Le Bureau du recensement des États-Unis et la « Super Intelligence » : un nouveau nom complique les données d’adoption de l’IA

Le Bureau du recensement des États-Unis a remplacé la terminologie relative à l’IA par « Super Intelligence » dans son enquête auprès des entreprises, ajoutant une difficulté supplémentaire aux comparaisons d’adoption. Le Bureau du recensement des États-Unis et la « Super Intelligence » partagent désormais un problème de mesure : les répondants interprètent-ils la technologie renommée de manière cohérente ? Ce changement fait suite à une révision antérieure qui avait déjà interrompu les comparaisons sur l’historique de l’enquête.

Le développeur Simon Willison a mis le sujet en lumière en réexaminant un graphique d’Apollo Global Management de septembre 2025 sur le ralentissement de l’adoption de l’IA par les entreprises. Son compte rendu du 2 novembre décrit des données actualisées ainsi que des modifications apportées aux questions sous-jacentes. Selon son analyse du libellé de l’enquête, la terminologie la plus récente est entrée en collecte le 19 octobre 2026. Il a indiqué que les résultats reflétant ce libellé restaient à venir.

Le conflit oppose une politique gouvernementale de dénomination à la cohérence nécessaire pour mesurer le comportement des entreprises. Une appellation officielle peut changer immédiatement, tandis que la compréhension des répondants demeure incertaine. Cela met sous pression les analystes, les fournisseurs de technologies et les acheteurs en entreprise qui utilisent les graphiques d’adoption comme éléments de preuve. Leur prochaine interprétation devra distinguer l’évolution technologique des changements dans la manière dont le gouvernement pose la question.

Le Bureau du recensement des États-Unis et la « Super Intelligence » modifient la question

L’évolution vérifiée est un changement de terminologie, et non la preuve que les entreprises ont acquis une nouvelle catégorie d’intelligence.

Le président Donald Trump a signé l’Executive Order 14434 le 29 septembre 2026. L’executive order demande aux agences exécutives de remplacer artificial intelligence et AI par Super Intelligence et SI dans les documents officiels, dans les limites prévues par la loi. Sa justification déclarée est que la nouvelle terminologie représente mieux les capacités et les promesses de cette technologie.

Le décret assimile initialement SI aux technologies couvertes par la définition légale existante de l’IA. Il prévoit également la proposition d’un texte législatif dans un délai de 60 jours. Cette distinction importe : la directive de dénomination n’établit pas, à elle seule, que les logiciels ont franchi un nouveau seuil de capacités. Une proposition de définition différente resterait également distincte d’une modification entrée en vigueur.

Census a adopté cette terminologie dans ses indications destinées aux répondants. Sa définition de SI décrit des logiciels exécutant des tâches associées à l’intelligence humaine et relie explicitement SI à l’ancienne appellation AI. Les exemples incluent l’analyse de données, le codage, le service client, les prévisions et le tri des CV. Ils décrivent des applications professionnelles familières sous un vocabulaire révisé.

Ces exemples apportent un contrepoids important au titre. Une entreprise n’a pas besoin d’un système autonome extraordinaire pour reconnaître son activité dans les indications. Une application ordinaire peut relever des exemples indiqués. Interpréter un futur chiffre d’adoption de SI comme la preuve de capacités inédites des machines déformerait donc ce que l’enquête demande.

La question pratique apparaît lorsque la définition officielle parvient à un répondant très occupé. Un responsable peut comprendre les anciennes et nouvelles appellations comme équivalentes. Un autre peut associer la nouvelle appellation à une norme technique beaucoup plus exigeante. Ce sont des interprétations plausibles, plutôt que des réactions documentées d’entreprises interrogées.

Cette incertitude fait du questionnaire une partie de l’histoire. Une estimation d’adoption dépend de l’activité menée par les entreprises et de leur capacité à reconnaître cette activité dans une question. Modifier l’appellation peut influer sur cette reconnaissance, même lorsque la catégorie visée reste stable.

Le contraste est particulièrement pertinent, car un mandat administratif et un instrument statistique remplissent des fonctions différentes. Le mandat établit le langage que les agences doivent employer. L’instrument requiert un langage que les répondants interprètent de manière cohérente. Satisfaire à l’exigence administrative ne démontre pas, en soi, que la mesure reste équivalente.

Cela n’établit pas que l’enquête est devenue peu fiable. Cela donne une raison d’examiner la continuité plutôt que de la supposer. La couverture la plus utile décrira précisément la nouvelle terminologie, puis séparera ce changement confirmé des prédictions concernant ses conséquences.

