L’IA agentique révolutionne le SaaS en automatisant les tâches routinières et en modifiant les interactions avec les utilisateurs.
Nous assistons à un changement fondamental dans le fonctionnement des logiciels. L’IA agentique n’attend pas que l’utilisateur clique. Elle agit. Elle prend des décisions. Elle accomplit des tâches de bout en bout. Et elle le fait déjà en production, pas dans un laboratoire. Prenez l’éditeur de code piloté par l’IA de Cursor, qui écrit du code prêt pour la production. Ou encore Intercom qui déploie l’IA pour traiter entièrement les demandes d’assistance de niveau 1. C’est une réalité, et elle s’étend rapidement.
Le modèle SaaS – « l’homme plus l’application » – a été conçu pour les utilisateurs qui avaient besoin d’outils pour accomplir des tâches manuellement. Ce modèle est en train d’être inversé. L’IA agentique n’assiste pas l’utilisateur ; elle remplace complètement les tâches répétitives. Elle communique avec les API, assemble les flux de travail et produit des résultats sans points de contrôle humains. Tout cela se fait à un coût qui s’améliore rapidement. Le modèle o3 d’OpenAI a réduit ses coûts d’inférence de 80 % en seulement deux mois. Une telle baisse n’est pas incrémentale, c’est un signal que l’adoption de l’IA n’est plus limitée par la sensibilité au prix.
Pour les dirigeants, en particulier ceux qui dirigent des entreprises de produits ou de plates-formes, cela signifie que vous ne vous contentez pas d’affiner votre feuille de route, mais que vous la réécrivez. Si votre outil dépend de la saisie manuelle des utilisateurs pour des tâches répétitives et basées sur des règles, vous devez partir du principe que ces tâches seront bientôt pilotées par des agents. La question n’est pas de savoir si l’IA peut le faire, mais si c’est vous qui l’offrirez ou si vous regarderez les autres prendre cette part.
Les stratégies des produits SaaS doivent évoluer autour de l’automatisation des tâches et de la pénétration des flux de travail par l’IA.
Pour prendre les bonnes décisions, vous avez besoin de la bonne carte. L’IA n’a pas le même impact sur toutes les tâches. Certaines sont plus structurées, plus répétitives et plus faciles à gérer pour un agent. D’autres nécessitent un contexte, un jugement ou des connaissances très spécifiques. Mais il y a un deuxième aspect qui échappe à la plupart des gens : même si une tâche est automatisable, dans quelle mesure votre produit est-il défendable lorsque l’IA entre en jeu ? Il s’agit de la pénétration du flux de travail, c’est-à-dire de la facilité avec laquelle l’IA et les agents peuvent reproduire la valeur de votre produit.
Le cadre de Bain l’expose clairement. Cartographiez les flux de travail de votre produit en fonction de deux facteurs : premièrement, la facilité avec laquelle l’IA peut automatiser ce que l’utilisateur fait actuellement ; deuxièmement, la facilité avec laquelle l’IA peut reproduire la logique et les résultats de votre système. Tracez ce tableau et vous vous retrouverez dans l’une des quatre zones possibles : Des opérations améliorées par l’IA, des dépenses comprimées, des gains d’automatisation totaux ou une perturbation totale.
Cette évolution est déjà visible sur le marché. Prenez la conception des essais cliniques de Medidata, un flux de travail difficile à reproduire, plein de réglementations et de cas particuliers. L’IA permet d’accroître la productivité, mais ne remplace pas le processus. En revanche, la création de listes chez HubSpot est très ouverte. Des agents d’IA externes peuvent s’y connecter, extraire des données, générer des résultats et ignorer complètement la partie frontale.
Pour les dirigeants de niveau C, l’accent doit être mis non plus sur les caractéristiques, mais sur la dynamique. Commencez par la question suivante : « Quelles tâches mon outil doit-il accomplir aujourd’hui ? « Quelles sont les tâches pour lesquelles mon outil est engagé aujourd’hui ? En quoi l’IA permet-elle de réduire les frictions de ce travail à un niveau proche de zéro ? » À partir de là, donnez la priorité à la défendabilité. Si la logique ou les données de votre système sont facilement imitables, l’IA devient un siphon pour votre flux de revenus. Si ce n’est pas le cas, vous avez un avantage, mais seulement si vous agissez en premier.
