprises américaines démontre que ces dernières ont fait preuve d’un talent particulier – et notamment d’une meilleure performance organisationnelle – pour tirer parti de ces technologies en matière de productivité.

Un débat réalimenté par la mobilisation mondiale en faveur de l’industrie « 4.0 »

Le deuxième chapitre de l’ouvrage s’attarde ensuite sur les technologies regroupées sous l’appellation d’industrie 4.0. Popularisé au début des années 2010, ce concept initialement forgé en Allemagne renvoie à l’intégration accrue du numérique dans les processus industriels et notamment dans les machines-outils : automatisation avancée, exploitation des données, interconnexion des machines, simulation et virtualisation des systèmes productifs.

Sa formalisation repose sur un double postulat. D’une part, l’exploitation des données produites par ces machines lors des phases de production et d’acheminement devrait permettre des gains substantiels de productivité. D’autre part, si les industriels ne s’emparent pas d’urgence de cette opportunité, ce sont leurs offreurs de services numériques (donc les GAFAM, pour simplifier) qui vont rapidement en capter la valeur, peut-être aussi en s’interposant entre les producteurs et leurs clients, un peu à l’image de ce qu’une startup comme Booking a réussi dans le secteur de l’hôtellerie. Les industriels allemands ont donc su convaincre leur gouvernement de lancer un vaste programme de soutien à l’investissement, sous le nom d’Industrie 4.0, gouvernement rapidement imité par ses homologues de l’OCDE.

Parmi les technologies faisant partie de ce « bouquet » de l’industrie du futur (appellation française de l’Industrie 4.0 allemande), et étudiées dans la présente enquête, figurent notamment le cloud computing, l’analyse de données et l’intelligence artificielle, la robotique avancée, la fabrication additive, l’Internet des objets, les jumeaux numériques, la réalité virtuelle et augmentée, ainsi que les technologies de cybersécurité et d’efficacité énergétique. Chacune de ces technologies porte des promesses d’amélioration de la productivité : amélioration de la qualité, réduction des coûts, flexibilité accrue, personnalisation de la production, meilleure anticipation des pannes ou des besoins clients.

L’industrie 4.0 a fait la preuve de son utilité, en matière de productivité des entreprises, à peu près dans les mêmes termes et de la même manière que l’informatique avant elle. Si ses effets ont mis quelques années avant d’être observables, ils ne font aujourd’hui plus de doute. En particulier, ces technologies permettent aux entreprises de tirer un meilleur parti des chaînes de valeur dans lesquelles elles s’insèrent, de gérer de plus vastes gammes de produits et de services sans être pénalisées par le coût de cette complexité, etc. Par ailleurs, ses effets sont, comme pour le reste des TIC, cumulatifs et dépendants des choix organisationnels des entreprises. Il en résulte en particulier que l’accès aux technologies et à ses bénéfices en matière de productivité est généralement plus difficile pour les PMI que pour les plus grandes entreprises.

On peut craindre que les différentes crises des années 2020, respectivement du Covid puis des approvisionnements et de l’énergie, aient obéré la mobilisation autour de l’industrie du futur, du moins en Europe. En effet, le concept semble avoir perdu en popularité, et les politiques publiques associées ont pu être remplacées par des plans de relance et de sauvegarde de l’économie à plus faible visée technologique. On observe d’ailleurs en Allemagne des signes de désinvestissement dans le « 4.0 » de la part des entreprises. C’est pourquoi cet ouvrage propose un point d’étape sur ce sujet.

Une enquête comparative inédite menée auprès des PMI et ETI industrielles

Le cœur de cet ouvrage repose sur une enquête de grande ampleur menée en 2025 auprès de 1 198 entreprises industrielles de 10 à 5 000 salariés, en France, en Allemagne et en Italie. Quatorze technologies ont été analysées, regroupées en trois grandes familles : les technologies liées aux données et au calcul (cloud, analytique avancée, machine learning, IA générative), les technologies d’optimisation des processus productifs (réalité virtuelle, réalité augmentée, robotique, impression 3D, jumeaux numériques) et les technologies transverses (informatique quantique, cleantech, Internet des objets, stockage d’énergie et cybersécurité).

Les résultats montrent d’abord que l’adoption des technologies 4.0 reste limitée dans l’ensemble. À l’exception du cloud et de la cybersécurité, largement diffusés, la plupart de ces technologies avancées ne concernent qu’une minorité d’entreprises industrielles. L’intelligence artificielle générative, la réalité virtuelle ou encore les jumeaux numériques demeurent ainsi relativement peu répandus.

En termes comparatifs, l’enquête montre également que les taux d’adoption sont relativement similaires dans les trois pays étudiés, à technologie donnée. Naturellement, on peut observer au cas par cas des écarts, soit à la faveur soit à la défaveur de la France, mais ces résultats n’accréditent pas l’idée d’un retard généralisé, ni pour la France ni pour ses deux voisins. On peut d’ailleurs étendre ce constat au Royaume-Uni, qui vient de publier des enquêtes analogues et dont les résultats sont repris à titre comparatif.

Il faut noter à ce sujet que cet ouvrage, comme différentes enquêtes internationales comparables dont les résultats sont rappelés, consiste à relever un décompte binaire des entreprises équipées ou non équipées : cet indicateur ne dit donc rien de l’intensité de leur équipement (nombre de machines par unité de chiffre d’affaires, par exemple), ni de son niveau de modernité (âge du parc machine ou niveau de performance des robots…). Cela étant, les comparaisons détaillées dans le rapport montrent que ces résultats sont globalement robustes : les niveaux d’équipement des principales industries européennes sont donc assez voisins, du moins pour ce qui concerne les PMI-ETI entre 50 et 5 000 salariés. Il convient en outre de préciser que, pour la plupart de ces enquêtes, même « lourdes » et coûteuses, il n’est pas rare que les échantillons d’entreprises industrielles, pour un pays ou un secteur donnés, représentent de l’ordre de 200 entreprises : statistiquement, cela entraîne que les réponses obtenues sont le plus souvent significatives à plus ou moins 6 voire 8 points de pourcentage près. Il est donc important de ne pas surinterpréter les écarts observés entre pays, même au sein d’une même enquête.

Les seuls segments technologiques sur lesquels on puisse parler aujourd’hui d’un probable retard français au regard de nos deux voisins sont ceux de l’Internet des objets, des cleantechs et du stockage d’énergie. Par ailleurs, notre enquête rapporte une possible avance française en matière d’équipement robotique, mais ce résultat est à interpréter avec précaution compte tenu des réserves méthodologiques rappelées ci-dessus (un rapport équivalent de la BEI aboutit plutôt à une parité d’équipement entre ces trois pays). En tout état de cause, la thèse d’un retard français en matière de robotique, souvent reprise et commentée, ne vaut que lorsqu’on dénombre non pas le taux d’entreprises équipées mais le nombre de robots installés par salarié. En outre, cet écart entre la France et d’autres pays s’explique essentiellement par un effet de composition : les robots industriels étant installés principalement dans trois secteurs d’activité (la production de biens électroniques, l’automobile et la production de biens d’équipement), c’est parce que ces secteurs d’activité sont faiblement représentés au sein de l’industrie française que celle-ci, et avec elle toute l’économie française, font apparaître un taux moyen de robots installés par salarié plus faible qu’ailleurs. Il est donc juste d’affirmer que, au sein de l’économie française, les secteurs d’activité les plus robotisés sont faiblement représentés ; en revanche, à ce jour, à secteur donné et toutes choses égales par ailleurs, les entreprises françaises ne sont pas sous-robotisées au regard de leurs comparables, moyennant les précautions méthodologiques précédentes.

Cela étant, l’enquête montre aussi que les entreprises françaises se distinguent par des perspectives d’investissement à court ou moyen terme – c’est-à-dire d’ici 12 mois et d’ici 2030 respectivement – nettement plus faibles que les entreprises des deux pays voisins. De sorte que, s’il n’y a pas d’argument solide pour parler aujourd’hui d’un retard des entreprises industrielles françaises en matière d’équipement 4.0, ce rapport met en avant des résultats probants et significatifs laissant indiquer qu’un tel retard pourrait survenir dans les années qui viennent. Dans l’ensemble, que ce soit entre ces trois pays comme entre les différents secteurs d’activité de l’industrie française, les taux d’équipement dans chaque technologie vont plus souvent s’écarter les uns des autres que converger vers des valeurs moyennes. Autrement dit, la diffusion des technologies indubitablement à l’œuvre, même si – ou puisque – elle s’annonce ralentie en France dans les années qui viennent, s’accompagne d’un mouvement de dispersion entre entreprises, entre secteurs et entre pays en matière d’équipement. Ce résultat empirique est totalement cohérent avec la littérature recensée à ce jour.

En particulier, dans les deux tiers des technologies étudiées, la probabilité pour une entreprise française d’envisager un investissement d’ici 12 mois est le plus souvent 5 à 10 fois plus faible que pour son équivalente allemande. A contrario, la probabilité qu’elle n’envisage aucun investissement avant 2030 est fréquemment 2 à 3 fois plus élevée en France, et parfois nettement plus.

S’agissant des secteurs d’activité, on trouve régulièrement un ou deux secteurs plus avancés que les autres en matière d’équipement pour une technologie donnée. Le secteur pharmaceutique, mais aussi la métallurgie et l’aéronautique, figurent souvent parmi ceux-ci.

Des écarts marqués selon la taille de l’entreprise, sa dynamique d’organisation et ses marchés

L’analyse approfondie des données révèle que les disparités entre entreprises, concernant leur niveau d’adoption des technologies aussi bien que leurs projets en la matière, sont régies par plusieurs paramètres.

Le premier est sans doute celui de la taille des entreprises, conformément à ce qui est observé dans la littérature. Quasiment sans exception, dans chacune des 14 technologies étudiées, et aussi bien concernant le taux d’équipement aujourd’hui constaté que les projets d’investissement envisagés à court ou moyen terme, les plus petites entreprises apparaissent systématiquement en retard par rapport aux plus grandes. Pour la plupart des technologies, les entreprises les plus petites (entre 50 et 100 salariés) ont respectivement 2, 3 voire 5, et 10 fois plus de chances que les plus grandes (respectivement entre 100 et 250, entre 250 et 1 000 et entre 1 000 et 5 000 salariés) d’avoir répondu ne pas être équipées et ne pas envisager d’investissement à horizon 2030.