Une révision antérieure avait déjà rompu la série sur l’adoption

La modification de la question en 2025 fournit un problème de comparabilité documenté ; l’effet du renommage de 2026 reste une question ouverte.

Census a révisé son libellé central sur l’IA à partir du 17 novembre 2025. La version antérieure se concentrait sur l’usage dans la « production de biens ou de services ». Celle qui l’a remplacée portait sur l’utilisation dans « n’importe laquelle de ses fonctions commerciales ». Ces changements ont élargi les activités que les répondants étaient invités à considérer.

Les mises à jour du libellé des questions de l’agence expliquent que des retours d’experts et des tests cognitifs ont éclairé la révision. Lors des tests, certains répondants niaient initialement utiliser l’IA, mais décrivaient ailleurs dans leurs entreprises des activités pertinentes. Les exemples comprenaient le recrutement, la comptabilité, la gestion de projet, la recherche et les flux de travail logiciels.

Census a signalé un décalage de niveau, c’est-à-dire une modification de la référence mesurée de la série, parallèlement au libellé révisé. L’agence a lancé une nouvelle série temporelle sur l’IA avec la publication du 4 décembre 2025. Cette décision rend explicite la limite historique : les questions antérieures et ultérieures ne doivent pas être considérées comme des mesures interchangeables.

Prenons une entreprise hypothétique qui utilise une fonctionnalité d’IA pour sa comptabilité interne sans modifier ses services clients. Un répondant aurait pu exclure cette activité avec le libellé relatif à la production. La question plus large sur les fonctions de l’entreprise donne au même répondant une raison plus claire de l’inclure.

Dans ce scénario, l’enquête enregistre une réponse différente sans aucun nouveau déploiement logiciel. La réponse change parce que la question saisit plus clairement une activité existante. Cela peut améliorer la couverture tout en rendant les comparaisons historiques plus difficiles.

C’est pourquoi les améliorations de mesure interrompent parfois une tendance. Une question plus étroite peut manquer une activité pertinente, tandis qu’une question plus large saisit une plus grande part du sujet visé. Conserver indéfiniment l’ancien libellé ne produirait pas nécessairement une meilleure description de l’usage des technologies par les entreprises.

La conséquence concerne les créateurs de graphiques. Relier des observations séparées par un changement de définition peut suggérer une hausse continue que les questions sous-jacentes ne permettent pas d’étayer. Une rupture visible, des séries distinctes ou une annotation claire communiquent plus honnêtement cette limite.

Le changement de terminologie d’octobre 2026 mérite une évaluation distincte. La révision antérieure a élargi le périmètre fonctionnel de la question. La révision plus récente modifie le nom de la technologie et sa présentation associée. Un effet démontré du premier changement n’établit ni l’ampleur ni le sens d’un éventuel effet du second.

Cette séparation évite des exagérations concurrentes. Une couverture enthousiaste ne devrait pas attribuer chaque hausse historique à de nouveaux déploiements. Une couverture critique ne devrait pas supposer que chaque mouvement ultérieur résulte du libellé. Une interprétation crédible laisse place à la coexistence d’une véritable adoption et d’effets de mesure.

Elle préserve aussi l’utilité des observations plus récentes. Une rupture limite les comparaisons de part et d’autre de la frontière ; elle n’invalide pas automatiquement les comparaisons au sein d’une période mesurée de manière cohérente. La tâche consiste à identifier précisément cette frontière et à expliquer quelles affirmations restent étayées.

Les acheteurs en entreprise et les fournisseurs font face à un problème de référence

Un pourcentage d’adoption décrit un usage déclaré ; il n’établit pas à quel point une entreprise dépend de la technologie.

La Business Trends and Outlook Survey, ou BTOS, recueille des informations récurrentes sur les conditions économiques des entreprises. Census décrit un échantillon d’environ 1,2 million d’entreprises réparti en six panels d’environ 200 000 entreprises. La collecte a lieu toutes les deux semaines, tandis que chaque entreprise sélectionnée répond généralement toutes les 12 semaines. Il s’agit de modalités d’échantillonnage, et non de décomptes de réponses effectivement obtenues.

Cette structure apparaît dans l’aide de l’enquête de l’agence. Elle importe parce qu’une succession de publications ne représente pas les mêmes répondants répondant à chaque intervalle. Les analystes doivent comprendre le plan d’enquête avant d’interpréter des observations adjacentes comme des changements au sein d’entreprises individuelles.

