Les processus manuels coûtent entre 2 et 12 millions d'euros par an aux entreprises de taille intermédiaire. Les études révèlent le véritable prix de l'humain comme « middleware » et expliquent pourquoi 88 % des projets d'automatisation échouent.
Les erreurs de saisie manuelle coûtent en moyenne 12,9 millions de dollars par an aux organisations, tandis que les travailleurs du savoir gaspillent 58 % de leur journée en tâches de coordination à faible valeur ajoutée au lieu de se consacrer au travail stratégique. Pour les ETI européennes, ces inefficacités cachées représentent un handicap concurrentiel majeur — que l'automatisation peut résoudre avec un ROI documenté de 262 à 330 % sur trois ans. Ce rapport compile des statistiques issues de sources primaires — McKinsey, Gartner, Forrester, recherches universitaires et études de cas réels — pour quantifier précisément ce que les processus manuels coûtent à votre organisation.
La saisie manuelle présente des taux d'erreur mesurables et un impact financier substantiel
La recherche fondamentale sur la précision de la saisie de données provient du professeur Raymond R. Panko de l'Université d'Hawaï, dont les travaux menés entre 1998 et 2016 ont établi que les humains n'atteignent qu'une précision de 95 à 99 % lors de la saisie de données — un chiffre qui semble acceptable jusqu'à ce qu'on l'applique à grande échelle. L'analyse de Panko portant sur 14 études en laboratoire impliquant 967 individus a révélé un taux d'erreur moyen par cellule de 3,9 %, tandis que des audits de terrain sur des tableurs opérationnels ont détecté des erreurs dans 94 % des feuilles de calcul examinées lors d'inspections approfondies.
La recherche médicale valide ces ordres de grandeur dans des environnements à enjeux élevés. Une étude de 2019 publiée dans le Journal of the American Medical Informatics Association a compilé les taux d'erreur issus de plusieurs contextes cliniques : McSwiney et Woodrow ont constaté un taux d'erreur administrative de 1,14 %, tandis que Hong et al. ont documenté un taux d'erreur global de 2,8 %, variant de 0,5 % à 6,4 % selon le champ de données. La référence sectorielle acceptée d'un taux d'erreur de 1 % apparaît optimiste — les études empiriques révèlent systématiquement des taux entre 0,55 % et 5 %, avec des extrêmes atteignant 26,9 % dans des environnements mal contrôlés.
Les conséquences financières s'accumulent rapidement. La recherche Gartner de 2020 a établi que la mauvaise qualité des données coûte aux organisations au moins 12,9 millions de dollars par an en moyenne, tandis que 36 % des participants à leur étude primaire estimaient perdre plus d'un million de dollars annuellement spécifiquement en raison de problèmes de qualité des données. Thomas Redman, écrivant dans la Harvard Business Review (septembre 2016), a calculé que les données de mauvaise qualité coûtent à l'économie américaine 3 100 milliards de dollars par an — soit environ 18 % du PIB de l'époque.
La règle du 1-10-100, établie par Labovitz et Chang en 1992, quantifie cette escalade : 1 $ pour vérifier les données au moment de la saisie, 10 $ pour corriger les erreurs après coup, et 100 $ en coûts de défaillance par enregistrement annuellement si les erreurs ne sont pas traitées. L'analyse sectorielle de Conexiom estime le coût moyen par erreur de saisie entre 50 et 150 $, selon la distance parcourue dans les systèmes avant détection.
Les travailleurs du savoir consacrent la majeure partie de leur temps au travail sur le travail
L'Asana Anatomy of Work Global Index 2023 — une enquête auprès de 9 615 travailleurs du savoir dans six pays — livre peut-être le constat le plus frappant : les employés ne consacrent que 27 % de leur temps aux tâches pour lesquelles ils ont été embauchés. Le reste se répartit entre le « travail sur le travail » (coordination, points d'avancement, recherche d'informations) qui absorbe 58 % de la journée, avec 62 % du temps perdus spécifiquement sur des tâches banales et récurrentes.
Le gaspillage se démultiplie dramatiquement sur une année. Selon les calculs d'Asana, le travailleur du savoir moyen perd 103 heures par an en réunions inutiles, 209 heures en travail redondant, et 352 heures à parler du travail plutôt qu'à le faire. La recherche APQC (novembre 2021, enquête auprès de 982 travailleurs du savoir) a établi que seules 30 heures productives émergent d'une semaine de 40 heures, avec 8,2 heures hebdomadaires — 20 % du temps de travail — consacrées à chercher, recréer et dupliquer des informations.