Un deuxième paramètre important est celui de l’existence, avérée ou à l’état de projet, d’un plan de transformation de l’entreprise à des fins d’amélioration de sa performance de production. Là encore, cette observation est conforme à la littérature. Les taux de réponse que nous obtenons dans l’enquête confirment ce lien à plusieurs titres : les entreprises ayant déjà mené un plan de transformation sont plus équipées que celles qui ne l’ont pas fait, celles qui sont en train de mener un tel plan seront plus nombreuses à s’équiper d’ici douze mois, et celles qui n’envisagent pas de le faire sont surreprésentées parmi celles qui ne seront toujours pas équipées après 2030.

Le troisième paramètre est celui de la nature du marché servi, à commencer par le poids de l’export. Les entreprises qui réalisent la plus grande part de leur chiffre d’affaires sous forme d’exportations affichent systématiquement des taux d’équipement plus élevés ou des projets d’investissement plus fréquents que les autres. On observe un effet similaire, quoiqu’un peu moins net, au sujet des entreprises réalisant une grande part de leur activité au profit du secteur de la défense.

Ces paramètres influençant le taux et les projets d’équipement, ainsi que nous l’avons rapporté, ont une validité quasi universelle : on en trouve des confirmations dans la littérature, et ce dans la plupart des pays. En revanche, notre enquête fait également ressortir deux particularités. D’une part, lorsque les dirigeants d’entreprises sont interrogés spontanément sur les principaux freins qui les empêchent d’investir dans la technologie, ils mentionnent en premier lieu un manque de ressources financières (cette réponse est même deux fois plus fréquente parmi les répondants français que chez leurs homologues allemands et italiens) et un accès difficile aux compétences nécessaires. Pourtant, pour une technologie 4.0 donnée, quand on interroge les entreprises qui disent ne pas souhaiter investir, alors ces deux arguments s’effacent derrière celui de la pertinence : la technologie citée serait superflue au regard de leur activité. C’est un premier paradoxe. La seconde particularité est cette fois spécifiquement française : c’est la forte proportion d’entreprises se déclarant ainsi non concernées par les technologies 4.0. De manière frappante, cette proportion est nettement plus élevée en France que chez nos voisins, et ce dans toutes les technologies étudiées.

On en vient donc à détecter l’existence d’un noyau d’entreprises « réfractaires », c’est-à-dire n’envisageant ni de plan de transformation pour améliorer leur performance ni de projet d’investissement dans les technologies 4.0, plus important au sein de l’industrie française que chez nos voisins. Cela est à mettre en relation avec le fait que la proportion de dirigeants d’entreprises estimant spontanément « qu’être à la pointe de la technologie apporte un avantage concurrentiel majeur » est plus faible en France ; inversement, ils sont plus nombreux en France à estimer préférable d’attendre qu’une technologie ait fait la preuve de sa valeur et de son impact avant d’investir.

Les causes de ce phénomène restent à étudier, tout particulièrement dans la perspective où seraient envisagées de nouvelles mesures publiques incitatives à l’investissement dans le domaine de l’industrie 4.0.

• 1 — Le cloud, l’analytique avancée, le machine learning, l’IA générative, la réalité virtuelle, la réalité augmentée, la robotique, l’impression 3D, les jumeaux numériques, l’informatique quantique, les cleantech, l’Internet des objets, le stockage d’énergie et la cybersécurité.

Merci

Les auteurs remercient l’ensemble de leurs collègues de La Fabrique de l’industrie, du bureau parisien de McKinsey & Company et d’Ipsos qui ont prêté leur concours à la réalisation de cette enquête, puis à la préparation et à la valorisation du présent ouvrage, qui lui fait suite. En particulier, Alain Imbert (McKinsey & Company) et Mathieu Gallard (Ipsos) sont intervenus de manière déterminante pour la conception, la conduite et l’interprétation de l’enquête menée auprès de 1 200 entreprises dans trois pays européens. Caroline Granier et Émilie Binois (La Fabrique de l’industrie) ont en outre donné de leur temps et de leur expertise pour assurer la justesse des traitements statistiques des réponses ainsi que la clarté et la cohérence de l’exposé des résultats. Que tous en soient ici très chaleureusement remerciés. Les auteurs remercient également très sincèrement les entreprises qui se sont prêtées à cette enquête, et les experts sectoriels qui ont accepté d’apporter un regard critique sur les versions préliminaires de ce travail.

Introduction

Dans son rapport de 2025, le Conseil national de la productivité2 constate la faiblesse des gains de productivité enregistrés en France, particulièrement depuis la pandémie de Covid. La productivité du travail par tête3 s’est redressée entre fin 2019 et début 2024 aux États-Unis et dans la zone euro, mais pas en France. De même, la productivité par heure4 y a baissé, alors qu’elle a augmenté ou est restée relativement stable dans les autres pays.

Il semble, d’après les analyses les plus récentes, que la productivité française a depuis retrouvé son rythme de progression pré-Covid. Celui-ci demeure tout de même relativement faible, sous la barre symbolique de 1 % par an5. Même si cette difficulté française à renouer avec la productivité est en partie le pendant d’une amélioration du taux d’emploi, il n’en demeure pas moins que notre économie suit, depuis cette pandémie, une trajectoire de croissance plus faible qu’auparavant, ce qui constitue une singularité. Une des manifestations les plus tangibles en est que l’écart de revenu par habitant ne cesse de s’accroître entre la France et les États-Unis (Bunel et al., 2025).

Tous ces faits sont connus, à défaut d’être parfaitement expliqués, et font notamment l’objet de plusieurs observations et recommandations par Mario Draghi dans son célèbre rapport de 2024. Tant le rapport Draghi pour l’économie européenne que celui du CNP pour l’économie française concluent à l’importance de renouer avec l’innovation au sens large, et plus particulièrement avec l’investissement dans des technologies innovantes à même de renforcer la productivité des entreprises qui les adoptent.

Une hypothèse sous-jacente des auteurs de ces rapports est que les entreprises françaises et européennes ont spontanément tendance à trop peu investir dans ces technologies. C’est la raison pour laquelle ils imaginent volontiers des politiques publiques destinées à les y encourager. Toutefois, ces recommandations sont émises dans un contexte qui rend délicate leur mise en application. Les marges de manœuvre des entreprises sont étroites, ce qui les contraint à procéder à des arbitrages.

Il faut aussi compter avec de nouvelles priorités politiques, perceptibles dans le monde entier. On se souvient que des initiatives en faveur de l’investissement productif ont été prises en France et dans de nombreux pays à partir de 2012, pour encourager les entreprises industrielles des différentes filières à s’engager dans la transition dite de l’industrie 4.0 ou de l’industrie du futur (déploiement de la 5G et de l’Internet des objets, de la réalité virtuelle et augmentée, du machine learning, etc.). Or ces politiques publiques, désignées en France sous l’intitulé de « la nouvelle France industrielle », semblent marquer le pas, du moins en Europe et aux États-Unis. Elles n’ont manifestement pas résisté aux alternances politiques, à la pandémie de Covid et aux mesures prioritaires de relance adoptées pour y répondre, ni enfin au nouveau contexte géopolitique marqué par la montée des tensions internationales et par la crise énergétique européenne, autant d’événements incitant les décideurs à raisonner en termes de souveraineté industrielle dans un monde hostile plutôt qu’en termes de compétitivité dans un monde ouvert.

Il est par exemple saisissant de constater que l’irruption de l’IA générative dans notre quotidien, aussi bien à la maison qu’au bureau, s’accompagne d’une résurgence d’un vieux débat sur le chômage technologique, que l’on peut résumer en une question : « Lesquels de nos emplois risquent d’être remplacés par l’IA ? » L’idée, pourtant attestée dans la littérature économique, que l’adoption accélérée de nouvelles technologies tend à soutenir la croissance et la création de nouveaux emplois a décidément bien du mal à s’implanter dans l’esprit des décideurs, des électeurs et des travailleurs.

Pour toutes ces raisons, la période semble propice à un état des lieux : après avoir rappelé comment et à quelles conditions les TIC apportent des gains de productivité, peut-on dire où en sont les entreprises industrielles françaises, et notamment les entreprises de petite et moyenne taille, en matière d’investissement dans ces différentes technologies de l’industrie du futur ? Dans un monde en constante évolution, les responsables des filières industrielles et les décideurs publics ont régulièrement besoin de disposer d’un décompte fiable, exhaustif et complet sur ce sujet. Or ce relevé de situation n’a pas été effectué en France depuis un certain temps ; et il n’est pas beaucoup plus facile de disposer d’un panorama fiable dans d’autres pays européens.

C’est le propos de cet ouvrage que de rassembler des éléments utiles à cette réflexion. Il découle d’une enquête lancée conjointement par La Fabrique de l’industrie et le bureau parisien de McKinsey & Company, et réalisée par Ipsos auprès de 800 PMI et ETI françaises, 200 allemandes et 200 italiennes dans le courant de l’été 2025. Ces entreprises sont interrogées sur leur niveau d’équipement et leurs motivations concernant quatorze technologies 4.0 : quatre qui concernent l’usage des données (le cloud, l’analytique avancée, le machine learning et l’IA générative), cinq qui ont trait à l’optimisation des processus (la réalité virtuelle, la réalité augmentée, la robotique, l’impression 3D et les jumeaux numériques) et enfin cinq transversales (l’informatique quantique, les cleantech, l’Internet des objets, le stockage d’énergie et la cybersécurité).

Cet ensemble de données permet de mieux comprendre les mécanismes à l’œuvre déterminant leur choix d’adopter ou non une technologie, en fonction de paramètres comme leur secteur d’activité, leur histoire, l’efficacité de leur organisation… Cette enquête représente, par son extensivité et la richesse des informations collectées, un matériau inédit pour appréhender le niveau de compétitivité du tissu industriel français, et plus largement ouest européen, et pour mieux envisager les actions à mener ensuite.