Les opérateurs historiques peuvent renforcer leur position sur le marché en utilisant l’IA pour améliorer les flux de travail complexes et réglementés.
Certains flux de travail ne sont pas faciles à automatiser. Ils impliquent une expertise approfondie du domaine, une surveillance stricte et une conformité réglementaire incontournable. Ce sont vos bastions. Dans des domaines tels que les flux d’essais cliniques (Medidata) ou le suivi des coûts des projets de construction (Procore), le jugement humain reste essentiel. La logique sous-jacente n’est pas seulement codée en dur, elle est interprétée, souvent en fonction de l’évolution du protocole et de la variance du monde réel. Il est donc difficile pour les concurrents de les reproduire par le biais de l’IA sans risquer de commettre des erreurs graves.
Pour ces produits, l’IA n’est pas un mécanisme de remplacement, c’est un amplificateur. Vous ne supprimez pas l’utilisateur. Vous l’augmentez. Vous augmentez le débit, réduisez les délais et améliorez l’aide à la décision. Cela vous donne la possibilité de demander des prix plus élevés, non pas en fonction de l’accès, mais en fonction du temps gagné et des résultats améliorés. Cela vous permet également de vous défendre à long terme, car les agents externes ne peuvent pas facilement recréer ces flux de travail sans avoir accès à vos données spécialisées, à votre contexte historique et à votre logique de conformité.
Les dirigeants de ces domaines devraient être agressifs dans l’utilisation de l’IA en interne, réduire leurs propres coûts de livraison et augmenter l’intelligence à l’intérieur de leurs systèmes. Mais à l’extérieur, vous devez verrouiller vos données et augmenter les coûts de commutation. L’IA peut vous aider à augmenter vos marges, mais seulement si d’autres ne peuvent pas reproduire votre pile de données à l’aide de modèles open-source et d’API publiques. Investissez pour rendre ces barrières difficiles à franchir sans une implication directe avec votre plateforme.
Les flux de travail banalisés sont vulnérables car les API ouvertes permettent aux agents d’IA externes de rivaliser facilement.
Certains flux de travail sont exposés. Ils sont régis par des règles, répétitifs et fonctionnent par le biais d’API publiques ou de couches UX largement accessibles. C’est dans ces domaines que des agents tiers peuvent se brancher, cartographier la logique et supprimer votre application du processus. Nous le constatons déjà dans les équipes qui utilisent des outils comme Monday.com pour les tableaux de tâches ou HubSpot pour la génération de listes, où des outils non natifs peuvent gérer la fonction sans interface et sans que l’utilisateur ait besoin de votre écosystème de produits.
Pour les dirigeants, il s’agit d’un signal d’alarme. Si votre produit se trouve dans l’une de ces zones d’exposition, il ne suffit pas de compter sur l’adhérence de l’interface utilisateur ou sur la familiarité de l’utilisateur. Vous devez agir rapidement. Lancez vos propres agents d’intelligence artificielle avant que d’autres ne s’emparent de la valeur de votre pile. Limitez les voies d’accès externes de manière réfléchie ; verrouillez les points d’extrémité à haute sensibilité. Dans le même temps, approfondissez les intégrations de l’écosystème, faites en sorte qu’il soit coûteux pour les utilisateurs de changer en offrant une valeur composée via des réseaux de partenaires et des flux de travail intégrés.
Changez également votre façon de concevoir la concurrence. Dans cet environnement, votre plus grande menace peut ne pas ressembler à une application concurrente. Il pourrait s’agir d’un plugin. Il pourrait s’agir d’une enveloppe construite par une équipe d’ingénieurs en IA qui ne touche jamais à votre interface, mais seulement à vos API. Ces agents ne veulent pas votre interface utilisateur, ils veulent votre fonction. Si vous êtes trop ouvert sans protéger votre modèle commercial, l’IA supprimera la marge, ne vous laissant que la plomberie de l’arrière-plan.
Avancez délibérément. Traitez les fonctions banalisées comme des risques, à moins que vous n’ayez l’intention de les optimiser vous-même. Et si vous les poursuivez, assurez-vous que l’accès, les données et le suivi des résultats sont réintégrés dans vos systèmes centraux avant que la valeur ne migre ailleurs.