La recherche Forrester pour Airtable a établi que les travailleurs du savoir passent 30 % de leur temps simplement à chercher des données, tandis que les grandes organisations maintiennent en moyenne 367 applications et systèmes logiciels différents qui ne communiquent pas efficacement entre eux. Une analyse Forrester distincte a révélé que les travailleurs du savoir passent 12 heures par semaine à « traquer des données » à travers des systèmes déconnectés.
Pour les équipes RH spécifiquement, la recherche People XCD a montré que les organisations utilisant la saisie manuelle consacrent 15 à 50 % du temps de l'équipe RH à gérer manuellement les informations. L'étude mondiale sur la productivité d'Unit4 a calculé que les employés de bureau perdent 552 heures par an (69 jours ouvrés) en tâches administratives ou répétitives. Les commerciaux, selon les analyses sectorielles, gaspillent plus de 27 % de leur temps uniquement à cause de données incorrectes — numéros de téléphone erronés, informations de contact obsolètes, enregistrements en double.
Les recherches des cabinets de conseil établissent un ROI de l'automatisation entre 30 % et 330 %
Le rapport fondateur du McKinsey Global Institute de 2017 « A Future That Works » a analysé 2 000 activités professionnelles distinctes dans plus de 800 métiers et conclu que 50 % des activités de travail à l'échelle mondiale pourraient être automatisées avec les technologies alors disponibles — représentant 15 000 milliards de dollars de salaires dans le monde. Leur rapport de juin 2023 sur l'IA générative a révisé ces estimations nettement à la hausse : l'IA générative et les autres technologies pourraient désormais automatiser 60 à 70 % du temps des employés, ajoutant potentiellement 2 600 à 4 400 milliards de dollars annuellement dans les 63 cas d'usage analysés.
La recherche McKinsey la plus récente (novembre 2025, « Agents, Robots, and Us ») a examiné les exigences en compétences dans 800 métiers et 2 000+ activités, établissant que les technologies actuellement démontrées pourraient automatiser 57 % des heures de travail américaines, libérant 2 900 milliards de dollars de valeur économique d'ici 2030. Fait important, plus de 70 % des compétences actuelles restent applicables au travail automatisable comme non automatisable — l'automatisation augmente plutôt qu'elle ne remplace.
Les études Forrester Total Economic Impact fournissent des chiffres de ROI concrets issus d'implémentations de fournisseurs. Leur étude TEI 2024 pour SS&C Blue Prism a documenté un ROI sur trois ans de 330 % avec un retour sur investissement en moins de six mois pour l'organisation composite analysée. L'étude TEI Forrester pour UiPath a établi un ROI de 97 %, tandis que celle pour Automation Anywhere a démontré un ROI de 262 % sur trois ans, avec 1,1 million de dollars de bénéfices issus de la seule réduction des erreurs et 2,7 millions de dollars d'économies en conformité et audit.
La septième enquête annuelle de Deloitte sur l'automatisation intelligente (juin 2022, interrogeant 479 dirigeants dans 35 pays) a révélé que 74 % des organisations déployaient déjà la RPA, avec des réductions de coûts effectives moyennes de 32 % — contre 24 % en 2020. Un dirigeant des services financiers a rapporté des réductions de coûts dépassant 70 % dans des domaines de processus ciblés. Le délai moyen de retour sur investissement s'est légèrement allongé à 22 mois (contre 16 mois en 2020), reflétant des implémentations d'entreprise plus ambitieuses.
Les prévisions de marché de Gartner projettent le marché des logiciels d'hyperautomatisation atteignant 1 070 milliards de dollars d'ici 2028 avec un TCAC de 13,9 %. Leur prédiction de 2021 selon laquelle les organisations réduiraient leurs coûts opérationnels de 30 % d'ici 2024 grâce à l'hyperautomatisation semble en voie de réalisation. Le marché RPA spécifiquement a crû de 22,1 % en 2023 pour atteindre 3,2 milliards de dollars, dépassant à la fois le marché de l'IA (croissance de 13,2 %) et le chiffre d'affaires mondial des logiciels (11,1 %).