Pour les acheteurs en entreprise, la pression immédiate concerne l’étalonnage. Une équipe achats pourrait citer une adoption en hausse pour soutenir que retarder un déploiement crée un risque concurrentiel. Cet argument s’affaiblit lorsque la référence fusionne des questions différentes ou assimile tout usage déclaré à un déploiement à l’échelle de l’organisation.

Une entreprise hypothétique expérimentant un assistant d’écriture IA et une autre intégrant des prévisions dans l’ensemble de ses opérations peuvent toutes deux déclarer une activité pertinente. Leur exposition, leurs besoins de gouvernance et les bénéfices attendus diffèrent. Une part d’adoption mise en titre n’exprime pas ces différences.

La même limite s’applique lorsque les acheteurs comparent les produits. Une entreprise peut utiliser une application reposant sur OpenAI, un assistant de codage fondé sur Anthropic ou une fonctionnalité intégrée d’un autre fournisseur. Une question large sur l’usage n’établit pas quel fournisseur en bénéficie, à quelle fréquence les employés utilisent le produit, ni si les clients renouvelleront.

Cette comparaison explique aussi pourquoi les affirmations des fournisseurs exigent leurs propres preuves. Un fournisseur qui évoque l’activité de ses clients peut éclairer sa plateforme. Une enquête nationale auprès des entreprises porte sur une autre population et une autre question. Aucune de ces sources ne valide automatiquement l’interprétation de l’autre.

Pour les fournisseurs, la tentation consiste à utiliser un graphique macroéconomique favorable comme confirmation de la demande pour leur produit. Cela peut étayer le contexte du marché, mais ne peut se substituer à des preuves de rétention, de profondeur de déploiement ou de résultats clients. Plus une affirmation commerciale s’éloigne de la question de l’enquête, plus elle exige de preuves à l’appui.

Les investisseurs sont confrontés à une distinction connexe entre la participation des entreprises et l’intensité économique. Une part d’utilisation au niveau de l’entreprise ne mesure pas directement les dépenses, l’exposition des travailleurs ou la valeur de la production affectée. Elle répond à une question plus étroite, même lorsque le graphique qui en résulte attire une large attention.

Les développeurs ont aussi intérêt à cette interprétation. Une courbe d’adoption ascendante peut suggérer des opportunités pour des intégrations, des outils internes ou des applications spécialisées. La planification de produits requiert toutefois des preuves sur les tâches non résolues, l’autorité d’achat et la demande récurrente. L’enquête peut indiquer où enquêter sans fournir l’intégralité du dossier d’investissement.

Aucune de ces limites ne rend les données d’adoption sans importance. Elles précisent leur rôle. Elles fournissent des éléments sur la diffusion d’activités déclarées, susceptibles d’éclairer une décision aux côtés de données sur la mise en œuvre et les résultats.

La controverse sur le renommage accroît la charge qui pèse sur quiconque utilise publiquement ces éléments. Les acheteurs et les fournisseurs devraient décrire ce que la mesure établit avant d’y rattacher une conclusion plus large. Une réserve concise peut préserver une référence utile tout en évitant qu’elle ne devienne une affirmation non étayée sur une nécessité concurrentielle.

Une politique de dénomination ne peut pas garantir des réponses cohérentes

La tension centrale est que l’équivalence administrative ne garantit pas que les répondants comprennent deux libellés de manière identique.

Le U.S. Census Bureau et « Super Intelligence » illustrent un écart entre le sens visé et le sens reçu. Les documents gouvernementaux peuvent désigner un terme de remplacement. Les répondants conservent néanmoins leurs propres attentes face à la formulation, en particulier lorsque le nouveau terme paraît plus ambitieux que le libellé familier.

Un effet baissier plausible commence par un seuil perçu plus élevé. Une personne utilisant une application d’IA conventionnelle pourrait décider qu’elle ne relève pas de la super intelligence. Le flux de travail réel de l’entreprise resterait inchangé, mais sa réponse déclarée pourrait différer.

Un effet haussier plausible passe par la reconnaissance. Des exemples plus concrets pourraient amener les répondants à se souvenir de fonctionnalités logicielles intégrées qu’ils avaient auparavant négligées. Dans ce cas, davantage d’entreprises pourraient identifier une activité pertinente sans rien adopter de nouveau pendant la période de mesure.

Une autre possibilité est un effet mesurable limité. Le lien avec l’ancienne terminologie de l’IA peut préserver la compréhension. Les répondants pourraient se concentrer sur les applications listées et considérer le nouveau nom comme une substitution administrative.

Ces scénarios sont des possibilités analytiques, non des constats sur les réponses au sondage concerné. Ils expliquent pourquoi la direction de tout changement ne peut être déduite du seul nom. Les éléments probants doivent permettre de les distinguer.

