IA pétrole & gaz : pourquoi 92% investissent mais seuls 50% déploient

Selon le rapport publié par Market.us en juin 2026, le marché mondial de l'intelligence artificielle appliquée au pétrole et au gaz atteint 5,1 milliards de dollars en 2025 et devrait s'élever à 18,7 milliards de dollars en 2035, soit un taux de croissance annuel composé (CAGR) de 13,8%. L'Amérique du Nord en concentre 40,6% (2,0 Md$), soutenue par une production américaine de 13,2 millions de barils par jour et 113 milliards de pieds cubes de gaz naturel par jour en 2024.

Derrière ces chiffres de croissance se cache une tension plus instructive que la trajectoire elle-même. Le rapport indique que 92% des entreprises du secteur investissent dans l'IA ou prévoient de le faire sous deux ans, mais que 50% seulement de leurs dirigeants ont réellement adopté des solutions en production. Un écart de 42 points entre l'intention affichée et le déploiement effectif. Simultanément, la structure de la dépense reste dominée par le matériel (43,4% du marché en 2025), devant le logiciel et les services — l'amont représentant 51,8% des applications, la maintenance prédictive et l'inspection des équipements 32,4%.

La lecture spontanée serait d'y voir un retard d'exécution, voire un scepticisme des opérateurs. L'analyse économique suggère autre chose. L'IA n'est pas une application ponctuelle mais ce que Bresnahan et Trajtenberg (1995) ont qualifié de technologie d'usage général (general-purpose technology) : une brique transversale dont la valeur ne se réalise qu'à travers un réseau d'investissements complémentaires — capteurs, connectivité, refonte des processus, compétences. Or ces technologies suivent un calendrier caractéristique, décrit par Paul David dans son analyse célèbre du «dynamo et de l'ordinateur» (1990) : l'infrastructure se déploie d'abord, et les gains de productivité ne se matérialisent que des années plus tard, une fois le stock de capital et les usages arrivés à maturité.

La domination du matériel dans la dépense (43,4%) est le marqueur le plus net de cette phase. Un secteur qui capture déjà la valeur de l'IA dépense majoritairement en logiciels et services d'optimisation ; un secteur qui prépare cette capture dépense d'abord en infrastructure physique. Carlota Perez (2002) nomme précisément ce moment la «phase d'installation» d'un paradigme technologique — celle où le capital afflue vers la construction du réseau, par opposition à la «phase de déploiement» où la productivité et les rendements se diffusent dans l'économie réelle. Les 43,4% de matériel et les 92% d'intention d'investissement décrivent une industrie en pleine installation.

Cette grille de lecture a une conséquence directe sur l'interprétation de l'écart intention-adoption. Si l'IA était une application autonome à ROI immédiat, un taux de déploiement de 50% face à 92% d'intention signalerait une déception ou un obstacle. Dans le cadre d'une technologie d'usage général, le même écart signale un décalage de calendrier normal : l'investissement en capacité précède structurellement la mise en production, elle-même préalable à la mesure des gains. Le paradoxe de productivité de Solow — «on voit les ordinateurs partout sauf dans les statistiques de productivité» — n'était pas une réfutation de l'informatique, mais la description d'un retard de diffusion que les années 1990 ont fini par résorber.

Le facteur limitant, dans cette phase, n'est donc pas le capital — il afflue — mais l'ensemble des actifs complémentaires que Teece (1986) a identifiés comme condition de captation de la valeur : données propres et structurées, intégration aux systèmes de contrôle industriel existants (SCADA, historians), et surtout compétences internes capables de transformer un modèle en décision opérationnelle. C'est là que se creuse l'écart de 42 points : les entreprises qui franchissent le seuil de l'adoption réelle ne sont pas celles qui dépensent le plus en matériel, mais celles qui ont su bâtir les compléments organisationnels autour de lui.

Pour un dirigeant de l'amont pétrolier et gazier, la conclusion opérationnelle est double. D'abord, l'écart intention-adoption du secteur n'est pas une raison d'attendre : il définit précisément la fenêtre d'avance concurrentielle, puisque la phase de déploiement — celle où les rendements se matérialisent — récompensera d'abord ceux qui auront construit les actifs complémentaires pendant la phase d'installation. Ensuite, la vraie question de gouvernance n'est pas «combien investir en IA» mais «quelle part de l'investissement va aux compléments organisationnels plutôt qu'au seul matériel» — car c'est ce ratio, et non le montant total, qui déterminera de quel côté des 42 points l'entreprise se situera à horizon 2035.