L’IA agentique transforme fondamentalement le SaaS
L’IA agentique fonctionne à l’intérieur d’outils que vous utilisez probablement. L’éditeur de code de Cursor ? L’IA y écrit du code ici. ServiceNow résout les demandes d’assistance avec des agents. Workday génère des entrées de journal. La plateforme d’Adobe écrit et déploie des textes publicitaires, de bout en bout.
Ce qui compte ici, c’est la trajectoire. Les modèles de fondation évoluent rapidement, la précision s’améliore et les coûts diminuent fortement. Le dernier modèle d’OpenAI, o3, a vu son prix chuter de 80 % en l’espace de deux mois. Cette évolution des coûts est considérable. Dans quelques années, les tâches routinières de votre organisation, tout ce qui est basé sur des règles et répétitif, pourraient passer du traitement par des personnes utilisant des applications à l’exécution par l’IA au moyen d’API. Et lorsque cela se produira, l’architecture fondamentale de la manière dont votre entreprise accomplit son travail s’éloignera de l’ancien modèle des « humains utilisant des logiciels ».
C’est important au niveau de la direction. Si vous considérez encore le SaaS comme un logiciel avec lequel votre équipe interagit directement pour obtenir des avantages linéaires, cette hypothèse est désormais dépassée. Vous avez maintenant affaire à un système entièrement dynamique qui s’exécute, prend des décisions et agit en votre nom. Cela modifie votre structure de coûts, votre compétitivité et les attentes de vos clients. Si vous n’en tenez pas compte, vous serez distancé plus vite que vous ne le pensez.
Les différents flux de travail SaaS connaîtront des niveaux variables de perturbation par l’IA.
L’IA ne touchera pas tous les secteurs de votre entreprise de la même manière. Certaines parties de votre pile SaaS gagneront en valeur. D’autres se réduiront. Vous devez savoir ce qu’il en est.
Les flux de travail qui s’appuient encore sur le jugement humain et la logique profonde du domaine (comme la comptabilité de projet de Procore ou la randomisation des essais cliniques de Medidata) sont plus difficiles à reproduire. Ce sont vos bastions. Dans ce domaine, l’IA devrait être utilisée pour améliorer la productivité, mais en maintenant un prix élevé. Vous avez un contrôle étroit sur la logique du flux de travail et les limites du risque sont élevées. Les concurrents ne peuvent pas se contenter d’utiliser un modèle d’IA polyvalent pour remplacer votre avantage.
D’autre part, les flux de travail exposés par le biais d’API ouvertes, comme la création de listes sur HubSpot ou les tableaux de tâches sur Monday.com, constituent une zone à risque. Des agents tiers peuvent s’y accrocher et siphonner de la valeur. Ils ont une forte pénétration de l’IA. Si vous êtes ici, agissez rapidement. Lancez vos propres agents. Resserrez les intégrations de vos partenaires. Commencez à verrouiller vos surfaces d’API stratégiques avant que quelqu’un d’autre ne le fasse.
Certaines parties de votre logiciel peuvent devenir des moteurs de croissance. C’est le cas lorsque votre entreprise possède des données ou une logique rares et que la tâche est hautement automatisable. Pensez au codage piloté par l’IA de Cursor ou aux systèmes d’indemnisation d’assurance de Guidewire. Automatisez de manière agressive. Modifiez vos prix, supprimez les licences de siège, vendez des résultats. Le marché ne veut pas d’accès, il veut des résultats.
Et puis, il y a le champ de bataille : les flux de travail où l’automatisation est facile et où la pénétration de l’IA est déjà en cours. C’est là que les opérateurs historiques perdent s’ils restent statiques. L’assistance de niveau 1 dans Intercom, le traitement des factures chez Tipalti ou les approbations de saisie des heures dans ADP sont des tâches simples. Elles sont déjà reproductibles. Vous devez décider si vous allez fournir les données uniques sur lesquelles ces agents s’appuient ou devenir la plateforme qui orchestre ces agents. Vous ne pouvez pas rester les bras croisés. Si vous ne remplacez pas activement vos propres fonctionnalités par des agents, vous laissez la porte ouverte aux concurrents qui le feront.
Les leaders du SaaS doivent déterminer où se situe leur activité principale dans ces flux de travail. Ils doivent ensuite aligner leurs produits et leurs stratégies de mise sur le marché en conséquence. N’attendez pas de réagir, commencez à planifier le changement dès maintenant. Si un produit risque d’être banalisé ou cannibalisé, agissez avant que le marché ne le fasse à votre place.
Cartographie des flux de travail en fonction du potentiel d’automatisation et de pénétration de l’IA.
Vous ne pouvez pas gérer ce que vous ne pouvez pas voir. Si vous dirigez une entreprise SaaS, ou si vous en utilisez une à grande échelle, vous avez besoin d’une bonne visibilité pour savoir où l’IA peut avoir le plus d’impact et où elle risque d’éroder votre position. Cela se résume à deux dimensions clés : le degré d’automatisation de la tâche d’un utilisateur et la facilité avec laquelle l’IA peut pénétrer dans ce flux de travail en coulisses.
Concentrez-vous d’abord sur les tâches de l’utilisateur. Si un flux de travail implique une répétition structurée, un faible changement de contexte et un ensemble de données clair, les agents peuvent prendre le relais rapidement. Des tâches telles que le triage des tickets et la saisie des factures ? Elles relèvent déjà du domaine de l’automatisation. Dans ce type de flux de travail, la valeur est susceptible de se déplacer vers la performance et l’échelle, et non vers l’effectif ou la conception de l’interface.