L’argument sceptique le plus fort est que l’inquiétude liée au changement de nom pourrait surestimer son importance pratique. Les entreprises familières de leurs logiciels peuvent parfaitement comprendre les consignes. Si l’interprétation reste stable, le débat terminologique pourrait s’avérer plus conséquent pour le débat public que pour les estimations.

Cette objection mérite d’être examinée sérieusement. Elle empêche que la préoccupation de l’article relative à la mesure ne se transforme en prédiction d’un échec inévitable. Un risque mérite d’être étudié sans devoir devenir une certitude.

La prudence inverse importe également. Un résultat agrégé stable ne prouverait pas que chaque répondant a compris la formulation de manière identique. Des réactions différentes pourraient se compenser, ou une évolution sous-jacente de l’adoption pourrait masquer un effet de formulation.

Un test sur échantillon scindé, qui soumet des groupes comparables à différentes versions d’un questionnaire, fournirait des éléments plus solides sur la formulation qu’une simple comparaison avant-après. Il aiderait à isoler le changement de langage des autres évolutions survenant simultanément. Il s’agit d’une méthode d’évaluation possible, et non de l’affirmation que le Census a annoncé un tel test.

Le débat devrait donc se concentrer sur des éléments probants concernant l’interprétation. Les commentaires publics sur la question de savoir si le nouveau nom paraît approprié ne peuvent pas établir la continuité statistique. De même, une déclaration officielle d’équivalence voulue ne peut pas déterminer comment les entreprises répondent réellement.

La même rigueur s’applique aux accusations sur le mobile. Le texte et la mise en œuvre du décret sont accessibles à l’examen. Les affirmations selon lesquelles il aurait été conçu pour gonfler les statistiques d’adoption exigeraient des éléments distincts sur l’intention. La politique de dénomination confirmée ne fournit pas à elle seule ces éléments.

Une critique plus utile concerne la charge créée par ce changement. Lorsqu’une agence modifie un langage d’enquête important, les lecteurs ont besoin d’une documentation suffisante pour en comprendre les conséquences. La question est de savoir si cette documentation permet une interprétation comparable dans le temps.

Les premiers résultats renommés ne trancheront pas le débat

La prochaine publication fournira une observation sous la formulation révisée, plutôt qu’une estimation nette de l’effet causal du changement de nom.

Les libellés de publication et le langage de collecte doivent être suivis séparément. Le tableau de bord des données BTOS indique que la publication était conforme à l’Executive Order 14434 au 22 octobre 2026. Il avertit également que la formulation des questions a évolué au fil du temps. Un simple intitulé de graphique renommé ne peut donc pas identifier la formulation à laquelle les répondants avaient auparavant été confrontés.

Selon le récit de Willison du 2 novembre, les premiers résultats reflétant la nouvelle formulation de collecte étaient attendus ce jeudi-là, le 5 novembre. Au 3 novembre, cette publication attendue est encore à venir. Toute affirmation sur son effet observé sur les réponses serait prématurée.

Même après publication, une simple comparaison laissera subsister des explications concurrentes. Les entreprises peuvent avoir modifié leur usage de la technologie. La composition des répondants peut différer. La formulation révisée peut influer sur l’interprétation. Ces facteurs ne peuvent pas être séparés en observant simplement un mouvement dans l’estimation principale.

Une hausse exigerait donc du contexte avant de devenir un récit sur une accélération de la demande. Une baisse exigerait la même prudence avant de devenir la preuve d’un recul des entreprises. L’un ou l’autre de ces titres pourrait circuler plus vite que l’analyse qui l’étaye.

Une évolution modeste exigerait également de la retenue. L’incertitude statistique, c’est-à-dire la plage de valeurs plausibles autour d’une estimation, importe pour interpréter de faibles mouvements. Une variation visuellement notable sur un axe de graphique resserré ne justifie pas forcément une conclusion économique forte.

Le lissage introduit un autre choix d’interprétation. Une moyenne mobile combine des observations successives afin de réduire les fluctuations visibles. Si sa fenêtre couvre une transition de questionnaire, la ligne obtenue peut mélanger des conditions de mesure qui devraient rester visibles.

Cela ne rend pas le lissage intrinsèquement trompeur. Son utilité dépend de la capacité du calcul à préserver des frontières significatives. Un graphique peut paraître plus clair tout en donnant aux lecteurs moins d’informations sur ce qui a changé sous-jacentement.