Le premier chapitre de cet ouvrage est consacré à une revue de la littérature sur l’adoption des technologies d’information par les entreprises et sur le lien que cela entretient avec l’amélioration de leur productivité. Le deuxième chapitre porte une attention particulière sur les technologies de l’industrie 4.0 à cet égard. Le troisième chapitre propose un regard d’ensemble sur les taux d’adoption des diverses technologies de la part des entreprises, selon les résultats de l’enquête. Le quatrième chapitre explore les différents phénomènes causaux que l’on peut mettre au jour pour expliquer ces taux d’équipement. Le cinquième, enfin, entre dans le détail des résultats propres à chacune de ces technologies et affine ainsi ces premières observations.

• 2 — Voir Valla & Durré (2025). Le CNP a été créé en France en 2018 à la suite d’une recommandation du Conseil de l’Union européenne.
• 3 — Définie par l’Insee comme le rapport entre la valeur ajoutée (autrement dit le PIB, à l’échelle nationale) mesurée en volume et le volume de travail mesuré par le nombre de personnes en emploi (dénombrées en personnes physiques).
• 4 — Définie par l’Insee comme le rapport entre la valeur ajoutée (autrement dit le PIB, à l’échelle nationale) mesurée en volume et le volume de travail mesuré par le nombre d’heures travaillées.
• 5 — Selon Coquet & Heyer (2025), la progression tendancielle des gains de productivité en France était de + 0,9 % par an avant la pandémie. Après plusieurs années d’atonie, elle se serait redressée à + 1,3 % par an depuis début 2023, ce qui reste insuffisant pour avoir atteint fin 2024 son niveau de 2019. Dans l’ensemble, la « panne » française de la productivité autour des années Covid représente un recul de 5 % dont rien n’indique qu’il pourra être rattrapé

Focus – Les méthodes de décompte et leur biais

On peut mobiliser différentes méthodes de comptage pour renseigner le niveau d’adoption des technologies par de grandes populations d’entreprises.

L’approche suivie dans notre enquête est binaire : le représentant d’une entreprise interrogée déclare si celle-ci est ou n’est pas équipée. Cela est efficace pour apprécier la popularité des différentes technologies au sein des PMI-ETI et la fréquence avec laquelle elles envisagent d’investir.

On pourrait juger souhaitable de raisonner sur les montants investis, prédicteurs possibles des gains de productivité espérés des entreprises. Toutefois, les données financières de ces dernières ne peuvent pas être appariées avec des résultats d’enquête comme les nôtres sans se heurter au secret statistique et à l’anonymat des répondants.

Autre approche possible, certaines enquêtes renseignent les volumes des technologies installées (typiquement, le nombre de robots par salarié, souvent commenté dans le cas français). Mais ces nombres d’appareils ou de licences en place sont difficiles à obtenir par enquête auprès d’un échantillon assez large pour être représentatif, et montrent deux autres limites. La première est qu’ils n’indiquent pas le niveau de qualité du capital productif, dont on ne peut donc pas connaître les performances intrinsèques (numéro de génération d’un logiciel, âge moyen du parc machine, etc.). Pour lever cette difficulté, plusieurs auteurs (Dell et al., 2014 ; Bergeaud et al., 2017) recalculent dans leurs articles les âges moyens du parc machine installé, donnée qui n’est pas aisément accessible dans des bases publiques (et qui va de toute façon bien au-delà des seules technologies 4.0). Ces papiers sont maintenant un peu anciens mais ils concluent, autour des années 2010, à l’augmentation continue de l’âge moyen du parc machine et plus largement du capital productif installé en France comme dans la zone euro, au Japon et aux États-Unis, du fait du ralentissement des investissements de la part des entreprises. La France n’y apparaît pas dans une situation singulière au regard des autres économies avancées.

La deuxième difficulté posée par les indicateurs de nombres de machines installées est qu’ils sont relativement sensibles aux biais de composition sectoriels. Reprenons ici le cas des robots industriels. Selon le dernier communiqué de presse de l’IFR (International Federation of Robotics)22, 542 000 robots industriels ont été mis en place dans le monde en 2025, principalement dans trois secteurs d’activité. Le premier secteur utilisateur est celui de la production de biens électriques et électroniques (28 % des cas référencés), suivi de très près par l’automobile (27 %) et les biens d’équipement (19 %).

Sur la base du nombre de robots installés par salarié, tous secteurs confondus, il est fréquent de lire que la France serait « en retard » en matière d’équipement robotique. Or si l’on tient compte du fait que ces robots sont essentiellement implantés dans les trois secteurs manufacturiers mentionnés ci-dessus, qui sont sous-représentés au sein de l’économie française, alors le positionnement de la France ne présente ni retard ni décrochage (cf. figure a).

Le travail de Castellani et al. (2022) apporte une confirmation très nette que le taux d’équipement appréhendé comme une mesure d’intensité est sujet à cet effet de composition. Dans leur cas, ils calculent un taux de consommation nette (i.e. production + importations – exportations) exprimé en dollars constants PPA pour 1 000 salariés23, pour les équipements incorporant trois technologies : les robots industriels, la fabrication additive et l’Internet des objets. Ayant étudié la constitution de stocks d’équipements entre 2009 et 2018, ils mettent en lumière une concentration spécifique au cœur de l’Europe, et notamment en Allemagne, Autriche, Hongrie et République tchèque. Balland & Boschma (2021), qui travaillent sur le potentiel de déploiement de l’ensemble des technologies 4.0, parviennent à un tableau plus équilibré, à quoi Corradini et al. (2021) apportent une hypothèse d’explication : en Europe, la distribution spatiale des robots et de l’impression 3D tend à être très polarisée quand celle des big data et de l’IoT, moins spécifique à l’industrie, est plus homogène.

Notre méthode de décompte « binaire » est en apparence plus frustre que celle du nombre de machines installées mais elle est aussi beaucoup moins sensible à ces effets de composition sectorielle, comme le montrent les figures b et c. En effet, puisqu’on se limite aux entreprises de plus de 50 et de moins de 5 000 salariés, les répartitions sectorielles des populations d’entreprises sont extrêmement proches en France, en Italie et en Allemagne, plus encore que si l’on raisonne en valeur ajoutée (cf. figure b).

De ce fait, la correction qui consiste à appliquer les poids sectoriels des populations d’entreprises observées en Allemagne et en Italie aux taux de réponse des entreprises françaises aboutit à un biais de composition très réduit (cf. figure c). Tout se passe comme si les écarts de réponse relevés dans l’enquête – par exemple 22 points de plus en France qu’en Allemagne sur le taux de réponse positive concernant l’équipement en cybersécurité – reflètent fidèlement les réponses des entreprises et non un effet de distorsion sectorielle.

• 22 — Dossier de presse du 25 septembre 2025 : « World Robotics 2025 ».
• 23 — Les auteurs reprennent ici la méthode de Caselli & Coleman (2001) sur l’adoption des ordinateurs.

Point de vue – Au-delà des incitations financières, proposer un accompagnement à la transformation : l’expérience des centres de compétences allemands de l’Industrie 4.0 – par Elena Prodi

Dans de nombreux pays, l’adoption des technologies 4.0 a été principalement encouragée par des interventions politiques basées sur des incitations, visant à soutenir les investissements des entreprises. Ces politiques ont généralement pris la forme de subventions, de crédits d’impôt ou de dispositifs spécifiques d’amortissement, laissant les entreprises en grande partie libres de décider quelles technologies adopter, selon leur propre appréciation. Bien que ces mesures aient contribué à une augmentation globale des niveaux d’investissement, elles ont également généré une incertitude et une certaine désorientation de la part des entreprises. En particulier, une grande part de ces dernières – notamment parmi les petites et moyennes entreprises – ont eu du mal à identifier des gains tangibles d’efficacité et de productivité associés aux différentes technologies numériques, et à comprendre quelles solutions seraient les plus adaptées à leur processus de production, à leur structure organisationnelle et à leur modèle économique. Dans ce contexte, l’absence de directives structurées a souvent limité l’efficacité des incitations purement monétaires, réduisant leur capacité à favoriser une transformation numérique significative et durable. En effet, bien que les subventions et incitations fiscales restent un outil de politique publique largement utilisé, elles sont souvent mobilisées par des entreprises qui auraient de toute façon entrepris ces investissements.

Les bénéfices d’un accompagnement complet et structuré

Dans cette perspective, l’expérience allemande des « centres de compétences Industrie 4.0 » offre un enseignement éclairant, tant pour les entreprises que pour les décideurs : l’adoption réussie de technologies de fabrication avancées ne se réduit pas à de pures incitations financières. Les preuves empiriques à cet égard (Prodi et al., 2022) confirment le rôle crucial des politiques complémentaires soutenant les entreprises tout au long de leur parcours de transformation numérique. Plutôt que de se concentrer exclusivement sur la réduction du coût d’adoption des technologies, le gouvernement allemand a en effet mis en place un réseau de « centres de compétences ». Tirant parti de la collaboration entre acteurs publics et privés, ces centres ont aidé les PME à comprendre comment et pourquoi certaines technologies de l’industrie 4.0 étaient importantes pour elles, compte tenu de leurs spécificités.

Un point central du retour d’expérience de ces centres de compétences est que les entreprises améliorent le bénéfice de leur investissement à l’issue d’un parcours structuré de transformation, qui intègre le choix de technologies, le changement organisationnel et la formation des salariés. En effet, le déploiement efficace des technologies 4.0 nécessite souvent une réorganisation des processus internes, de nouveaux mécanismes de coordination et la mise à niveau des compétences des travailleurs, ainsi que l’adoption de nouveaux modèles managériaux et organisationnels, afin de générer des gains de productivité. En ce sens, la transformation numérique est intrinsèquement un processus sociotechnique : les gains de productivité émergent de l’interaction entre technologies, ressources humaines et pratiques organisationnelles, plutôt que de la technologie seule.

Les centres de compétences allemands ont tenté de jouer le rôle d’initiateurs d’un tel processus sociotechnique, en se plaçant comme intermédiaires entre les objectifs politiques et la réalité des entreprises. Grâce à des services de conseil, des projets de démonstration et des évaluations personnalisées, ils aident les entreprises et notamment les PME à identifier les technologies les plus pertinentes. Ce rôle d’orientation est particulièrement important face à la grande diversité de solutions regroupées sous le label « Industrie 4.0 ». Les entreprises peinent souvent à naviguer dans cette complexité et à évaluer les retours attendus des différentes technologies, surtout lorsque les pressions commerciales à court terme dominent la prise de décision stratégique.