La statistique de 88 % d'échec des projets IA nécessite une mise en contexte importante
L'affirmation largement citée selon laquelle « 88 % des projets IA échouent » provient d'une recherche IDC en partenariat avec Lenovo, publiée dans le « CIO Playbook 2025 » (mars 2025). Le constat indique précisément : « 88 % des POC observés ne passent pas le cap du déploiement à grande échelle. Pour chaque 33 POC IA lancés par une entreprise, seuls quatre atteignent la production. »
Cela mesure les taux de conversion des preuves de concept, et non l'échec global des projets IA. La distinction est importante : les POC sont conçus comme des expérimentations, et des taux d'attrition élevés sont attendus. Le rapport IDC attribue cela aux lacunes de maturité organisationnelle : « Le nombre élevé de POC IA mais la faible conversion en production indique le faible niveau de préparation organisationnelle en termes de données, processus et infrastructure IT. »
Plusieurs sources citent des chiffres similaires avec des méthodologies différentes :
RAND Corporation (août 2024, basé sur des entretiens avec 65 data scientists) : « Plus de 80 % des projets IA échouent — soit le double du taux d'échec des projets informatiques n'impliquant pas l'IA »
Project NANDA du MIT Media Lab (juillet 2025, analysant plus de 300 initiatives IA rendues publiques) : « 95 % des projets pilotes IA n'ont généré aucune économie financière perceptible ni augmentation des profits »
Gartner (prédiction de février 2018) : « D'ici 2022, 85 % des projets IA produiront des résultats erronés en raison de biais dans les données, les algorithmes ou les équipes responsables »
La recherche RAND a identifié cinq causes profondes : les parties prenantes comprennent mal le problème (cause la plus fréquente), les organisations manquent des données d'entraînement nécessaires, l'accent est mis sur la technologie plutôt que sur les problèmes, l'infrastructure de données est inadéquate, et l'IA est appliquée à des problèmes trop difficiles pour les capacités actuelles.
Mise en garde importante sur la recherche MIT NANDA : Le chiffre de 95 % a suscité des critiques méthodologiques. Futuriom a noté que la présentation des données du rapport manque parfois de clarté, et la taille de l'échantillon (52 entretiens organisationnels, 153 réponses à l'enquête, plus de 300 revues d'initiatives) pourrait ne pas supporter une conclusion aussi radicale. La recherche provient également du Project NANDA, qui développe une infrastructure pour les agents IA décentralisés — créant une incitation potentielle à suggérer que les approches actuelles ne fonctionnent pas. Le résultat s'interprète mieux comme « 95 % des pilotes n'ont pas encore montré d'impact P&L mesurable » plutôt que « 95 % des projets IA ont échoué ».
Cela dit, MIT NANDA a constaté que les entreprises achetant des outils IA auprès de fournisseurs spécialisés réussissent 67 % du temps, tandis que les développements internes ne réussissent que 33 % du temps. Les ETI font également passer les pilotes en production plus rapidement — environ 90 jours contre plus de 9 mois pour les grandes entreprises.
Les coûts cachés s'accumulent via les silos de données, le turnover et les risques de conformité
Les silos de données coûtent aux organisations 20 à 30 % de leur chiffre d'affaires annuel selon IDC Market Research, tandis que l'enquête Forrester Data Culture and Literacy (2023) a révélé que plus de 25 % des employés mondiaux des données et analytics estiment perdre plus de 5 millions de dollars annuellement en raison de la mauvaise qualité des données, 7 % rapportant des pertes dépassant 25 millions de dollars. L'enquête DATAVERSITY 2024 a constaté que 68 % des organisations citent les silos de données comme leur préoccupation majeure en gestion des données — en hausse de 7 points par rapport à l'année précédente.
Le turnover lié au désengagement coûte significativement aux organisations. Le rapport Gallup State of the Global Workplace 2023 a calculé que le faible engagement des employés coûte à l'économie mondiale environ 8 900 milliards de dollars annuellement — soit 9 % du PIB mondial. Les organisations avec un engagement élevé connaissent 59 % de turnover en moins que celles avec un faible engagement. La Society for Human Resource Management estime les coûts de remplacement entre 50 et 200 % du salaire annuel, avec 60 à 70 % des coûts de turnover qui sont cachés (perte de productivité, moral, savoir institutionnel).