Le langage qui entoure le graphique compte tout autant. Un sous-titre devrait préciser si la mesure concerne les entreprises employeuses, les salariés ou une autre population. Le commentaire devrait préciser s’il traite de l’usage déclaré, des dépenses, de l’intensité de mise en œuvre ou des résultats.

L’histoire du Census révèle également une limite de l’analyse assistée par IA. Un logiciel peut calculer correctement une moyenne tout en l’appliquant à des périodes incompatibles. L’exactitude computationnelle et une comparaison défendable sont deux exigences distinctes.

L’enquête de Willison est pertinente parce que la formulation de la question est devenue un élément de l’examen des données, plutôt qu’une réflexion après coup. Toute personne reproduisant l’exercice devrait préserver cette distinction. Reproduire un graphique est différent d’établir que sa comparaison historique reste valide.

Pour les équipes qui suivent cette question, la documentation doit accompagner le tableur. Une base de connaissances consultable peut aider les collègues à conserver les versions de questionnaires, les notes méthodologiques et les interprétations antérieures. Le résultat utile est la traçabilité : un lecteur ultérieur peut identifier quelle question étayait une conclusion donnée.

Ce dossier facilite également les corrections. Si de nouvelles consignes modifient l’interprétation, les analystes peuvent mettre à jour l’affirmation concernée sans reconstruire chaque source. La conservation de ces éléments est particulièrement précieuse lorsqu’un graphique circule indépendamment de son explication initiale.

Surveillez la publication, la méthodologie et la définition proposée

Les prochains éléments significatifs concerneront les données affectées, leur comparabilité et la question de savoir si le gouvernement modifie la définition derrière le libellé.

Le premier signal est la publication couvrant la collecte effectuée avec la formulation révisée. Les lecteurs devraient examiner si les changements apparaissent largement ou se concentrent dans certains groupes d’entreprises. Un schéma cohérent justifierait une enquête plus approfondie, tandis qu’un mouvement isolé appuierait une interprétation plus restreinte.

L’explication complémentaire la plus utile distinguerait la période de collecte de la date de publication. Cela renforcerait la confiance dans le fait que les lecteurs comparent les observations visées. La confusion entre ces dates affaiblirait les affirmations sur le moment où tout effet sur les réponses a commencé.

Le deuxième signal est une orientation méthodologique sur la continuité. Des éléments issus de tests de questionnaire, d’entretiens avec les répondants ou d’une autre comparaison structurée renforceraient l’argument en faveur d’une interprétation donnée. Une affirmation générale selon laquelle les libellés signifient la même chose répondrait moins directement à la question de mesure.

Des orientations constatant peu d’effet pratique affaibliraient la crainte que le changement de nom ait matériellement modifié les réponses. Des éléments montrant une compréhension modifiée la renforceraient. L’un ou l’autre résultat serait plus informatif que de traiter le mouvement d’un seul graphique comme décisif.

Le troisième signal est la définition fédérale proposée demandée par le décret. La distinction entre une substitution de nom et un changement de catégorie substantiel mérite une attention continue. Toute proposition devrait être lue séparément de la question de savoir si le Congrès l’adopte.

Une proposition préservant le périmètre existant appuierait l’interprétation de la politique actuelle principalement comme une question de terminologie. Une proposition modifiant le périmètre créerait une question distincte concernant la comparabilité future. Aucune de ces possibilités n’établit ce qui s’est déjà produit au sein des entreprises.

Au regard de ces signaux, la norme utile consiste à déterminer si de nouveaux éléments renforcent ou affaiblissent l’affirmation avancée. L’adoption peut croître tandis que la mesure devient plus difficile. La terminologie peut changer sans déplacer matériellement les réponses. Le reporting public devrait laisser place aux deux possibilités jusqu’à ce que les éléments permettent de les distinguer.

Avant de réutiliser un graphique d’adoption, examinez la question qui sous-tend sa tendance et la population qui sous-tend son pourcentage. Conservez une copie de la formulation et distinguez l’activité commerciale observée des interprétations sur la demande du marché. Demandez-vous si la comparaison traverse une rupture documentée et si la conclusion exige des éléments que l’enquête n’a jamais recueillis.

Le U.S. Census Bureau et « Super Intelligence » méritent l’attention parce qu’un repère familier porte désormais une charge interprétative supplémentaire. Suivez ensemble la publication concernée et sa documentation. Lorsque le prochain titre annoncera un boom de l’IA ou un repli, demandez-vous à quelle question les entreprises ont répondu et si cette question étaye l’affirmation. Utilisez la réponse pour décider du poids que mérite le graphique.