L’accompagnement débute par la sensibilisation

Nos travaux soulignent également l’importance de politiques publiques visant à sensibiliser les entreprises, ces dernières pouvant sous-estimer les bénéfices potentiels des technologies numériques. Elles sont en effet nombreuses à se concentrer sur leur fonctionnement habituel sans prêter une attention suffisante aux possibilités d’améliorer leur productivité, leur flexibilité ou leur résilience grâce aux technologies 4.0. À cet égard, les centres de compétences contribuent non seulement au transfert de technologie mais aussi au processus d’apprentissage qui façonne les choix stratégiques des entreprises.

Enfin, l’observation du cas allemand suggère que les différences de taux d’adoption entre secteurs doivent être interprétées avec prudence. La pertinence et même l’effet sur la productivité de certaines technologies varient intrinsèquement d’un secteur à l’autre, en raison de différences dans leurs processus de production, leurs configurations organisationnelles et leur positionnement sur le marché. Certaines technologies peuvent révéler une applicabilité limitée ou des rendements marginaux dans certains contextes. De ce fait, des taux d’adoption plus faibles n’indiquent pas nécessairement des retards ou des faiblesses, mais peuvent refléter une hétérogénéité structurelle des besoins technologiques et des trajectoires d’innovation spécifiques au secteur. Reconnaître explicitement cette dimension peut aider à éviter des interprétations politiques trop homogènes et soutenir des politiques industrielles plus ciblées et contextuelles.

Dans l’ensemble, l’expérience des centres de compétences allemands démontre que favoriser l’adoption de l’industrie 4.0 nécessite de dépasser une attention trop étroitement centrée sur les incitations monétaires, au profit d’approches politiques intégrées combinant orientation technologique, soutien organisationnel et formation de la main-d’œuvre. Ce n’est qu’à travers de telles stratégies de transformation globales que les entreprises peuvent pleinement réaliser le potentiel de productivité des technologies numériques.

Point de vue – L’impact de la diffusion des technologies avancées sur la productivité et la compétitivité de l’industrie française

La transformation numérique et technologique de l’industrie manufacturière constitue aujourd’hui l’un des principaux leviers de compétitivité pour les entreprises françaises. Dans un contexte de concurrence internationale accrue, de transition énergétique et de recomposition des chaînes de valeur, les technologies avancées jouent un rôle déterminant. Leur diffusion inégale au sein de l’industrie française est toute-fois source de disparités de performance. Ces constats, observés par l’enquête de La Fabrique de l’industrie, convergent avec l’expérience du Cetim, qui contribue depuis soixante ans à renforcer la compétitivité du secteur des industries mécaniques. Ce dernier occupe une place stratégique dans le paysage manufacturier français, avec 156 milliards d’euros de chiffre d’affaires, 11 000 entreprises et près de 600 000 emplois, irrigant l’ensemble des chaînes de valeur structurées par les filières industrielles nationales.

Une industrie française hétérogène face à la technologie : deux modèles correspondant à deux dynamiques  productives.

Au cours des dix dernières années, le Cetim a participé activement aux initiatives lancées en France sur l’industrie du futur. Il a suivi plusieurs milliers d’entreprises sur leur parcours de transformation, dont une large majorité de TPE, PME et ETI manufacturières. Il a constitué un observatoire portant sur 6 700 entreprises accompagnées. Cet observatoire confirme un paysage industriel français hétérogène face à la technologie, correspondant à deux positions au sein des chaînes de valeur et à deux dynamiques productives. D’un côté, des entreprises, offreuses de solutions, fabricantes d’équipements et de composants complexes. De l’autre, des sous-traitants transformateurs, dépendants de donneurs d’ordre multiples et privilégiant une logique de service axée sur la qualité, le coût et le délai.

Les travaux menés par Philippe Aghion montrent que l’impact macroéconomique des entreprises dépend de leur proximité à la frontière technologique26. Dès lors, il est intéressant d’éclairer la proximité des entreprises vis-à-vis de cette frontière ainsi que la nature des technologies adoptées qui renforce cette position. Sur le panel considéré, les entreprises situées à proximité de la frontière technologique sont majoritairement des fournisseuses de solutions. Elles sont présentes à l’export et exposées à une forte concurrence internationale. Ces entreprises investissent massivement et en continu (moyennant des cycles de deux à trois ans, sur des TRL de 6 à 7), dans les technologies les plus avancées, pour renforcer la différenciation de leurs produits, raccourcir les cycles de conception et stimuler l’export. Leur logique d’adoption se concentre sur les solutions permettant d’améliorer la flexibilité de conception et l’innovation. L’impression 3D, l’analytique avancée et les cleantech y sont particulièrement présentes. Ces technologies ont un impact indirect mais puissant sur la productivité.

Les entreprises plus éloignées de cette frontière sont pour la plupart des sous-traitants transformateurs. Leurs investissements visent principalement l’excellence opérationnelle : robotisation ciblée, acquisition de machines multifonctions, intégration numérique progressive. Il s’agit, pour beaucoup, d’entreprises primo-accédantes aux technologies avancées (moyennant des TRL de 7 à 9) et cherchant des solutions clés en main adaptées à leur taille et à un parc de machines souvent ancien (l’âge moyen est de 17 ans), ainsi qu’à un système d’information fragmenté. Cela rend particulièrement complexe le basculement vers un modèle d’industrie 4.0 sans schéma directeur structurant. Ces entreprises sont engagées dans des dynamiques d’adoption incrémentale, de rattrapage technologique. Pour elles, la robotique, l’IIoT ou encore les technologies de supervision sont les principaux leviers d’amélioration de la productivité. Ces technologies génèrent des gains immédiats : réduction des arrêts de production, diminution des rebuts, augmentation du temps utile machine, sécurisation des procédés et fiabilité accrue. Moins influentes sur le plan macroéconomique, ces transformations technologiques sont pour autant indispensables au maintien de leur compétitivité au sein des filières.

Cette segmentation peut être rapprochée de celle présentée dans l’étude (cf. Andrews et al.), qui met en évidence les écarts de productivité entre les entreprises situées « à la frontière mondiale » et les autres considérées comme « retardataires ».

Le champ technologique soutenant la productivité est très large

Les accompagnements déployés sur le terrain par le Cetim pour soutenir et accélérer la transformation technologique reposent sur un portefeuille composé, pour les deux tiers, de « macrobriques » relevant du référentiel national de l’industrie du futur de l’AIF27 et, pour un tiers, de briques scientifiques plus profondes issues des sciences physiques, des sciences de la mécanique et de l’ingénierie : matériaux, tribologie, vibro-acoustique, dynamique des fluides, etc. Les 14 thématiques technologiques retenues par l’enquête présentée dans cet ouvrage constituent donc un sous-ensemble de ce référentiel : elles couvrent 13 des 70 macrobriques.

Le taux d’adoption des technologies dépend des dynamiques productives et du positionnement des entreprises sur les chaînes de valeur

Sur les 6 700 entreprises qu’il a accompagnées, le Cetim a isolé un échantillon de 2 550 lui permettant d’éclairer la nature et l’intensité des technologies qu’elles adoptent. Sur cet échantillon, 1 000 entreprises (dont 55 % sont des TPE, PME et ETI et 45 % des grandes entreprises) ont été identifiées comme opérant à proximité de la frontière technologique, caractérisées par une capacité d’innovation plus forte, un investissement plus marqué dans le capital immatériel et une organisation propice aux processus d’innovation. A contrario, 1 550 entreprises se situent plus loin de la frontière, avec des modèles de croissance davantage tirés par l’adoption incrémentale de technologies parvenues à maturité et des gains d’efficacité organisationnelle, dans une logique de rattrapage (« catching-up »).

L’adoption technologique des 1 000 entreprises proches de la frontière

Un tiers des accompagnements réalisés par le Cetim sur cette population est directement rattaché aux 14 macrobriques technologiques retenues par l’étude de La Fabrique de l’industrie, les plus récurrentes étant l’analytique avancée, l’impression 3D métallique (notamment sur des usages critiques pour les acteurs de l’énergie, du nucléaire, de l’aéronautique, de la défense ou encore du médical), les cleantech (produits et systèmes de production), les solutions innovantes en robotique, les jumeaux numériques, l’IIOT et le machine learning.

Un tiers embarque d’autres macrobriques du référentiel de l’AIF, et principalement les matériaux et les procédés innovants, l’assemblage et le soudage assistés et les contrôles non destructifs innovants, la continuité numérique, le monitoring des procédés et le smart data.

Le troisième tiers porte sur l’application poussée des fondamentaux des sciences et technologies de l’ingénierie associées aux produits : matériaux, fatigue, étanchéité, compréhension de la performance par la caractérisation et les essais mécaniques, vibro-acoustique, calcul et simulation multiphysique, multi-échelle et des fondamentaux revisités à la lumière de la numérisation et des impératifs de la transition énergétique et environnementale.

L’adoption technologique des 1 550 entreprises plus éloignées de la frontière

Cette seconde moitié du panel est composée à 90 % de PMI, accompagnées par le Cetim dans des programmes sectoriels ou régionaux. Un tiers de ces accompagnements est directement rattaché aux 14 macrobriques technologiques retenues par l’enquête, les plus fréquentes étant la robotique et les équipements avancés de production, les cleantech, l’Internet des objets, les solutions logicielles distribuées (SaaS) exploitant la technologie du cloud et intégrant progressivement des applicatifs d’intelligence artificielle. En outre, la cybersécurité émerge comme une problématique impulsée par les donneurs d’ordre et les filières.

Les deux autres tiers embarquent d’autres macrobriques du référentiel de l’AIF, et principalement l’optimisation de l’organisation de la production et le lean manufacturing, d’autant plus présents dans les filières concernées par le sujet des montées en cadence, comme l’aéronautique et la défense. Dans une très large proportion, ces projets incluent le déploiement de solutions digitales en support aux processus opérationnels. L’intégration de procédés innovants de production arrive en second rang, incluant également la simulation des procédés (FAO/CFAO). On notera que ces adoptions technologiques sont très souvent conduites au travers une réflexion stratégique et organisationnelle et la définition d’une stratégie RSE.