Les données propriétaires donnent aux opérateurs historiques un avantage dans l’automatisation des flux de travail à forte valeur ajoutée
Lorsque l’automatisation de l’IA est techniquement possible, le véritable facteur de différenciation devient les données. Non seulement le volume, mais aussi la qualité, la structure, la récurrence et la pertinence du domaine. Les entreprises qui disposent déjà de riches ensembles de données propriétaires, tels que les modèles de comportement des utilisateurs, l’historique des transactions et les métadonnées opérationnelles, sont particulièrement bien placées pour déployer une IA qu’aucun agent externe ne peut reproduire avec le même niveau de précision ou de pertinence.
Cette évolution est déjà visible dans des exemples tels que le traitement de bout en bout des demandes d’indemnisation d’assurance de Guidewire ou l’assistant de codage IA de Cursor. Ces outils automatisent une grande partie du flux de travail mais tirent toujours leur avantage d’un accès exclusif aux données des clients, d’ensembles de règles spécialisées et de boucles de retour d’information sur les résultats. Les agents externes peuvent imiter certaines fonctions, mais pas le contexte ou la logique intégrée qui s’est affinée au fil des années. C’est pourquoi leur automatisation n’est pas seulement performante, elle est aussi évolutive.
Pour les dirigeants, l’objectif doit être clair : posséder les données, contrôler l’interface entre votre IA et ces données, et s’assurer que l’accès est régi par la confiance et la sécurité. Si vous ne le faites pas, de grands modèles de base commenceront à apprendre du comportement de vos utilisateurs et finiront par contourner votre offre. C’est déjà le cas lorsque des systèmes connectés permettent à des agents tiers d’extraire des enseignements sans limites. Vous devez empêcher cela.
La monétisation doit également évoluer. Les modèles de tarification basés sur les résultats sont plus logiques lorsque votre IA effectue le travail qui relevait auparavant de l’effort humain. Mais l’élément déclencheur de ce modèle est votre ensemble de données. Si vos données sont exclusives et essentielles à la réussite d’une tâche, vous pouvez facturer les résultats, et non l’accès ou le temps d’utilisation. Protégez cet avantage de manière agressive.
Les flux de travail hautement automatisables et facilement reproductibles obligent les opérateurs en place à se remplacer eux-mêmes de manière préventive ou à être remplacés.
Certains flux de travail sont exposés des deux côtés. Ils sont faciles à automatiser et à cloner. Ce sont les zones de risque les plus urgentes. Les produits SaaS opérant dans ce quadrant, comme le support Tier 1 d’Intercom, le traitement des factures de Tipalti ou les approbations de saisie des temps d’ADP, peuvent être complètement dépassés par des agents bien orchestrés construits en dehors de leur écosystème. Ces flux de travail nécessitent un minimum d’intervention humaine et n’ont pas de garde-fous propriétaires que les nouveaux entrants ne peuvent pas reproduire.
Dans ces cas, l’hésitation conduit à l’obsolescence. Les opérateurs historiques qui restent passifs alors que les nouveaux entrants natifs de l’IA reproduisent leurs services verront très rapidement l’usage principal se déplacer ailleurs. La stratégie consiste à bouleverser votre propre modèle avant que quelqu’un d’autre ne le fasse. Remplacez les fonctions manuelles de votre produit SaaS par vos propres agents d’IA. Réorientez l’interaction avec l’utilisateur vers une automatisation basée sur les résultats plutôt que sur le contrôle des tâches. Appropriez-vous activement la transition.
Cela commence également à réorganiser l’identité du produit. La société SaaS doit décider si elle sera la couche d’orchestration de l’agent d’IA ou le système d’enregistrement qui valide les exécutions de l’agent. Les deux rôles ont de la valeur, mais seules quelques plateformes massives, comme Salesforce, seront en mesure de jouer dans les deux espaces à l’échelle. La plupart des autres bénéficieront d’un choix précoce et d’une mise à l’échelle agressive de cette décision. Soit vous fournissez l’interface de confiance, soit vous offrez l’épine dorsale de données vérifiées autour de laquelle tout le monde se construit. Essayer d’être les deux sans les ressources nécessaires conduit à un positionnement dilué.
