Big data et objets connectés : une opportunité pour la

1Big data et objets connectés : une opportunité pour la France
Big data et objets
connectés : une opportunité
pour la France
Nouveaux revenus, gains de productivité pour les entreprises,
pouvoir d’achat et libération de temps pour les citoyens : quels
sont les impacts directs et indirects des Objets Connectés sur
l’économie et la société Française?
Etude réalisée par A.T. Kearney pour l’Institut Montaigne*

* Etude réalisée par A.T. Kearney dans le cadre du rapport de l’Institut Montaigne:
“Big data et objets connectés : une opportunité pour la France”

1Big data et objets connectés : une opportunité pour la France
Nouveaux revenus mais aussi gains de productivité pour les entreprises, pouvoir d’achat et
libération de temps pour les citoyens : plus qu’une nouvelle industrie que nous estimons à 
Mds en  (et  Mds en ), les Objets Connectés induisent plusieurs « eets de levier »
dont les répercussions sur l’économie française pourraient atteindre ,% de PIB à échéance
 (et environ % en ).
C’est ce que révèle l’étude d’A.T.Kearney qui analyse l’ensemble des impacts potentiels directs et
indirects des Objets Connectés sur l’économie et la société Française.
1. Une industrie à eet de levier
La baisse continue des coûts unitaires des composants et leur capacité d’intégration permettent
d’envisager la multiplication de capteurs et d actionneurs communicants dans presque tous les
objets de la vie quotidienne ; dans le même temps, les progrès des technologies Internet
permettent de les mettre en réseau. Dès lors, il est possible de gérer ces objets à distance et
de disposer d’une masse d’informations très précise dont l’interprétation, assurée par des
architecture en cloud et des algorithmes Big data, est une source d’optimisation inédite de
très nombreux domaines de services et de processus industriels.
Nous estimons à  Mds en  (et  Mds en ) le marché d’achat d’équipements
connectés et à  Mds en  (,% du PIB) et  Mds en  (environ % du PIB) le potentiel
de création de valeur sur l’économie française de l’Internet des Objets (figure ) :
Note: IdO : Internet des Objets
Sour
ce: A.T.Kearney
Figur
e 1
Le marché d’
équipement et les trois leviers de création de valeur des objets connectés
PIB FRANCE
2100Mds€
Économies réalisées par les ménages
et qui peuvent être redirigées vers la
consommation d’autres biens et services
24 Md€ à 42 Md€
Gain de pouvoir d’achat
Augmentation de la production par unité
de coût permise par l’IdO et réinvesties
dans l’activité et les outils de production
30 Md€ à 64 Md€
Augmentation de productivité
Achats d’objets et services connectés
par les particuliers et les entreprises
15 Md€ à 23 Md€
Achats d’équipements connectés
Économies de temps réalisées par les
ménages, qui pourront être monétisées
ou non
20 Md€ à 32 Md€
Économies de temps monétisées
Nouveau marché d’équipement
en objets connectés
Leviers de création de valeur
1 Le marché d’achats d’équipements connectés n’est pas intégré au calcul de l’impact sur le PIB pour éviter un double compte. Les objets
connectés représentent simultanément un nouveau marché et un investissement nécessaire à la réalisation des gains de productivité,
de temps et de pouvoir d’achat.

2Big data et objets connectés : une opportunité pour la France
• Les achats d’équipements connectés ( à  Mds de  à ) : il s’agit du marché
direct d’achats d’objets et de services connectés par les particuliers et les entreprises (par
exemple, l’achat d’un bracelet connecté pour suivre son activité physique, ou l’équipement
en réseau de capteurs d’une ligne de production) ;
• Un potentiel de création de valeur sur le PIB réparti en trois leviers ( à  Mds
de  à ) :
— L’augmentation de productivité ( à  Mds de  à ) : l’exploitation des données
produites par les objets et leur environnement, la capacité de les contrôler à distance,
d’optimiser leur fonctionnement voire de rendre quasiment autonomes des systèmes
d’objets, permet une augmentation significative de la production par unité de coût ainsi
qu’un usage plus économe des intrants et de l’énergie ;
— Les gains de pouvoir d’achat ( à  Mds de  à ) : les mêmes leviers appliqués
aux consommateurs entraîneront des économies significatives notamment en termes
d’énergie ainsi qu’une plus grande durabilité des produits qu’ils consomment ;
— Des économies de temps monétisées ( à  Mds de  à ) : en conséquence
directe des gains de productivité, des progrès médicaux et de la réduction des risques
qu’ils vont générer, les objets connectés vont libérer du temps en bonne santé pour leurs
utilisateurs. Une part de ce temps libéré aura une valeur économique directe lorsqu’il sera
employé à travailler, une valeur sociale sinon.
Ainsi, chaque euro investi dans les objets connectés pourrait produire jusqu’à  Euros de
gain de productivité, de pouvoir d’achat et d’économies de temps monétisées.
Les Objets Connectés, parce qu’ils brisent la frontière entre mondes physique et virtuel,
devraient étendre la révolution numérique à tous les secteurs de l’économie. Parmi les secteurs
à plus fort potentiel de création de valeur, nous avons identifié, (figure  en page ) :
• Le logement ( à  Mds de  à ) : il s’agit du principal poste de consommation
des ménages dans le PIB avec près de  Mds. Le principal levier de création de valeur
concernera les économies d’énergie, à hauteur de  % des  Mds de dépenses actuelles,
soit , Mds en . Viendront ensuite les gains de temps, grâce au développement d’un
marché d’équipements d’électroménagers et de domotique plus autonomes et porteurs de
services. L’INSEE estime que les tâches ménagères requièrent aujourd’hui environ  heures
par semaine et par personne, qui pourraient être réduites de  % et générer un potentiel
économique allant jusqu’à  Mds en  ;
• La mobilité ( à  Mds de  à ) : le transport représente une ineicacité
importante en termes de perte de temps (, Mds « gaspillés » dans les embouteillages),
de consommation d’énergie ( Mds de dépenses d’utilisation) et d’accidents ( Mds
de coûts liés, en sus des blessures et décès). La multiplication des capteurs et des
systèmes d’assistance à la conduite, la coordination entre les véhicules et la voirie, le
développement de la multi-modalité vont permettre une réduction de ces ineicacités
2 Le potentiel indiqué ici est la somme des potentiels de création de valeur des  leviers présentés plus haut (gains de productivité, gain
de pouvoir d’achat, économies de temps) pour chacun des secteurs économiques
3 Les exemples cités sont les plus significatifs par secteur. Ils ne sont pas exhaustifs et la somme de leur impact ne correspond pas à la
totalité des eets qui ont été modélisés
4 Source : Insee, Le travail domestique : 60 milliards d’heures en 2010, novembre .
5 Source: Centre for Economics and Business Research (CEBR) pour INRIX, The economic costs of gridlock, décembre 
6 Source INSEE
7 Source : Observatoire national interministériel de la sécurité routière (ONISR)