Les programmes engagés en France auraient avantage à se prolonger et à élargir leur champ d’incitation au-delà de la simple modernisation de l’outil de production.

Depuis dix ans, en France, les politiques publiques ont principalement soutenu des programmes centrés sur la modernisation de l’outil de production, orientés par une vision « Usine du futur » et de ce fait totalement focalisés sur les équipements et les machines : robotisation, automatisation, connectivité, consolidation des systèmes d’information industriels. Ces initiatives ont permis une remise à niveau significative des fondamentaux opérationnels. De nombreuses expérimentations d’appropriation technologique ont été couronnées de succès, que ce soit dans le cadre d’actions sectorielles (GIFAS), technologiques (programme RobotStartPME) ou territoriales (programmes régionaux).

Néanmoins, ces dispositifs sont restés globalement focalisés sur la fabrication 4.0, sans promouvoir une approche systémique complète de l’industrie du futur, qui implique de repenser simultanément à l’échelle des chaînes de valeur, l’innovation sur le produit, sa conception, sa production, sa commercialisation et son cycle de vie, et qui représente un potentiel très important de gains de productivité. Certaines démarches récentes, notamment les approches intégrées menées conjointement par Bpifrance et le Cetim, constituent une évolution structurante dans ce sens. Elles associent stratégie, organisation, compétences et technologies, et incluent un diagnostic visant à accompagner une transformation stratégique, environnementale, numérique et industrielle plus profonde des PME.

Comme le souligne le travail de La Fabrique de l’industrie, le risque d’un ralentissement de l’investissement productif en France est important, alors même que depuis dix ans le pays a réalisé des efforts considérables pour moderniser son socle technique. Cet effort pourrait pourtant devenir une source d’avantage compétitif si la dynamique de soutien à l’investissement technologique était à la fois prolongée et ciblée, pour assurer soit une montée en gamme hors coût des produits et biens d’équipement, à l’échelle des chaînes de valeur industrielles et des filières, soit une capacité renforcée à générer de l’innovation et à structurer des programmes de recherche partenariale permettant d’ouvrir de nouveaux espaces de différenciation technologique.

C’est cette stratégie qu’entend suivre la Chine au travers son « Plan de mise en œuvre pour la transformation numérique de l’industrie (2025–2030) »28, doté d’un montant d’intervention publique évalué à 130 milliards d’euros. Ce plan vise à renforcer la compétitivité des 14 filières industrielles stratégiques du pays et à accompagner la montée en gamme technologique de 130 000 PMI qui en constituent les chaînes de valeur primaires. D’autres plans de même nature sont repérables dans d’autres pays, par exemple en Corée du Sud. Face à cette dynamique internationale, il est préoccupant d’observer que les politiques incitatives françaises sont au point mort, faute de marge de manœuvre budgétaire.

L’effort de montée en gamme technologique, nécessaire à l’atteinte d’un objectif de réindustrialisation de l’économie, peut difficilement être entretenu sans un soutien public de masse tourné vers les PMI. En effet, en France, sur les 265 000 entreprises du secteur manufacturier, seules 2 100 sont des ETI ou des grands groupes, c’est-à-dire comptant plus de 250 salariés.

Quatre objectifs méritent en particulier d’être considérés en priorité. Il s’agit d’une part de poursuivre la diffusion des technologies avancées de production, parvenues à maturité, pour renforcer la productivité et la souveraineté des filières. Cela inclut l’automatisation du contrôle qualité et de la traçabilité, l’intégration de l’IA dans la robotique, le développement de procédés avancés comme la fabrication additive, la démocratisation des jumeaux numériques, l’IA générative pour la capitalisation et le transfert des savoir-faire.

Il convient ensuite de soutenir la montée en gamme, y compris celle des entreprises de transformation primaire, en les accompagnant sur un meilleur positionnement dans les chaînes de valeur. Les donneurs d’ordres se tourneront en effet de plus en plus vers des fournisseurs capables d’assumer la responsabilité « clés en main » de pièces ou de sous-ensembles, c’est-à-dire d’en assurer la conception, la validation et la production. Cette trajectoire appelle une transformation organisationnelle (par l’intégration d’une fonction étude par exemple), des compétences et technologique.

Il faut, en parallèle, soutenir l’effort d’innovation produits – sur les plans scientifique, technique et technologique – pour en favoriser la compétitivité hors coût sur le marché international. Ce levier est resté dans l’angle mort des politiques publiques 4.0 mises en place ces dix dernières années. Pour autant, il est de nature à rapprocher les entreprises de la frontière technologique, chère à Philippe Aghion. Il représente le plus fort gisement d’impact macroéconomique.

Quatrièmement et enfin, il est nécessaire que les entreprises intègrent pleinement les enjeux de transformation environnementale et énergétique (TEE), qui deviendront des paramètres déterminants de compétitivité dans les prochaines décennies : décarbonation des procédés, écoconception, économie circulaire, sobriété énergétique, substitution de matériaux et de composés chimiques polluants tels que les PFAS.

• 26 — Dans la doctrine schumpétérienne, la frontière technologique représente le niveau le plus avancé d’innovation disponible dans une économie à un moment donné. Elle correspond à l’état de l’art technologique issu de vagues successives d’innovations.
• 27 — Le référentiel est disponible sur le site de l’Alliance pour l’industrie du futur.
• 28 — Publié en août 2025, sous l’égide du MIIT et de sept autres administrations.

Point de vue – Tout comme le lean, l’industrie 4.0 passe d’abord par de nouveaux comportements par Michael Valentin

Même si le concept d’industrie 4.0 aura bientôt dix ans, nous constatons sur le terrain qu’environ 5 % des Même si le concept d’industrie 4.0 organisations industrielles profitent pleinement du potentiel des technologies associées, avec des gains significatifs sur la compétitivité du système industriel mais aussi une meilleure compréhension des attentes du marché. En revanche, près de la moitié des dirigeants que nous accompagnons avouent rencontrer des difficultés à prioriser les leviers à actionner, ce qui conduit soit à l’inaction, soit à un excès d’initiatives qui perd les managers intermédiaire et peine à délivrer la promesse escomptée. Comment faire ? Il faut distinguer trois catégories de technologies, qui ont des vocations bien différentes et ne requièrent pas du tout les mêmes efforts d’accompagnement.

D’un côté, il y a les innovations qui touchent à l’infrastructure. Ce sont les fondements indispensables qui permettent de construire un système efficace et réactif. Typiquement, pour une usine, les questions centrales d’infrastructure tournent autour de la connexion des machines et donc de l’architecture imbriquée des technologies opérationnelles et d’information (IT/OT). Le réseau de communication est également structurant : sans même parler de la 5G, beaucoup de sites n’ont pas encore une couverture Wifi satisfaisante. Ces technologies n’apportent rien en tant que tel et ne doivent donc pas être poussées de façon isolée.

La deuxième catégorie de technologies est celle que les industriels ont le plus l’habitude de mettre en œuvre, de façon incrémentale : il s’agit des améliorations des procédés industriels. Mettre en place une machine d’impression 3D pour fabriquer des moules, des posages ou des pièces de rechange dans l’industrie mécanique pose rarement de problème. Au contraire, les techniciens sont friands de nouveauté et se prêtent généralement très bien au jeu. De la même façon, les nouvelles applications de computer vision assistée par du machine learning pour rendre le contrôle-qualité « apprenant » sont en train de se répandre à grande vitesse dans le secteur.

Enfin, la dernière catégorie de technologies n’en est pas vraiment une : il s’agit de la digitalisation au sens large, augmentée depuis deux ans par l’intelligence artificielle. Ici nous ne parlons plus d’une logique d’investissement ni de montée en compétence technique. Il s’agit de changer les pratiques opérationnelles et managériales grâce à une technologie qui rend le quotidien plus prédictif, plus réactif, plus collaboratif et qui simplifie amplement les processus par de l’automatisation à large échelle.

Pour digitaliser, il s’agit d’appliquer les mêmes méthodes que les « acteurs purs » du secteur de la tech. Toutes les start-up qui vendent des logiciels B2C innovent de la même façon : rechercher des points de douleur dans la vie quotidienne des gens, tester un logiciel qui permet de les résoudre, et itérer jusqu’à obtenir un usage maximal du logiciel. Ensuite, lorsque des millions d’utilisateurs se servent chaque jour de la solution, il devient possible de faire des tests structurés (appelés A/B tests) et donc de continuer à améliorer le produit chaque jour. Mieux connaître son client devient un sport et c’est grâce à ces données que le modèle d’affaires fleurit.

La recette en usine est exactement la même, si ce n’est qu’il s’agit de comprendre les points de douleur des opérateurs, des techniciens, des managers et de toute l’organisation. En traitant un point de douleur, typiquement un silo entre deux services, un ralentissement de flux lié à de la non-qualité, un problème de prise de décision dans un processus, une solution digitale devient indispensable. Les équipes qui s’en servent ne peuvent bientôt plus s’en passer car cela leur fait gagner du temps et, surtout, leur permet de mieux effectuer leur travail. L’autre effet bénéfique, c’est que l’organisation devient aussi plus apprenante, en collectant chaque jour plus de données sur les comportements individuels et collectifs. Elle peut donc continuer à innover en permanence, devenir plus intelligente collectivement en connaissant mieux le travail de chaque personne de l’équipe industrielle.

Après avoir compris cela, il reste un écueil : la plupart des industriels travaillent sur des systèmes anciens qui se superposent. Il faut donc détricoter l’architecture legacy historique pour réinstaller une structure de données et une architecture logicielle moderne, centrée sur les bons usages et sur des données unifiées. Cela ne peut se faire en mode big bang. Il faut y aller process par process et donc commencer par les enjeux prioritaires. D’où l’importance d’enclencher la démarche 4.0 par un diagnostic sur le potentiel d’amélioration, dans le contexte très spécifique de l’entreprise concernée.

L’industrie 4.0 est encore très loin d’avoir livré toutes ses promesses, mais la technologie continue à évoluer très vite. Le sujet de fond réside donc dans la méthode à adopter pour profiter au mieux des nouvelles technologies : être agile comme une start-up pour tester des solutions innovantes adaptées aux besoins sur les technologies digitales, continuer à innover par incréments sur les procédés de fabrication, et se montrer visionnaire, structuré et patient, sur les projets d’infrastructure pour faciliter tout l’ensemble.