Ce n’est pas de la théorie. Les outils permettant d’effectuer ces transitions existent déjà. Les premiers exemples montrent que les entreprises en place peuvent faire évoluer l’IA en interne, mais cela nécessite une coordination étroite entre les équipes chargées de l’ingénierie, des données et de la stratégie produit. L’objectif n’est pas de protéger la structure de revenus existante. Il s’agit de s’assurer une pertinence à long terme en devenant soit le cerveau, soit la colonne vertébrale du prochain modèle d’exécution du flux de travail.
L’IA redéfinit l’architecture SaaS grâce à une pile à trois niveaux
La nouvelle structure de plateforme qui se forme autour de l’IA est organisée, fonctionnelle et efficace. Il y a trois couches claires : les systèmes d’enregistrement à la base, les systèmes d’exploitation des agents au milieu et les interfaces de résultats au sommet. Il ne s’agit pas de concepts théoriques, ils sont déjà présents sur le marché.
Les systèmes d’enregistrement gèrent l’accès, les approbations, la conformité et la fidélité des données à long terme. C’est de ces systèmes que dépendent les flux de travail de l’entreprise pour assurer la cohérence, la sécurité et la traçabilité. Ils sont difficiles à remplacer et souvent profondément ancrés. Leur valeur provient de l’accumulation de données historiques et de contrôles réglementaires solides.
En outre, les systèmes d’exploitation des agents coordonnent l’exécution du flux de travail. Ils décident de ce qui doit être fait et de l’outil ou de la fonction qui doit le faire. Des outils comme Azure AI Foundry de Microsoft, Vertex AI Agent Builder de Google et Bedrock Agents d’Amazon sont en concurrence active dans cet espace. Leur avantage actuel provient principalement de la disponibilité des GPU, de l’accès aux modèles propriétaires et de l’intégration transparente avec les outils de développement. Ces systèmes déterminent la vitesse à laquelle vous pouvez déployer des agents fonctionnels dans les cas d’utilisation.
Au sommet se trouvent les interfaces de résultats, la couche avec laquelle les utilisateurs interagissent. Ces surfaces transforment les invites en langage clair en actions, puis rapportent ces actions d’une manière compréhensible pour les utilisateurs. Les interfaces se trouvent dans des applications telles que Slack, Microsoft Teams ou des tableaux de bord mobiles spécialisés. Celui qui possède cette couche d’interaction contrôle l’attention et la rétention.
Le défi actuel est la fragmentation entre ces couches. La communication entre ces couches est incohérente. La syntaxe varie. L’invocation d’outils, la gestion des permissions et les boucles de rétroaction des données ne se traduisent souvent pas de manière fluide d’une couche à l’autre. Des normes telles que le Model Context Protocol (MCP) d’Anthropic et l’Agent2Agent (A2A) de Google progressent, mais des lacunes subsistent, notamment en ce qui concerne les définitions partagées des termes commerciaux essentiels, les flux d’approbation et les correspondances entre les politiques.
Si vous construisez dans cet environnement, vous devez réduire les frictions entre ces couches. Assurez-vous que les agents que vous déployez disposent de voies testées pour accéder à des données validées et invoquer des outils fiables. Si vous fournissez une partie de la pile, en particulier le système d’enregistrement, vous devez maintenir votre position et résister à la banalisation en veillant à ce que l’accès ne soit jamais découplé du contrôle de la valeur.
L’établissement de la norme de la couche sémantique déterminera qui contrôle les flux de valeur du flux de travail de l’IA.
Un nouveau plan de contrôle est en train de se former. Il ne se situe pas dans l’interface utilisateur, ni dans les systèmes dorsaux. Il se trouve dans la sémantique, dans les définitions de concepts commerciaux tels que « facture », « bon de travail », « voie d’approbation » et autres. Sans une couche sémantique partagée, les systèmes agentiques ne peuvent pas collaborer de manière cohérente entre les outils, les plateformes ou les fournisseurs.
À l’heure actuelle, cette couche est sous-développée. Les premiers protocoles gèrent l’emballage des actions et des résultats, mais pas le sens qui les sous-tend. C’est là que le risque et l’opportunité d’une plateforme entrent en ligne de compte. Celui qui définira la première couche sémantique largement adoptée fixera effectivement les règles de l’interaction entre les agents intelligents, de l’échange des tâches et de l’acheminement des actions à travers des processus commerciaux complexes.