Le rapport Gallup a constaté que 33 % des employés citent l'ennui et le besoin d'« un nouveau défi » comme raisons de départ. L'engagement des employés américains est tombé à 31 % en 2024 — contre 36 % en 2020 et le plus bas niveau en une décennie — suggérant que l'automatisation des tâches répétitives a des implications stratégiques en matière de rétention.
Les risques de conformité liés aux processus manuels génèrent des pénalités substantielles. Le DLA Piper's GDPR Fines Tracker (janvier 2025) a documenté 5,88 milliards d'euros d'amendes RGPD cumulées depuis mai 2018, avec 1,2 milliard d'euros prononcés en 2024 seul. La plus grosse amende individuelle — 1,2 milliard d'euros contre Meta en mai 2023 — résultait de protections inadéquates des transferts de données. La recherche Gartner a établi que le traitement manuel des demandes d'accès aux données personnelles (DSAR) coûte environ 1 400 à 1 500 $ par demande, rendant l'automatisation essentielle pour les organisations recevant des volumes élevés de demandes.
Le rapport IBM Cost of a Data Breach 2024 a établi le coût moyen mondial d'une violation à 4,88 millions de dollars — une augmentation de 10 % sur un an et la plus forte hausse depuis la pandémie. Les organisations disposant d'IA et d'automatisation dans leurs opérations de sécurité ont réduit les coûts de violation en moyenne de 2,2 millions de dollars, tandis que celles dotées d'équipes de réponse aux incidents ont économisé 58 % sur les coûts de violation.
Les marchés européen et suisse présentent des schémas d'adoption distincts
L'enquête Eurostat 2025 a révélé que 20 % des entreprises européennes de 10 employés et plus utilisent désormais les technologies IA — contre 13,5 % en 2024 et 8,1 % en 2023. L'adoption varie considérablement selon la taille de l'entreprise : 41,2 % des grandes entreprises (250+ employés) contre 20,9 % des moyennes et seulement 11,2 % des petites entreprises (10-49 employés). Le Danemark mène avec 42 % d'adoption, tandis que la Roumanie (5,2 %) et la Pologne (8,4 %) accusent un retard significatif.
La Suisse surpasse la moyenne européenne. Le Microsoft Work Trend Index 2024 a établi que 82 % des travailleurs du savoir suisses utilisent l'IA générative au travail — dépassant la moyenne mondiale de 75 %. L'étude Michael Page Talent Trends 2024 a documenté que 32 % des employés suisses utilisent l'IA dans leurs fonctions contre une moyenne européenne de 23 % — faisant de la Suisse le leader européen.
Cependant, la recherche ETH Zurich avec Swissmem (mars 2024, enquête auprès de 209 cadres supérieurs dans la tech suisse) a révélé des défis d'implémentation : seules 25 % des entreprises ont une stratégie IA, 68 % manquent de talents IA internes suffisants, et 56 % rapportent un accès insuffisant à la formation IA. L'étude AXA/Sotomo Swiss SME 2024 a constaté que 55 % des PME suisses ont intégré l'IA dans leurs flux de travail, une hausse spectaculaire par rapport aux années précédentes — mais 45 % évaluent encore l'IA comme positive plutôt qu'essentielle.
La Banque européenne d'investissement a documenté un écart de digitalisation persistant : 37 % des entreprises européennes n'avaient adopté aucune technologie numérique avancée en 2020 contre 27 % aux États-Unis. Dans l'industrie manufacturière spécifiquement, 66 % des entreprises européennes ont adopté au moins une technologie numérique contre 78 % aux États-Unis. L'écart dans le secteur de la construction est encore plus large : 40 % UE contre 61 % États-Unis.
Les PME allemandes ont investi 31,9 milliards d'euros dans des projets de digitalisation selon KfW Research (2024), tandis que 62 % des entreprises allemandes utilisent désormais des technologies liées à l'Industrie 4.0 selon Germany Trade & Invest. Cependant, des lacunes d'infrastructure persistent : seuls 29,8 % des foyers allemands disposent d'internet fibre optique contre une moyenne européenne de 64 %.