Conclusion

S’agissant de l’adoption au sein des entreprises industrielles des technologies modernes de production, fréquemment rassemblées sous l’expression « industrie 4.0 », le tableau le plus couramment admis tient en deux points. D’une part, la littérature en économie atteste de leurs retombées positives en matière de productivité. D’autre part, aux difficultés structurelles propres aux PMI dans tous les pays du monde pour s’équiper au même rythme que les plus grandes entreprises s’ajouterait une réticence à investir typiquement française, qui expliquerait les piètres performances de notre économie en termes de gains de productivité. Les résultats de cette étude amènent à nuancer ce tableau.

Premièrement, si les effets bénéfiques des technologies 4.0 sur la productivité ne font aucun doute, la littérature rappelle aussi qu’ils n’apparaissent qu’à la condition que ces dernières soient déployées de manière cohérente avec une transformation adaptée des processus de production et un effort de montée en compétences des salariés. La promotion des technologies pour leurs seules vertus propres présente donc possiblement moins d’efficacité que leur inscription dans un programme d’accompagnement plus large, incluant notamment des considérations organisationnelles.

Deuxièmement, l’enquête montre que les taux de recours à ces technologies sont assez différents d’un secteur à l’autre, alors que nous avons surtout tendance à comparer les pays entre eux. On peut donc avancer que l’industrie 4.0 n’est pas, ou pas encore, une famille cohérente et homogène de techniques interreliées mais plutôt un ensemble de procédés qui concernent rarement toutes les entreprises de la même façon.

Troisièmement, les enquêtes approfondies menées dans différents pays d’Europe font état de résultats convergents, pour peu que l’on admette une marge d’incertitude de 5 points de pourcentage environ. Il sera donc imprudent de conférer à leurs chiffres des valeurs prédictives trop précises, et plus sage de les lire comme des ordres de grandeur de nature à nous renseigner sur les cinétiques d’adoption et les grandes tendances à l’œuvre en matière de modernisation du tissu productif.

Outre que les petites entreprises présentent effectivement des taux d’adoption et des perspectives d’investissement plus réduites que les grandes ETI (tandis que l’âge des entreprises est quasiment sans influence), le degré d’ouverture à l’export est également un facteur associé à une plus grande propension à s’équiper. Last but not least, le lien avec la conduite d’un plan de transformation est absolument net et récurrent : c’est l’un des résultats forts de cette enquête.

Dans l’ensemble, on trouve peu d’arguments en faveur d’un retard généralisé des PMI-ETI françaises en matière d’équipement 4.0, sauf pour ce qui concerne l’Internet des objets et la grande famille des cleantech. Leur niveau d’équipement en robots, amplement commenté comme étant « trop faible », est d’abord le reflet de la composition sectorielle de notre économie en général et de notre industrie en particulier. En revanche, un tel retard pourrait survenir, pour de bon et à court terme, tant est frappant le décalage entre les perspectives d’investissement très réduites des entreprises françaises et celles, nettement plus dynamiques, de leurs équivalentes allemandes et italiennes.

Le contexte budgétaire français ne saurait en être la seule raison. Nos résultats pointent au contraire vers ce que l’on pourrait appeler un « syndrome français » dans l’approche de ces technologies et l’appréciation de leurs mérites. La France se distingue en effet par une proportion nettement plus élevée qu’ailleurs d’entreprises considérant ces différentes technologies comme non pertinentes pour leur activité, alors que d’un strict point de vue technique ces taux de réponse devraient être universels. Elle se distingue également de l’Allemagne par l’ampleur de l’écart des réponses données, toujours au sujet de la pertinence des technologies, entre grandes ETI et PMI ou encore entre PDG et directeurs financiers d’un côté et directeurs techniques de l’autre. Enfin et surtout, les entreprises françaises se distinguent par la part plus élevée d’entreprises qui n’ont pas mené de plan de transformation en vue d’améliorer leur performance et qui ne l’envisagent toujours pas. Ce noyau d’entreprises « réfractaires » pourrait faire l’objet d’analyses complémentaires. En tout état de cause, c’est là une raison de plus pour anticiper le fait qu’une politique publique qui serait uniquement centrée autour de la promotion des technologies par elles-mêmes risquerait de se heurter à un mur d’incompréhension et donc afficher des résultats décevants.

Les réponses données par les entreprises présentent également une singularité : interrogées en général, elles estiment fréquemment qu’elles manquent de ressources financières et de compétences humaines pour faire monter en gamme leurs techniques de production aussi vite qu’elles le souhaiteraient. C’est aussi ce que retient la littérature académique. Mais au cas par cas, elles sont au contraire très peu nombreuses à estimer que c’est pour l’une de ces deux raisons qu’elles renoncent à investir dans une technologie donnée. Ce paradoxe, pour le coup, n’a rien de spécifiquement français et s’observe également en Italie, en Allemagne et au Royaume-Uni. Une interprétation possible est que leur compréhension spontanée d’une telle « montée en gamme » concerne plus souvent le remplacement des équipements par des substituts plus modernes et performants (outils de découpe, pliage, soudage, usinage…) et marginalement les familles de technologies rassemblées sous l’expression « industrie 4.0 ».

Les taux d’équipement en technologies évoluent au moins aussi vite que les technologies elles-mêmes. Il n’est donc pas question de conserver du tableau statistique qui précède une image figée et immuable.

Postface

Ce rapport montre que les technologies numériques, et notamment celles de l’industrie dite « 4.0 », accélèrent les gains de productivité des entreprises qui les adoptent, pourvu que leur déploiement s’insère dans une transformation plus large de leur organisation et de leurs compétences.

Le bénéfice de l’investissement technologique est étayé par trente ans de travaux en économie

Les deux premiers chapitres de l’ouvrage rappellent, littérature scientifique à l’appui, que la productivité est un défi permanent pour les entreprises industrielles, pour lequel il n’existe pas de martingale. Les technologies « 4.0 », comme l’informatique avant elles, sont puissantes et indispensables à défaut d’être suffisantes. L’adoption technologique améliore la performance des entreprises si elle s’inscrit dans un projet de transformation : réorganisation des processus, montée en compétences des opérateurs, parfois aussi renouvellement des modèles d’affaires, le tout sur fond de pression concurrentielle. Les entreprises qui investiraient sans mener de front une telle transformation organisationnelle s’exposent à des rendements décevants.

Pour la même raison, les politiques visant à encourager les entreprises à s’équiper, par exemple sous la forme d’un suramortissement qui concrétiserait le soutien public aux PME et ETI industrielles dans une période difficile pour elles, doivent avoir une approche raisonnablement large de leur objet. Même si l’on peut comprendre que l’équipement tangible en soit in fine un indicateur de succès (que l’on parle du nombre de robots installés, du taux de couverture en cloud ou 5G, ou encore de la diffusion de telle ou telle technologie émergente…), il apparaît qu’une mesure visant à soutenir l’achat de technologies doit également accompagner voire encourager des démarches d’entreprises plus globales, intégrant organisation, compétences et management.

Tenir compte de l’hétérogénéité du tissu productif

Un deuxième enseignement de ce travail tient à l’hétérogénéité des situations sectorielles. À ce jour, l’industrie 4.0 n’est pas un « bloc » de technologies cohérentes et liées entre elles. C’est au contraire un bouquet très ouvert, au sein duquel on trouve à la fois des technologies communes à la plupart des secteurs et largement adoptées (cloud, cybersécurité) et d’autres, pour le moment encore propres à certaines activités (la robotique dans l’automobile, l’IA générative dans la pharmacie, etc.).

Ce premier axe de différenciation se combine avec un second, toutes activités confondues : le taux d’équipement des entreprises croît avec leur taille et avec leur ouverture à l’export. C’est ce qui explique sans aucun doute que les niveaux de productivité relevés à l’échelle des entreprises soient de plus en plus dispersés à l’intérieur de chaque secteur d’activité.

Quoi qu’il en soit, ces deux dimensions distinctives sont probablement plus importantes que le fait de savoir si les entreprises sont françaises, allemandes ou italiennes. Plutôt que de décompter l’adoption des technologies en moyenne, autrement dit d’encourager leur diffusion en vertu de mérites intrinsèques, il est important que l’action publique permette des approches « sur-mesure ». Puisque les économistes nous enseignent que le rendement marginal d’une technologie donnée n’est pas le même d’un secteur à l’autre, alors imaginons des dispositifs laissant aux entreprises toute latitude pour adapter l’offre technologique à leurs besoins. Peut-être faut-il, à cet égard, s’inspirer de mesures récentes telles que la politique des « territoires d’industrie », et bâtir une politique en concertation avec les autorités régionales et territoriales, sans oublier les représentants de branches professionnelles, afin d’éviter les effets de bord de politiques uniformes et descendantes.

Comprendre la posture des entreprises « réfractaires »

L’enquête met en lumière une singularité française préoccupante : une proportion d’entreprises plus élevée que chez nos voisins jugent les technologies « 4.0 » non pertinentes pour leur activité. Ce trait particulier se double d’un autre, assez cohérent : elles sont aussi plus nombreuses qu’en Allemagne et en Italie à ne pas avoir mené de plan de transformation et à ne pas envisager de le faire, même à moyen terme. Ce scepticisme à l’égard de la « révolution 4.0 » doit être pris au sérieux et analysé. Découle-t-il d’expériences passées décevantes, de l’anticipation d’un climat social tendu à l’annonce de futurs investissements ? Est-il corrélé à l’âge des dirigeants, dont on annonce de prochains départs en retraite massifs ? Autant d’hypothèses circulant « sur la place » qu’il sera nécessaire de soumettre à l’épreuve des faits.

Cela ne signifie pas, tant s’en faut, qu’il faille opter pour l’attentisme. Au contraire, les résultats de l’enquête exposent sans ambiguïté que les entreprises françaises sont nettement moins nombreuses que leurs voisines italiennes et allemandes à envisager des investissements à court terme, et ce dans toutes les technologies étudiées ici. Le risque n’est donc pas tant que nos entreprises soient aujourd’hui en retard en matière d’équipement mais qu’elles le deviennent rapidement faute d’investissement.

