En Corée du Sud, les actifs qui se servent de l’IA au travail déclarent gagner environ 3,7 heures en moyenne sur une semaine de 40 heures, presque une demi-journée. Un an plus tôt, ils en déclaraient 1,5. La Banque de Corée, la banque centrale du pays, a publié ces résultats le 17 novembre, tirés d’une enquête auprès de 16 342 personnes en emploi.
Deux actifs coréens sur trois (66,5 %) ont utilisé l’IA générative pour leur travail en 2026, contre 51,8 % en 2025. C’est le taux le plus élevé des pays comparés par la banque.
Ce temps gagné ne se voit pas encore nettement dans la production. Les actifs qui gagnent le plus de temps ne déclarent pas, en proportion, plus de travail que les autres.
Une enquête refaite un an plus tard
L’étude est la note BOK n° 2026-29, publiée en coréen (BOK est le sigle anglais de la Banque de Corée). Elle est signée par trois économistes de l’équipe de recherche sur l’emploi de la banque : Seo Dong-hyun, Oh Sam-il et Yoon Jong-won. La note précise qu’elle exprime l’avis de ses auteurs et non la position officielle de la banque.
L’enquête a été menée du 14 août au 23 septembre 2026 auprès des personnes en emploi de 18 à 64 ans. Sa marge d’erreur est de plus ou moins 0,77 point. L’équipe a aussi réinterrogé 2 024 personnes qui avaient répondu en 2025, pour suivre les mêmes actifs sur un an. Les moyennes d’heures d’usage et de gain de temps portent sur ceux qui ont utilisé l’IA pour leur travail la semaine précédant l’enquête.
Deux actifs sur trois utilisent l’IA au travail
La hausse de l’usage vient surtout des utilisateurs réguliers, passés de 17,1 % des actifs en 2025 à 30,6 % en 2026. Les utilisateurs se servent de l’IA 8 heures par semaine en moyenne, contre 5,9 heures en 2025, soit 22,4 % de leur temps de travail effectif.
L’écart entre hommes et femmes a presque disparu : 66,6 % des femmes utilisent l’IA au travail en 2026, contre 47,7 % en 2025, au niveau des hommes (66,5 %). Les écarts d’âge et de diplôme restent forts. L’usage atteint 78,4 % chez les trentenaires, contre 53,7 % chez les 50-64 ans. Il monte à 86,0 % chez les titulaires d’un master ou d’un doctorat, contre 51,2 % chez les actifs sans diplôme du supérieur.
Plus d’un utilisateur sur quatre (28,4 %) paie lui-même un abonnement, en moyenne 49 000 wons par mois. Cela fait environ 33 euros au taux de change de la Banque centrale européenne du 17 novembre. Pour 28,2 %, c’est l’employeur qui paie, et les deux groupes peuvent se recouper. Sur l’ensemble des actifs, la banque estime ces dépenses personnelles à environ 2 800 milliards de wons par an (environ 1,9 milliard d’euros).

Selon la note, le taux coréen de 66,5 % est environ le double de la moyenne des États-Unis et de six pays européens (33,7 %). Les chiffres des autres pays viennent d’autres enquêtes, menées en 2025 et 2026 avec des questions différentes. Alexander Bick et ses coauteurs les ont réunies dans une étude du National Bureau of Economic Research (NBER), un centre de recherche économique américain. La France y est à 28,1 %, contre 31,5 % pour l’Allemagne, 36,3 % pour le Royaume-Uni et 43,0 % pour les États-Unis.
Côté entreprises, l’adoption progresse aussi au Royaume-Uni : selon une enquête du gouvernement, une entreprise britannique sur trois utilisait l’IA en 2026, contre une sur six en 2025.
De 1,5 à 3,7 heures gagnées par semaine
Le temps gagné par les utilisateurs est passé de 3,8 % de leur temps de travail en 2025 à 9,2 % en 2026, soit 2,4 fois plus. La part des tâches où l’IA fait gagner plus de 20 % du temps est passée de 4,7 % à 17,4 %. Au Japon, selon une autre enquête, les fonctionnaires qui utilisent chaque semaine l’IA de l’État déclarent gagner environ 110 minutes par semaine sur les tâches qu’ils lui confient.