Les erreurs de tableur affectent pratiquement tous les modèles d'entreprise complexes
Les recherches du professeur Raymond Panko à l'Université d'Hawaï représentent le travail académique de référence sur les erreurs de tableur. Sa compilation de sept audits de terrain a trouvé des erreurs dans 24 % des 367 feuilles de calcul examinées — mais cela sous-estime le problème, car les premiers audits utilisaient des méthodologies peu rigoureuses. Des inspections intensives plus récentes ont trouvé des erreurs dans au moins 86 % des tableurs audités, tandis que 85 études d'inspection intensive ont documenté des erreurs dans 94 % des tableurs examinés.
Le résultat le plus probant : Lawrence et Lee (2001) ont audité 30 tableurs de financement de projets — les 30 contenaient des erreurs (taux d'erreur de 100 %). Cela correspond au modèle mathématique de Panko : avec un taux d'erreur par cellule de 1 à 5 % et plus de 100 cellules dans des cascades de calcul, « la probabilité d'une erreur sur le résultat final approche 100 % ».
Des catastrophes de tableurs à fort retentissement démontrent les conséquences réelles :
JPMorgan Chase « London Whale » (2012) : Un modèle VaR « fonctionnait via une série de feuilles de calcul Excel, qui devaient être complétées manuellement, par un processus de copier-coller de données d'une feuille à l'autre ». Une erreur de formule divisait par la somme au lieu de la moyenne. Résultat : 6,2 milliards de dollars de pertes, 920 millions de dollars d'amendes réglementaires
Recherche sur l'austérité de Reinhart-Rogoff (2010) : Une sélection de lignes Excel a omis cinq pays d'une moyenne sur 20 pays, transformant le résultat de -0,1 % à +2,2 % de croissance du PIB au-dessus de 90 % de ratio d'endettement — une recherche qui a influencé la politique budgétaire mondiale
Barclays/Lehman (2008) : Des lignes Excel masquées ont inclus par inadvertance des contrats Lehman Brothers non souhaités dans l'accord d'acquisition
Fidelity Magellan Fund (1994) : Un signe moins manquant sur une perte de 1,3 milliard de dollars a créé une erreur de reporting de 2,6 milliards de dollars
L'European Spreadsheet Risks Interest Group (EuSpRIG), fondé en 2000, maintient une base de données de tels incidents. Leurs auditeurs expérimentés rapportent n'avoir « jamais vu un tableur majeur exempt d'erreurs » et estiment qu'« environ 5 % des tableurs audités présentent des erreurs très graves ».
L'excès de confiance aggrave le problème : Panko a constaté que lorsque les développeurs estimaient si leurs tableurs contenaient des erreurs, ils pensaient qu'environ 18 % seraient erronés — le chiffre réel était de 81 %.
Les études de cas démontrent des gains d'efficacité constants de 30 à 90 % selon les secteurs
L'automatisation des services financiers produit des résultats particulièrement probants. DNB Bank (Norvège) a automatisé 230 processus sur huit ans, restituant 1,5 million d'heures et économisant 70 millions d'euros. Banco Popular Dominicano a atteint une augmentation de productivité de 700 % grâce à l'automatisation du back-office, restituant 1 126 090 heures et évitant environ 1 million de dollars de coûts. Banque Internationale à Luxembourg rapporte un ROI de 100 % — chaque euro investi en rapporte deux en économies sur 60 processus automatisés.
Le traitement des factures affiche les gains les plus systématiquement documentés. Le traitement manuel des factures coûte typiquement 15 à 30 $ par facture ; l'automatisation réduit ce coût à 3 à 5 $ par facture. Un client manufacturier de Nividous a réduit ses coûts opérationnels de 40 % et économisé plus de 90 000 $ annuellement grâce à l'automatisation du rapprochement des factures. H&H Purchasing (Floride) a atteint une augmentation de capacité de 600 % avec une réduction des coûts de 90 % et zéro erreur — éliminant le besoin de jusqu'à 9 intérimaires pendant les périodes de pointe.
L'automatisation RH et opérationnelle atteint fréquemment des réductions de temps de 85 %+. Santander a réduit l'intégration des employés de 6 semaines à 2 jours (réduction de 85 %). Le Health Service Executive irlandais a réduit la vérification des antécédents des employés de 5 jours à 1 heure (réduction de 97,5 %) pour leurs 20 000 vérifications annuelles. IBM a réduit le temps de traitement des promotions pour 15 000 à 17 000 employés de 10 semaines à 5 semaines, économisant 12 000 heures par trimestre.