Les lignes qui précèdent esquissent des points de vigilance pour qu’une aide publique à l’investissement parvienne à inciter les entreprises à passer à l’acte de manière extensive : parce que tous les secteurs d’activité n’ont pas besoin des mêmes technologies, parce que la technologie doit être pensée au sein d’une organisation en transformation, et parce qu’une fraction trop importante de la cible se sent aujourd’hui non concernée. Ce qu’il convient d’éviter, c’est qu’un nouveau plan d’investissement ne profite qu’aux convaincus, dont on vient de relever qu’ils étaient encore trop peu nombreux, pour éviter le décrochage de l’industrie française.

Ce que suggère ce rapport, et ce que notre expérience confirme, c’est la nécessité de passer d’une logique d’incitation à une logique d’accompagnement. Cela implique d’investir aussi dans le conseil, le diagnostic, le partage d’expériences, la diffusion de références concrètes et crédibles. Il ne s’agit pas de dire aux entreprises ce qu’elles doivent faire, mais de leur donner les moyens de se projeter, de comprendre, d’expérimenter à leur rythme.

Faire de la compétence le cœur des stratégies de transformation

Une transformation technologique durable nécessite un investissement conjoint et résolu dans les compétences. Ce constat traverse l’ensemble du rapport et il est largement partagé par les acteurs de terrain. En effet, les technologies 4.0 ne soulèvent pas seulement le problème du recrutement des profils rares ; c’est aussi qu’elles transforment les métiers existants, y compris dans le domaine du management intermédiaire. Investir dans le 4.0, c’est donc à la fois recruter de nouvelles compétences techniques et accompagner l’évolution des pratiques professionnelles.

En d’autres termes, les politiques industrielles – ici de soutien à l’investissement productif – doivent être articulées avec celles de la formation professionnelle et de l’éducation. Cela suppose aussi de soutenir les entreprises dans leur capacité à valoriser les compétences nouvellement acquises et à sécuriser les parcours professionnels.

Parfois, le débat public se polarise entre fascination technologique et crainte du déclassement ou du chômage. Cela est regrettable. Il n’y a pas à choisir entre technologie et emploi, ni entre compétitivité et cohésion sociale. Sur un socle de compétences de bon niveau et largement partagées, la technologie permet l’emploi. À défaut, chaque objectif se présente au détriment de l’autre et nos entreprises perdront pied au sein des chaînes de valeur européennes et mondiales.

Dans un moment où les choix budgétaires sont difficiles et les priorités multiples, soutenir une transformation industrielle exigeante est un pari stratégique sur le long terme.

Pierre-André de Chalendar et Louis Gallois,
Co-présidents de La Fabrique de l’industrie

Bibliographie

Acemoglu, D., Autor, D., Dorn, D., Hanson, G. H., & Price, B. (2014). Return of the Solow Paradox ? IT, Productivity, and Employment in US Manufacturing. American Economic Review, 104 (5), 394-399.

Acemoglu, D., & Restrepo, P. (2018). Demographics and Automation (SSRN Scholarly Paper No. 3138621). Social Science Research Network.

Acemoglu, D., & Restrepo, P. (2020). Robots and Jobs : Evidence from US Labor Markets. Journal of Political Economy, 128 (6), 2188-2244.

Acosta, M., Coronado, D., Ferrandiz, E., Marin, M. R., & Moreno, P. J. (2018). Patents and Dual-use Technology : An Empirical Study of the World’s Largest Defence Companies. Defence and Peace Economics, 29(7), 821-839.

Aghion, P., Bunel, S., Jaravel, X., Mikaelsen, T., Roulet, A., & Søgaard, J. (2025). How Different Uses of AI Shape Labor Demand : Evidence from France. AEA Papers and Proceedings, 115, 62-67.

Aghion, P., & Bunel, S. (2024). AI and Growth : where do we stand ?. Policy Note.

Aghion, P., Antonin, C., & Bunel, S. (2019). Artificial Intelligence, Growth and Employment : The Role of Policy. Economie et Statistique / Economics and Statistics, 510-511-512, 150.

Agostini, L., & Nosella, A. (2019). The adoption of Industry 4.0 technologies in SMEs : Results of an international study. Management Decision, 58(4), 625-643.

Al-Gumaei, K., Schuba, K., Friesen, A., Heymann, S., Pieper, C., Pethig, F., & Schriegel, S. (2018). A Survey of Internet of Things and Big Data integrated Solutions for Industrie 4.0. 2018 IEEE 23rd International Conference on Emerging Technologies and Factory Automation (ETFA), 1, 1417-1424.

Andrews, D., Criscuolo, C., & Gal, P. N. (2015). Frontier Firms, Technology Diffusion and Public Policy : Micro Evidence From OECD Countries (No. 02 ; OECD Productivity Working Papers). OECD Publishing.

Autor, D. H., Dorn, D., & Hanson, G. H. (2015). Untangling Trade and Technology : Evidence from Local Labour Markets. The Economic Journal, 125(584), 621-646.

Autor, D. H., Levy, F., & Murnane, R. J. (2003). The Skill Content of Recent Technological Change : An Empirical Exploration. The Quarterly Journal of Economics, 118 (4), 1279-1333.

Bai, C., Li, H. A., & Xiao, Y. (2022). Industry 4.0 technologies : Empirical impacts and decision framework. Production and Operations Management, n/a (n/a).

Balland, P.-A., & Boschma, R. (2021). Mapping the potentials of regions in Europe to contribute to new knowledge production in Industry 4.0 technologies. Regional Studies, 55(10-11), 1652-1666.

Bartel, A., Ichniowski, C., & Shaw, K. (2007). How Does Information Technology Affect Productivity ? Plant-Level Comparisons of Product Innovation, Process Improvement, and Worker Skills*. The Quarterly Journal of Economics, 122 (4), 1721-1758.

Bartelsman, E. J., & Doms, M. (2000). Understanding Productivity : Lessons from Longitudinal Microdata. Journal of Economic Literature, 38 (3), 569-594.

Baumol, W. J. (1986). Productivity Growth, Convergence, and Welfare : What the Long-Run Data Show. The American Economic Review, 76 (5), 1072-1085.

Benassi, M., Grinza, E., Rentocchini, F., & Rondi, L. (2020). Going Revolutionary : The Impact of 4IR Technology Development on Firm Performance (SSRN Scholarly Paper No. 3625592). Social Science Research Network.

Bergeaud, A., Cette, G., & Lecat, R. (2017). What role did education, equipment age and technology play in 20th century productivity growth ? Rue de La Banque, 43.

Bettiol, M., Capestro, M., Maria, E. D., & Micelli, S. (2020). At The Roots Of The Fourth Industrial Revolution : How ICT Investments Affect Industry 4.0 Adoption. « Marco Fanno » Working Papers, Article 0253.

Bettiol, M., Capestro, M., Maria, E. D., & Micelli, S. (2021). Disentangling the link between ICT and Industry 4.0 : Impacts on knowledge-related performance. International Journal of Productivity and Performance Management, 71 (4), 1076-1098.

Bidet-Mayer, T. (2016). L’industrie du futur : Une compétition mondiale, Les Notes de La Fabrique, Vol. 14. Presses des Mines.

Bloom, N., Sadun, R., & Van Reenen, J. (2012). Americans Do IT Better : US Multinationals and the Productivity Miracle. American Economic Review, 102 (1), 167-201.

Bock, S., & Gelman, P. (2024, novembre 18). The Widening Productivity Gap and the Underperformance of ICT-Intensive Sectors in France.

Bresnahan, T. F., Brynjolfsson, E., & Hitt, L. M. (2002). Information Technology, Workplace Organization, and the Demand for Skilled Labor : Firm-Level Evidence. The Quarterly Journal of Economics, 117 (1), 339-376.

Brown, M. M. (2015). Revisiting the IT Productivity Paradox. The American Review of Public Administration, 45 (5), 565-583.

Brynjolfsson, E. (1993). The productivity paradox of information technology. Communications of the ACM, 36 (12), 66-77.

Brynjolfsson, E., & Hitt, L. (1993). Is Information Systems Spending Productive ? New Evidence and New Results. Proceedings of the International Conference on Information Systems.

Brynjolfsson, E., & Hitt, L. (1996). Paradox Lost ? Firm-Level Evidence on the Returns to Information Systems Spending. Management Science, 42 (4), 541-558.

Brynjolfsson, E., & Hitt, L. M. (2000). Beyond Computation : Information Technology, Organizational Transformation and Business Performance. Journal of Economic Perspectives, 14 (4), 23-48.

Brynjolfsson, E., Rock, D., & Syverson, C. (2019). 1. Artificial Intelligence and the Modern Productivity Paradox : A Clash of Expectations and Statistics. In A. Agrawal, J. Gans, & A. Goldfarb (Éds.), The Economics of Artificial Intelligence : An Agenda (p. 23-60). University of Chicago Press.

Büchi, G., Cugno, M., & Castagnoli, R. (2020). Smart factory performance and Industry 4.0. Technological Forecasting and Social Change, 150, 119790.

Bunel, S., Clymo, A., & Garnier, O. (2025, février 28). Réexamen de l’écart de performance de l’Europe vis-à-vis des États-Unis. Banque de France.

Burgmann, N., Burger, M., & Krüger, A. (2022). Subscription Business Models as Accelerators for the Adoption of Industry 4.0 by SMEs. In The Future of Smart Production for SMEs (Springer Cham).

Capello, R., Lenzi, C., & Perucca, G. (2022). The modern Solow paradox. In search for explanations. Structural Change and Economic Dynamics, 63, 166-180.

Cardona, M., Kretschmer, T., & Strobel, T. (2013). ICT and productivity : Conclusions from the empirical literature. Information Economics and Policy, 25 (3), 109-125.

Carnevali, E., Godin, A., Lucarelli, S., & Veronese Passarella, M. (2020). Productivity growth, Smith effects and Ricardo effects in Euro Area’s manufacturing industries. Metroeconomica, 71 (1), 129-155.

Caselli, F., & Coleman, W. J. (2001). Cross-Country Technology Diffusion : The Case of Computers. The American Economic Review, 91(2), 328-335.

Caselli, M., Chatterjee, A., & Li, S. (2026). Productivity and Quality of Multi-product Firms.