Il s’agira d’une compétition aux enjeux considérables. La première norme à s’imposer bénéficiera d’importants effets de réseau. Les agents d’IA des différents fournisseurs commenceront à l’adopter rapidement parce qu’elle simplifie l’interopérabilité. À partir de là, la plateforme qui définit la norme ne se contente pas d’exploiter l’IA, elle régit la manière dont les flux de travail sont définis et exécutés dans l’ensemble de l’écosystème.
Les dirigeants de SaaS doivent s’engager très tôt dans cette voie. Normaliser en interne. Définissez les objets clés et structurez-les clairement au sein de votre plateforme. Publiez ensuite de manière sélective, en vous concentrant sur les domaines dans lesquels votre plateforme est déjà en tête et où la définition de la sémantique vous permet d’avoir un effet de levier sur l’interopérabilité. Si vous attendez, le vocabulaire d’un autre fournisseur pourrait devenir le vocabulaire par défaut de votre propre domaine.
L’objectif n’est pas de monopoliser les définitions. Il s’agit d’être leader en étant pratique, rapide et utilisable dans des scénarios d’entreprise réels. C’est la seule façon de devenir l’interface vers laquelle les agents d’intelligence artificielle reviennent par défaut, parce que la carte sémantique vit avec vous et parce que d’autres veulent construire à partir de votre logique. Si vous contrôlez cette couche, vous contrôlez la prochaine génération d’échange de valeur dans les flux de travail numériques. Dans le cas contraire, vous risquez d’être réduit à une source de données passive, avec une influence décroissante sur la manière dont le travail est effectué.
Les entreprises natives de l’IA se développent plus rapidement que les entreprises SaaS traditionnelles, ce qui souligne l’urgence de se moderniser.
La croissance n’est pas théorique, elle est mesurable. Les entreprises natives de l’IA dépassent les fournisseurs traditionnels de SaaS en termes de rapidité, d’acquisition de clients et d’expansion des marges. Ces entreprises ne se contentent pas d’utiliser l’IA pour améliorer l’efficacité interne, elles ont construit chaque partie de leur processus, de leur produit et de leur modèle de livraison autour de l’automatisation intelligente. Elles agissent rapidement, publient plus vite et génèrent des résultats pour les clients à grande échelle avec un minimum de friction pour l’utilisateur.
L’analyse de Bain le confirme. Les plateformes fondées sur l’IA obtiennent des résultats évolutifs parce que leur proposition de valeur s’aligne directement sur les résultats attendus, et non sur le temps d’utilisation. Cela se traduit par une meilleure fidélisation des clients et des modèles de tarification plus souples, basés sur la valeur créée et non sur des listes de fonctionnalités. Dans de nombreux cas, elles résolvent les mêmes problèmes que les acteurs historiques du SaaS, mais avec moins de dépendances et sans goulots d’étranglement à gérer.
C’est le signal le plus clair pour les entreprises établies : la force traditionnelle n’absorbera pas l’impact d’un concurrent natif de l’IA. Si votre offre est encore conçue pour la navigation humaine et la prise en charge des tâches manuelles, vous êtes en retard. Vous devez examiner chaque flux de travail, chaque processus et chaque interface pour déterminer comment l’IA peut faire le travail directement et plus rapidement. Si vous ne faites pas de l’IA une infrastructure de base, vous êtes déjà en retard.
Pour les dirigeants, il ne s’agit plus d’une initiative d’innovation, mais d’une exigence opérationnelle. Les entreprises qui avancent lentement fidéliseront moins de clients, obtiendront des résultats moins fréquents et se retrouveront finalement à assurer le service après-vente pendant que d’autres s’empareront de l’engagement des utilisateurs et de leur part de revenus.
Les dirigeants de SaaS doivent mettre en œuvre un cadre stratégique pour être compétitifs sur un marché dominé par l’IA.
Il s’agit d’une formule, non pas d’un manuel de jeu, mais d’une structure stratégique que les dirigeants de SaaS peuvent mettre en œuvre dès maintenant. Tout d’abord, placez l’IA au centre de la feuille de route. Cela signifie qu’il faut identifier le travail réel que votre produit aide les utilisateurs à accomplir, et non les interfaces sur lesquelles ils cliquent. Trouvez les tâches répétitives, basées sur des règles, et automatisez-les de manière visible. La rapidité est essentielle, vos clients n’attendront pas indéfiniment et les concurrents sont déjà en train de livrer.