Les résultats en industrie et supply chain sont tout aussi convaincants. Schneider Electric (multinationale à siège européen) a réduit le traitement des commandes d'EPI de 4 heures à 2 minutes (réduction de 99 %). Raben Group (logistique européenne) économise 6 millions d'euros annuellement grâce à l'automatisation de la supply chain. Une entreprise manufacturière internationale a réduit le traitement des données de transaction de 3 heures quotidiennes à 30 minutes pour un mois entier — une réduction de temps de 96 % économisant plus de 90 heures mensuelles.
L'automatisation en santé répond à des contraintes de capacité critiques. Un groupe américain d'ophtalmologie a économisé 37 000 heures annuellement dans le traitement des demandes de remboursement tout en réduisant le délai entre réclamation et encaissement de 9 jours. Le NHS au Royaume-Uni a réduit la planification des équipes infirmières d'un processus manuel de 6 heures à 10 minutes (réduction de 97 %). Helse Vest (NHS norvégien) a restitué plus de 14 000 heures annuellement aux médecins et infirmiers grâce à plus de 50 processus automatisés.
Conclusion : le coût composé de l'inaction
Les données révèlent une tendance claire : les processus manuels coûtent aux ETI européennes entre 20 et 35 % d'efficacité opérationnelle via les erreurs directes, le gaspillage de temps et les coûts cachés. Avec 20,9 % des entreprises européennes de taille moyenne utilisant désormais l'IA (contre 41,2 % des grandes entreprises), l'écart concurrentiel entre opérations automatisées et manuelles va se creuser.
Trois constats méritent une attention particulière des décideurs. Premièrement, le ROI de l'automatisation est bien documenté : les études Forrester TEI montrent systématiquement des rendements sur trois ans de 97 à 330 % avec un retour sur investissement sous 12 mois. Deuxièmement, le récit de l'échec de l'IA nécessite de la nuance : 88 % des POC n'atteignent pas la production, mais les solutions achetées réussissent 67 % du temps contre 33 % pour les développements internes — suggérant que les décisions d'achat versus développement comptent plus que la capacité technique. Troisièmement, les organisations suisses et européennes disposent d'avantages spécifiques : des taux d'adoption plus élevés que la moyenne européenne (82 % des travailleurs du savoir suisses utilisent déjà l'IA) combinés à des exigences fortes de conformité RGPD créent un marché prêt pour une automatisation responsable.
La question stratégique n'est plus de savoir s'il faut automatiser mais quels processus prioriser. Les études de cas suggèrent que les processus finance et comptabilité (traitement des factures, rapprochement, reporting), les opérations RH (intégration, paie, conformité) et la coordination supply chain offrent le retour sur investissement le plus rapide pour les ETI.
Foire aux questions
Combien les processus manuels coûtent-ils annuellement à une entreprise ?
La mauvaise qualité des données coûte aux organisations en moyenne 12,9 millions de dollars par an selon Gartner. En incluant les pertes de productivité, les ETI perdent typiquement entre 2 et 5 millions d'euros annuellement à cause de processus manuels inefficaces.
Quel pourcentage du temps des travailleurs du savoir est gaspillé en tâches manuelles ?
58 % de la journée d'un travailleur du savoir est consacrée au « travail sur le travail » selon la recherche Asana 2023 — réunions de statut, recherche d'informations et gestion des priorités changeantes plutôt que du travail qualifié.
Quel est le taux d'échec des projets d'automatisation IA ?
88 % des preuves de concept IA n'atteignent pas le déploiement en production selon IDC/Lenovo (2025). Le Project NANDA du MIT a constaté que 95 % des pilotes n'ont montré aucun impact P&L mesurable dans leurs phases initiales.
Quel ROI les entreprises peuvent-elles attendre de l'automatisation des processus ?
Les études Forrester TEI montrent un ROI sur trois ans de 262 à 330 % pour les plateformes d'automatisation intelligente. Les études de cas individuelles rapportent des gains d'efficacité de 30 % à 700 % selon la complexité des processus.
Comment la Suisse se compare-t-elle aux autres pays en matière d'adoption de l'IA ?
82 % des travailleurs du savoir suisses utilisent l'IA générative au travail contre 75 % à l'échelle mondiale, selon le Microsoft Work Trend Index 2024. Les entreprises suisses rapportent également 81 % de résultats positifs avec l'IA contre 34 % en Allemagne.