Castellani, D., Lamperti, F., & Lavoratori, K. (2022). Measuring adoption of industry 4.0 technologies via international trade data : Insights from European countries. Journal of Industrial and Business Economics, 49(1), 51-93.

Ceccobelli, M., Gitto, S., & Mancuso, P. (2012). ICT capital and labour productivity growth : A non-parametric analysis of 14 OECD countries. Telecommunications Policy, 36 (4), 282-292.

Charlet, V., & Dehnert, S. (2017). L’industrie du futur : Progrès technique, progrès social ? Regards franco-allemands, Les Notes de La Fabrique, Vol. 20. Presses des Mines.

Chiacchio, F., Petropoulos, G., & Pichler, D. (2018). The impact of industrial robots on EU employment and wages : A local labour market approach (Working Paper No. 2018/02). Bruegel Working Paper.

Cohen, S. S., & Zysman, J. (1987). Manufacturing matters : The myth of the post-industrial economy. Basic Books.

Coquet, B., & Heyer, É. (2025, avril 1). La productivité retrouve des couleurs. OFCE – Policy brief, 2025(142).

Corradini, C., Santini, E., & Vecciolini, C. (2021). The geography of Industry 4.0 technologies across European regions. Regional Studies, 55(10-11), 1667-1680.

Crafts, N. (2002). The Solow Productivity Paradox in Historical Perspective (SSRN Scholarly Paper No. 298444). Social Science Research Network.

Crafts, N. (2004). The Economic Impact of ICT : A Perspective From The Age of Steam. The Esmée Fairbairn Lecture, 18 novembre, Lancaster University.

Dachs, B., Kinkel, S., & Jäger, A. (2019). Bringing it all back home ? Backshoring of manufacturing activities and the adoption of Industry 4.0 technologies. Journal of World Business, 54(6), 101017.

De Loecker, J., Eeckhout, J., & Unger, G. (2020). The Rise of Market Power and the Macroeconomic Implications*. The Quarterly Journal of Economics, 135 (2), 561-644.

Delic, M., & Eyers, D. R. (2020). The effect of additive manufacturing adoption on supply chain flexibility and performance : An empirical analysis from the automotive industry. International Journal of Production Economics, 228, 107689.

Dell, F., Janin, L., Douillard, P., & Lorach, N. (2014, septembre 26). Has There Been an Investment Gap in France and Europe since 2007 ? Haut-Commissariat à la stratégie et au plan.

Department of Science, Trade and Technology. (2025). Factors affecting adoption of 3D Printing by SMEs : The case of Greater Manchester.

Desjeux, M (2025). L’industrie de défense au service des ambitions françaises. De la maîtrise à la supériorité, La Fabrique de l’industrie, Paris, Presses des Mines.

Diez-Olivan, A., Del Ser, J., Galar, D., & Sierra, B. (2019). Data fusion and machine learning for industrial prognosis : Trends and perspectives towards Industry 4.0. Information Fusion, 50, 92-111.

Edquist, H., Goodridge, P., & Haskel, J. (2021). The Internet of Things and economic growth in a panel of countries. Economics of Innovation and New Technology, 30(3), 262-283.

Errera, R. (2022, octobre 6). 3D Printing Statistics (2022 Additive Manufacturing Data). Toner Buzz.

European Investment Bank. (2025). EIB Investment Survey 2025. European Investment Bank.

Felice, G., Lamperti, F., & Piscitello, L. (2022). The employment implications of additive manufacturing. Industry and Innovation, 29(3), 333-366.

Ghadge, A., Kara, M. E., Moradlou, H., & Goswami, M. (2020). The impact of Industry 4.0 implementation on supply chains. Journal of Manufacturing Technology Management, 31 (4), 669-686.

Ghobakhloo, M., & Fathi, M. (2019). Corporate survival in Industry 4.0 era : The enabling role of lean-digitized manufacturing. Journal of Manufacturing Technology Management, 31 (1), 1-30.

Gouyette, C., & Perelman, S. (1997). Productivity convergence in OECD service industries. Structural Change and Economic Dynamics, 8 (3), 279-295.

Graetz, G., & Michaels, G. (2018). Robots at Work. The Review of Economics and Statistics, 100 (5), 753-768.

Hajli, M., Sims, J. M., & Ibragimov, V. (2015). Information technology (IT) productivity paradox in the 21st century. International Journal of Productivity and Performance Management, 64 (4), 457-478.

Hélin, E. (1991). La Révolution industrielle : Les mots ont-ils précédé les réalités ?

Hexagon. (2025). 2025 Digital Twin Statistics. Hexagon.

Hitt, L. M., & Brynjolfsson, E. (1996). Productivity, Business Profitability, and Consumer Surplus : Three Different Measures of Information Technology Value. MIS Quarterly, 20 (2), 121-142.

Hoffmann, M., Lehnert, T., Müller, J., & Sekreter, C. (2025). The Elephant in the Room—What does Industry 4.0 really mean in the forging industry ? FIA Magazine.

Hu, Q., & Quan, J. « Jim ». (2005). Evaluating the impact of IT investments on productivity : A causal analysis at industry level. International Journal of Information Management, 25 (1), 39-53.

IBM. (2024, janvier 10). Data Suggests Growth in Enterprise Adoption of AI is Due to Widespread Deployment by Early Adopters.

Inklaar, R., Timmer, M. P., & Ark, B. van. (2007). Mind the Gap ! International Comparisons of Productivity in Services and Goods Production. German Economic Review, 8 (2), 281-307.

Jarrige, F. (2015). Révolutions industrielles : Histoire d’un mythe. Revue Projet, 349 (6), 14-21.

Kropov, V. (2024, octobre 10). Digital twins in manufacturing : An overview. Digital Twins in Manufacturing : Benefits, Technologies and Use Cases.

Kuusi, T. (2015). The dynamics of ICT adaptation and the productivity gaps across advanced nations. Journal of Productivity Analysis, 44 (2), 175-188.

Lerch, C., Horvat, D., Jäger, A., Berner, D., & Palcic, I. (2026). Digitalization and De-Digitalization : Investigating the Phenomenon of Declining Industry 4.0 Adoption Rates in German Manufacturing. International Conference on Advances in Production Management Systems 2025.

Make UK, & Autodesk. (2024). Future Factories Powered by AI.

Masood, T., & Sonntag, P. (2020). Industry 4.0 : Adoption challenges and benefits for SMEs. Computers in Industry, 121, 103261.

Massini, S., Barrioluengo, M. S., & Yu, X. (2022). Adoption of Digital Technologies and Skills in Greater Manchester.

Massini, S., Sanchez-Barrioluengo, M., Yu, X., Kim, M., Chen, P., & Velu, C. (2025, janvier). Adoption of Advanced Digital Technologies and Platforms : Insights from a UK national survey. The Productivity Institute.

Matt, D. T., Molinaro, M., Orzes, G., & Pedrini, G. (2021). The role of innovation ecosystems in Industry 4.0 adoption. Journal of Manufacturing Technology Management, 32(9), 369-395.

Melitz, M. J. (2003). The Impact of Trade on Intra-Industry Reallocations and Aggregate Industry Productivity. Econometrica, 71 (6), 1695-1725.

MGR. (2025). Virtual and Augmented Reality Industry Market Size, Trends 2033. Market Growth Reports.

Ng, E. C. Y., & Ng, Y. C. (2016). What explains the total factor productivity gap between OECD economies and the U.S. ? Applied Economics, 48 (32), 3005-3019.

Opazo-Basáez, M., Vendrell-Herrero, F., Bustinza, O. F., & Marić, J. (2021). Global value chain breadth and firm productivity : The enhancing effect of Industry 4.0. Journal of Manufacturing Technology Management, 33 (4), 785-804.

Permin, E., Castillo, L., Sarin, S., Lossie, K., Grunert, D., Schmitt, R. H., & Wohlgemuth, C. (2025). Success Factors for Value Creation in Industry 4.0—A Comparison of two Field Studies in German Tool Machine Manufacturers and Start-Ups. Procedia CIRP. Conference on Manufacturing Systems 2025.

Prim, M. F., Oliveira Gomes, J. de, Kohl, H., Orth, R., Will, M., & Vargas, G. B. (2022). Identifying the Dynamics of Intangible Resources for Industry 4.0 Adoption Process. IEEE Access.

Prodi, E., Tassinari, M., Ferrannini, A., & Rubini, L. (2022). Industry 4.0 policy from a sociotechnical perspective : The case of German competence centres. Technological Forecasting and Social Change, 175, 121341.

Ramirez, S. (2025, mai 26). Machine Learning Statistics 2025 : Market Size, Adoption, and Key Trends. SQ Magazine.

Revoltella, D. (2019). Accelerating Europe’s Transformation. European Investment Bank Investment Report 2019/2020. European Investment Bank (EIB).

Roblek, V., Meško, M., & Krapež, A. (2016). A Complex View of Industry 4.0. SAGE Open, 6 (2), 2158244016653987.

Schwab, K. (2017). La quatrième révolution industrielle. Dunod.

Shrimali, R. (2024, novembre 21). 60+ Machine Learning Statistics & Market Insights for 2025. Radixweb.

Solow, R. (1987, juillet 12). We’d Better Watch Out. New York Times Book Review.

Stiroh, K. J. (2002). Information Technology and the U.S. Productivity Revival : What Do the Industry Data Say ? American Economic Review, 92 (5), 1559-1576.

Swafford, P. M., Ghosh, S., & Murthy, N. (2008). Achieving supply chain agility through IT integration and flexibility. International Journal of Production Economics, 116 (2), 288-297.

UK Government. (2025). Technology Adoption Review.

Valla, N., & Durré, A. (2025). Un monde en mutation Productivité, compétitivité et transition numérique (No. 5). Conseil national de la productivité.

van Ark, B., O’Mahoney, M., & Timmer, M. P. (2008). The Productivity Gap between Europe and the United States : Trends and Causes. Journal of Economic Perspectives, 22 (1), 25-44.

Venturini, F. (2022). Intelligent technologies and productivity spillovers : Evidence from the Fourth Industrial Revolution. Journal of Economic Behavior & Organization, 194, 220-243.

Willcocks, L., & Lester, S. (1996). Beyond the IT productivity paradox. European Management Journal, 14 (3), 279-290.