Le gain est plus élevé chez ceux qui ont un meilleur accès aux outils. Les utilisateurs qui ne paient rien eux-mêmes gagnent 8,3 % de leur temps, contre 11,4 % avec un abonnement personnel payant et 11,6 % quand l’employeur paie. Les auteurs préviennent que les abonnés payants sont peut-être aussi les plus motivés : l’écart ne tient donc pas entièrement aux outils payants.
Les plus diplômés gagnent aussi plus de temps. L’écart est désormais statistiquement significatif, c’est-à-dire qu’il a peu de chances de tenir au hasard, ce qui n’était pas le cas en 2025. Les auteurs appellent à surveiller les écarts de résultats, en plus des écarts d’accès.
Chez les actifs suivis d’une année sur l’autre, l’expérience ne fait pas de différence significative. À caractéristiques égales, ceux qui utilisaient déjà l’IA en 2025 ne gagnent pas significativement plus de temps que ceux qui ont commencé en 2026. Chez ceux qui l’utilisaient les deux années, ni le temps d’usage de 2025 ni une formation suivie depuis ne changent significativement la progression de leur gain.
Les auteurs en concluent que les progrès de l’IA elle-même ont pu beaucoup compter, les modèles étant devenus plus performants et plus simples à utiliser. Les habitudes actives comptent toutefois : tester, garder et réutiliser ses requêtes, vérifier les résultats, analyser les erreurs ou intégrer l’IA à ses procédures de travail. Chez ceux qui les pratiquent, le gain de temps a progressé de 3,6 points de plus que chez les autres.
La banque chiffre aussi la valeur du temps gagné par l’ensemble des actifs, utilisateurs ou non, à environ 61 100 milliards de wons (environ 41,6 milliards d’euros). Le montant équivaut à 4,8 % de la rémunération totale des salariés en 2025. Les auteurs insistent : c’est une valeur potentielle, pas un revenu réalisé, qui ne se compare pas directement aux 2 800 milliards de wons dépensés par les actifs.
Si chaque heure gagnée retournait à la production, leur modèle donne un gain de production potentiel d’environ 2,6 %, contre 1,0 % dans le calcul de l’an dernier. Ce chiffre ne correspond pas à la croissance réelle du PIB, précise la note.
Où va le temps gagné

Interrogés sur l’usage principal du temps gagné, 33,8 % des utilisateurs citent la concentration sur leurs tâches essentielles et 29,3 % du travail supplémentaire, soit 63,1 % au total. Suivent l’apprentissage et la formation (13,2 %), les loisirs au travail (10,0 %) et les affaires personnelles (6,3 %). Pour 5,1 %, le temps file sans usage précis, et 2,3 % partent plus tôt. Ces parts portent sur la première réponse de chacun, pas sur les heures gagnées.
Ce travail supplémentaire n’apparaît pas encore nettement dans la production déclarée. Pour le vérifier, les auteurs utilisent une corrélation, un indice où 0 signifie aucun lien et 1 un lien parfait. Entre le temps gagné et l’évolution du volume de travail, elle passe de 0,00 en 2025 à 0,08 en 2026 ; avec la qualité du travail, elle est de 0,09.
La production a pu augmenter, notent les auteurs, mais les actifs qui gagnent le plus de temps ne déclarent pas des gains proportionnellement plus élevés. Côté qualité, les actifs dont la semaine comporte une plus grande part de tâches essentielles déclarent de plus forts gains. Sur ce travail-là, l’IA améliorerait le résultat plutôt que la quantité, selon les auteurs.
En juin, la même équipe parlait d’une « déconnexion de la productivité » dans sa note sur les données de 2025. L’IA avait selon elle atteint un stade d’efficacité, où les tâches vont plus vite, mais pas encore un stade de productivité, où la production augmente. Elle y voyait la transition typique des débuts d’une technologie d’usage général, utilisée dans presque tous les secteurs de l’économie. Les économistes parlent de courbe en J ou de paradoxe de Solow : une telle technologie se diffuse bien avant que ses gains apparaissent dans les chiffres de productivité.