3Big data et objets connectés : une opportunité pour la France
Action
Publique
• Optimisation des
ressources
• Sécurité
• Défense connectée
• ~20% de la dépense publique
adressable (~200Md€)
• ~3–7%
Education
• Gestion des salles de
classe
• Meilleur impact de la
formation prof. sur la
productivité
• 512k salles de classes
• 37% des salariés formé
chaque année
• ~15–100%
• 20–80% des
formation aux
objets connectés
Total
Sujets
Transverses
• Usine connectée
• Optimisation des
flux logistiques
• Impact Smartgrid sur la
consommation et l’investissement
• ~400Md€ coût (salaire/biens)
des usines
• ~51Md€ coûts logistique routier
• 480TWh conso annuel,
pic >100Mw
• ~2–4%
• ~3–6%
• 2% conso,
4% des pics
Logement
• Domotique/tâches ménagères
• Réduction des
dépenses d’énergie
• >1000h/an/personne
tâches ménagères
• 56Md€/an énergie des logemetns
• ~15–25%
• ~%
Mobilité
• Réduction des embouteillages
• Réduction des accidents
• Réduction des consommations
• ,Md/an coût des
embouteillages
• Md/an coût de l’accidentalité
• Md/an dépenses d’utilisation
• ~–%
• ~–%
• ~–%
21
Sour
ce: INSEE, ONISR, IMS Health, A.T.Kearney
Figur
e 
Le potentiel de cr
éation de valeur des objets connectés dans diérents secteurs d’activité
Domaine
Potentiel de valeur
(en Md € par an)
Principales
applications Scope
Potentiel de gain
(2020–2025)
Santé
• Réduction de la non observance
• Optimisation des
parcours de soin
• Hospitalisation
• Prévention
• Md/an coût de la non
observance
• Md/an coût des ALD
• ~M joursde réadaptation > HAD
• ~k diabètes  qui s’ignorent
• ~–%
• ~–%
• ~–%
• ~–%
13874
19 28
17 36
16 35
23
158
62
12
d’ici  : jusqu’à  % pour les embouteillages (, Mds),  % pour les accidents
(, Mds) et  % pour la consommation d’énergie ( Mds ) ;
• La santé ( à  Mds de  à ) : les objets connectés impactent très fortement le
domaine de la santé en permettant, notamment, un meilleur suivi des maladies chroniques
(diabète, asthme, hypertension artérielle, etc.) et une meilleure observance des traitements.
Sur les  Mds de coût des aections longue durée, jusqu’à  % pourraient être écono-
misés par un meilleur monitoring des constantes et des parcours de soin (, Mds).
La non observance, dont le coût est évalué jusqu’à  Mds par an, pourrait être réduite
de  % en  ( Mds) par l’usage de systèmes de suivi comme des piluliers connectés.
8 Note : Il n’est pas tenu compte ici des autres bénéfices des avancées technologique sur l’accidentologie
9 Ces potentiels de réduction sont calculés sur la base d’une hypothèse de % de véhicules connectés en . Ce niveau de connec-
tivité permet d’augmenter de % la capacité horaire des routes et autoroutes, éliminant par exemple quasi totalement les embouteil-
lages quotidiens sur le périphérique parisien. Ces véhicules connectés élimineront la quasi-totalité des accidents liés aux véhicules
équipés ; les accidents liés aux % de véhicules non équipés perdureront. Enfin la meilleure régulation de la vitesse permettra de
gagner environ % de carburant pour les voitures équipées soit environ %
10 Source : Haute Autorité de Santé, coût des ALD en 
11 Voir notamment à ce sujet : l’étude « Reducing Potentially Avoidable Complications in Patients with Chronic Diseases », publiée en
juillet  par François de Brantes, Amita Rastogi, and Michael Painter qui ont mis en évidence que % des coûts des maladies
chroniques étaient dus à des complications évitables par une meilleure coordination des soins et du suivi des patients. Nous estimons
de manière prudente que l’Internet des Objets pourrait permettre d’éviter un tiers de ces complications et réduire ainsi de %
lescoûts correspondants.
12 Source : étude IMS Health-France pour le Cercle de l’industrie pharmaceutique, novembre 
13 Source : Le pilulier connecté, nouveau remède pour une meilleure observance médicamenteuse, le monde de la e-santé, janvier .