Deuxièmement, transformez vos données propriétaires en un avantage indéniable. Vos données ne sont pas génériques, elles incluent le comportement de l’utilisateur, la structure du flux de travail et un contexte spécifique au domaine que les modèles de base ne possèdent pas. Utilisez-les pour construire des modèles plus performants. Mais protégez-les également. Ne laissez pas des partenaires ou des plateformes réapprendre à partir de vos interactions avec les utilisateurs et vous surpasser ensuite avec vos propres connaissances. Gardez le contrôle de vos boucles d’apprentissage.
Troisièmement, comparez chaque fonction du produit aux quatre zones de perturbation : Les bastions renforcés par l’IA, les zones de compression à portes ouvertes, les mines d’or de l’automatisation à haute valeur ajoutée et les zones de cannibalisation à haut risque. Chacune de ces zones nécessite une logique de décision différente, qu’il s’agisse d’investir, de se défendre ou de pivoter intentionnellement.
Quatrièmement, résolvez votre modèle sémantique dès maintenant. N’attendez pas qu’un tiers donne un sens aux flux de travail que vous exécutez. Définissez vos objets clés et normalisez-les en interne. Si possible, entamez le processus de normalisation. Ne rien faire donne à quelqu’un d’autre le pouvoir de définir vos données et votre logique dans des systèmes d’agents qui ne vous incluent pas.
Cinquièmement, abandonnez la tarification par siège. Les clients ne paieront pas le même tarif pour un siège lorsqu’un agent effectue la tâche instantanément. Intercom et Salesforce s’orientent déjà vers une tarification basée sur les résultats, en se concentrant sur les achèvements, les résolutions et les résultats générés. L’alignement de la tarification sur la valeur fournie rend votre IA utile et votre entreprise durable.
Enfin, tous les membres de votre organisation doivent comprendre l’IA, ce qu’elle fait, ce qu’elle ne peut pas faire et comment elle modifie les attentes des utilisateurs. Les équipes produits doivent savoir comment l’intégrer. Les équipes de vente doivent vendre des résultats, et non des fonctionnalités. Le marketing doit expliquer la valeur sans faire de promesses excessives. Enfin, vos clients doivent être en mesure de faire confiance aux agents que vous placez dans leurs flux de travail.
Agir sur ces six points ne vous mettra pas à l’abri de la concurrence. Mais cela vous rendra pertinent, au centre du travail et non à la périphérie. Vous n’avez pas besoin d’attendre que la feuille de route change d’elle-même. Vous pouvez la réécrire maintenant, avant que quelqu’un ne l’écrive sans vous.
Dernières réflexions
Il ne s’agit pas de mettre à jour des fonctionnalités ou de faire preuve d’une efficacité marginale. Ce qui se passe actuellement est plus profond. L’IA agentique est en train de restructurer la façon dont la valeur est créée, fournie et mesurée dans le cadre du SaaS. Elle remplace les interfaces par l’intention, les utilisateurs par les résultats et les licences d’utilisation par la performance. Et chaque couche de votre plateforme, les données, les flux de travail, la sémantique, l’interface utilisateur, évolue avec elle ou reste à la traîne.
La bonne nouvelle, c’est que les entreprises en place ne sont pas exclues. Si vous détenez des données exclusives, si vous contrôlez les flux de travail essentiels ou si vous êtes déjà assis dans le flux de travail, vous êtes en position de leader. Mais il y a urgence. Vous devrez passer de l’habilitation des utilisateurs à l’habilitation des agents. De la protection de l’interface utilisateur à l’appropriation de la logique des résultats. Des feuilles de route qui donnent la priorité aux fonctionnalités aux stratégies qui donnent la priorité à la pertinence.
L’IA n’attend pas. Vos clients non plus. Définissez votre prochaine étape en termes d’action, et non d’exploration. Décidez de ce que vous construisez, à qui il est destiné et comment il effectue directement le travail. C’est ainsi que vous éviterez d’être dépassé, non seulement par vos concurrents, mais aussi par les nouvelles attentes de vos utilisateurs.