La nouvelle note voit dans la légère hausse de la corrélation, de 0,00 à 0,08, le signe possible que le temps gagné commence, peu à peu, à se traduire en résultats. Si un actif finit les mêmes tâches plus vite sans recevoir plus de travail ni de demande supplémentaire, sa production risque de peu augmenter, expliquent les auteurs. Pour transformer la rapidité individuelle en production supplémentaire, il faut selon eux revoir l’organisation du travail, la structure des équipes et la répartition des postes.
Au Royaume-Uni, la Banque d’Angleterre a estimé le 5 novembre que les entreprises qui conçoivent et vendent de l’IA ont fourni près d’un cinquième de la croissance britannique depuis janvier. Selon elle, cette croissance vient des fournisseurs d’IA plutôt que des entreprises qui l’utilisent.
Les limites de l’enquête
Tous les chiffres sur le temps, le volume et la qualité du travail sont déclarés par les répondants : la banque n’a pas mesuré la production elle-même. Ses analyses statistiques établissent des corrélations conditionnelles, c’est-à-dire des liens mesurés à caractéristiques égales ; selon les auteurs, elles ne prouvent pas de lien de cause à effet.
L’usage reste superficiel. Plus la semaine d’un actif comporte de tâches essentielles, moins il a de chances d’avoir utilisé l’IA cette semaine-là. Chez les cadres dirigeants, les professions intellectuelles et les employés de bureau, le temps gagné déclaré reste très inférieur au potentiel théorique que la note retient pour ces tâches. Les deux mesures reposent toutefois sur des critères différents, préviennent les auteurs.
La comparaison entre pays rapproche des enquêtes aux questions et aux dates différentes. Les auteurs décrivent leurs résultats comme un instantané d’une transition rapide.
Notre analyse
En un an, l’usage de l’IA au travail est passé d’un actif coréen sur deux à deux sur trois, et le temps gagné déclaré a plus que doublé. Le suivi des mêmes personnes suggère que les progrès des outils expliquent une bonne part de ce bond, puisque l’expérience et la formation n’ont pas fait de différence significative. Si cette lecture se confirme, le temps gagné continuera d’augmenter avec les modèles. Il augmenterait plus vite chez ceux qui testent et vérifient ce que l’IA leur fournit, une compétence que les auteurs veulent voir soutenue.
La production reste la question ouverte, et la note la traite surtout comme une affaire d’organisation du travail dans les entreprises. Pour l’instant, la plupart des utilisateurs citent leur travail comme principal usage du temps gagné, sans que l’enquête puisse encore le voir dans la production. Les auteurs veulent aussi suivre le partage de ces gains entre les actifs et les entreprises.
Pour la suite, les auteurs demandent des enquêtes répétées, un suivi plus long des mêmes actifs et des données sur les actifs croisées avec celles des entreprises. Une corrélation qui continuerait de monter au-delà de 0,08 signalerait le passage du stade d’efficacité au stade de productivité.
Sources
- AI 확산과 생산성 효과: 더 널리, 더 효율적으로, 그러나 아직 얕게 (note BOK n° 2026-29), Banque de Corée (Seo Dong-hyun, Oh Sam-il, Yoon Jong-won), 17 novembre 2026
- AI 도입은 생산성을 높이는가? 초기 3년의 효과 분석 (note BOK n° 2026-12), Banque de Corée (Seo Dong-hyun, Oh Sam-il, Yoon Jong-won), 7 juin 2026
- Mind the Gap: AI Adoption in Europe and the U.S., National Bureau of Economic Research, document de travail 34995 (Bick, Blandin, Deming, Fuchs-Schündeln, Jessen), mars 2026
Image d’en-tête : graphique MACCUS d’après la Banque de Corée, note BOK n° 2026-29 (17 novembre 2026)



