ATLAS : ce que Google vient de nous apprendre sur l'usage réel de l'IA

Google vient de publier un document qui devrait intéresser tous ceux qui, comme moi, suivent de près la manière dont l'intelligence artificielle s'installe concrètement dans le travail et le quotidien. Il s'agit du premier rapport ATLAS (Activity, Task, Landscape, and Adoption Study), une étude à grande échelle sur l'usage réel des outils IA de Google — Gemini App, AI Mode et l'API Gemini.

Ce qui rend ce rapport intéressant, ce n'est pas tant le discours marketing habituel autour de l'IA, mais la matière première : 15 millions d'interactions humain-IA, anonymisées et agrégées, couvrant plus de 150 pays, 140 langues, 800 métiers et 4 000 tâches différentes. Autant dire que c'est probablement la photographie la plus précise dont on dispose aujourd'hui sur la façon dont les gens utilisent réellement l'IA, loin des fantasmes de remplacement total du travail humain.

Voici les enseignements qui m'ont semblé les plus utiles, avec en tête mon prisme e-commerce et data.

1. L'IA est utilisée partout, mais pour une part limitée du travail

Le rapport montre que l'usage professionnel de l'IA touche la quasi-totalité des secteurs et concerne 68 % des métiers, soit 90 % de l'emploi américain. Mais dans le détail, l'usage reste sélectif : sur un poste donné, l'IA n'intervient en moyenne que sur environ 21 % des tâches.

Autrement dit : l'IA est partout, mais elle ne remplace pas des métiers entiers — elle vient se glisser dans certaines tâches précises. Ça correspond assez bien à ce qu'on observe côté e-commerce : personne ne délègue la stratégie complète à un modèle, mais tout le monde s'en sert pour accélérer une analyse, rédiger un brief, ou explorer une hypothèse plus vite.

2. On collabore avec l'IA, on ne l'automatise pas (encore)

Autre point marquant : la grande majorité des usages professionnels relèvent de la collaboration — idéation, stratégie, recherche d'information, apprentissage — plutôt que de l'automatisation pure. Moins de 10 % des interactions professionnelles automatisent réellement une tâche de bout en bout.

Les tâches dites « cognitives non routinières » (design créatif, test d'hypothèses) sont d'ailleurs surreprésentées dans les usages IA par rapport à leur poids réel dans l'économie (65 % contre 35 %). Ce n'est pas un hasard : c'est exactement le type de tâches où un assistant IA apporte le plus de valeur immédiate, en complément du jugement humain plutôt qu'en substitution.

3. Les métiers manuels s'y mettent aussi — et de façon très visuelle

Un enseignement que je n'attendais pas : les métiers techniques et manuels (mécaniciens auto, techniciens industriels) utilisent l'IA conversationnelle comme copilote en temps réel pour du diagnostic, du dépannage ou de l'apprentissage sur le tas. Et ces profils sont deux fois plus susceptibles d'utiliser l'IA multimodale (image, vidéo) que la moyenne — par exemple pour interpréter un résultat de test, déboguer un câblage électrique ou inspecter l'usure d'une pièce.

Ça casse un peu le cliché du « l'IA, c'est pour les cols blancs ».

4. Une bonne partie de la valeur se crée hors du travail

Plus de 86 % des interactions avec les outils IA de Google ont lieu en dehors du cadre professionnel. Recherche d'achats, aide à l'utilisation d'un appareil, mais aussi tâches administratives à forte friction — impôts, démarches administratives, formalités diverses. C'est une valeur économique réelle, mais qui échappe largement aux indicateurs macroéconomiques classiques. Un angle mort intéressant pour quiconque s'intéresse à la data et à la mesure d'impact.

5. L'adoption mondiale suit la richesse, avec quelques surprises

Sans grande surprise, l'usage de l'IA par habitant suit d'assez près le niveau de richesse des pays (PIB par habitant), ce qui pose la question d'une fracture numérique persistante. Mais certains pays à revenu intermédiaire, en Amérique du Sud et au Moyen-Orient, adoptent l'IA à des rythmes comparables à des pays bien plus riches — preuve que la trajectoire n'est pas figée.

Autre détail qui m'a marqué : l'anglais ne représente qu'un tiers des conversations IA dans le monde. Les utilisateurs ne basculent pas systématiquement vers l'anglais pour les tâches complexes, ils restent dans leur langue. Un signal encourageant pour tous les marchés non anglophones, Pologne comprise.

Comment ATLAS a été construit

Techniquement, ATLAS s'appuie sur un outil interne de Google DeepMind baptisé OCTO (Observation Clustering and Taxonomy Organisation), conçu pour transformer des volumes massifs de texte non structuré — les conversations avec l'IA — en catégories organisées et exploitables. Côté protection des données, Google indique avoir ajouté plusieurs couches de protection en plus de l'anonymisation classique : suppression des références à des informations sensibles, suppression de tout lien entre les données ATLAS et les journaux utilisateurs d'origine, résumé des textes puis agrégation par groupes.

Ce que j'en retiens

Ce rapport confirme une intuition que beaucoup d'entre nous partagent sur le terrain : l'IA ne remplace pas le travail, elle le redistribue tâche par tâche, de façon très inégale selon les métiers et les usages. Pour l'e-commerce et le marketing data-driven, le message est clair — la vraie valeur ne viendra pas d'une automatisation totale et instantanée, mais d'une intégration fine, tâche par tâche, dans les flux existants. Ce qui rejoint assez bien ma propre approche : partir de la donnée, tester, mesurer, et ne généraliser un usage IA que lorsqu'il a fait ses preuves sur un périmètre restreint.

Ce n'est que la première version d'ATLAS — Google annonce vouloir en faire un programme de recherche continu, avec des collaborations académiques. Un rapport à suivre, donc, pour quiconque veut comprendre l'IA au-delà du discours promotionnel.

Source : Understanding the AI economy, Google Keyword Blog, 23 juillet 2026