Examinez ensuite votre système du point de vue de l’IA. Votre flux de travail est-il observable par des outils externes ? Utilisez-vous des formats industriels standard ? Des modèles tiers ont-ils déjà été formés à des modèles similaires aux vôtres ? Ces variables indiquent à quel point vous êtes vulnérable, ou exposé, à la pénétration de l’IA. Plus il est facile pour un modèle externe de comprendre et de réactiver votre flux de travail, plus votre fossé se rétrécit rapidement. Plus vous dépendez de données propriétaires, de couches de configuration personnalisées ou de contraintes réglementaires, plus vous êtes encore défendable.
Ce type de cartographie n’est pas facultatif. Il vous permet de voir où l’IA va élargir votre marché, en rendant efficaces des processus jusque-là inaccessibles, et où elle va le comprimer en contournant votre proposition de valeur. Vous ne pouvez pas vous permettre de traiter l’IA comme une couche de fonctionnalités. C’est une réalité de l’infrastructure. Cartographiez vos flux de travail. Quantifiez leur potentiel. Agissez avant qu’un acteur natif de l’IA ne réoriente votre flux de clients.
L’IA agentique introduit une pile de contrôle à trois niveaux
L’ancienne ancienne pile logicielle était centrée sur des applications et des tableaux de bord contrôlés par des humains. La prochaine étape est une architecture différente, contrôlée par des agents et non par des personnes. Vous devez comprendre cette structure si vous voulez construire ou rester pertinent dans cet environnement.
Le fondement est ce que nous appelons le système d’enregistrement. C’est la source de vérité qui fait autorité. Il s’agit de votre système ERP, de votre grand livre financier, de votre base de données RH, de tout ce qui contient vos transactions critiques et applique les règles. Cette couche est difficile à reproduire. Elle intègre la conformité, de longs historiques de données et des politiques d’accès structurées qui sont coûteuses à reconstruire.
Les systèmes d’exploitation des agents se superposent à ces systèmes. Ceux-ci orchestrent l’exécution. Ils déterminent quels agents effectuent quelles tâches, dans quel ordre, et conservent le contexte critique. Aujourd’hui, des entreprises comme Microsoft (avec Azure AI Foundry), Google (Vertex AI Agent Builder) et Amazon (Bedrock Agents) construisent ces systèmes. Leur avantage actuel provient de l’accès aux modèles, de la disponibilité des GPU et des chaînes d’outils pré-intégrées. Mais cette couche intermédiaire ne restera pas ouverte longtemps, car celui qui contrôle l’orchestration possède le flux de travail.
Au sommet, vous avez les interfaces de résultats, des systèmes qui acceptent le langage clair des utilisateurs et le traduisent en instructions d’agents. Ces interfaces présentent les résultats à l’utilisateur et sont intégrées dans les canaux de communication sur lesquels les gens comptent déjà : Teams, Slack, chat in-app, push mobile. Si vous possédez la couche d’interface utilisateur habituelle, vous êtes à deux doigts de posséder la boucle de rétroaction qui fait évoluer la délégation de la machine.
À l’heure actuelle, la plupart de ces niveaux sont cloisonnés. Ils ne parlent pas la même langue. Chaque niveau communique par fragments. C’est le goulot d’étranglement. Des entreprises comme Anthropic et Google tentent déjà d’y remédier. Le Model Context Protocol (MCP) d’Anthropic et l’Agent2Agent (A2A) de Google visent à normaliser la manière dont les agents interagissent. Mais ils ne résolvent pas la question du sens. Ils ne définissent pas ce qu’est une « facture », comment le concept d' »approbation de paiement » s’intègre dans les flux de travail réels, ou quels validateurs doivent être impliqués.
La couche manquante est sémantique. L’industrie a besoin d’un vocabulaire et d’une structure communs qui permettent aux agents autonomes d’effectuer des tâches sans dépendre d’intégrations personnalisées pour chaque cas d’utilisation. C’est là que réside l’opportunité. La plateforme qui construira cette couche sémantique et qui sera largement adoptée obtiendra une part disproportionnée de la prochaine vague de marges SaaS.
Les nouveaux protocoles de communication entre agents pourraient dicter la position dominante de l’industrie
À l’heure actuelle, les protocoles qui permettent aux agents de l’IA d’agir en toute sécurité sont en plein essor. agents d’IA de communiquer entre les systèmes, le Model Context Protocol (MCP) d’Anthropic et l’Agent2Agent (A2A) de Google en sont de parfaits exemples. Ces normes traitent de la manière dont les agents regroupent les appels d’API, les jetons et les réponses. Elles sont utiles et résolvent une partie du problème. Mais soyons clairs, elles ne vont pas assez loin.
Le MCP et l’A2A permettent aux outils d’intelligence artificielle d’interagir entre les plateformes, mais ils ne définissent pas de signification commune. Les agents manquent encore de clarté sémantique. Ils ne savent pas intrinsèquement ce qu’est une « facture », ou comment un « contrôle de conformité » est lié à une table de données ou à un point de terminaison API. Il s’agit là d’une limitation fondamentale. Sans normalisation sémantique, définissant les types d’objets clés, les états et les actions, les agents restent fragiles. Chaque nouvelle intégration devient un travail sur mesure.
Il s’agit d’une lacune. Cette couche, où les concepts de processus sont décrits dans un langage commun et lisible par les machines, est encore ouverte. Celui qui la comblera et construira un modèle sémantique accepté pour les flux de travail des entreprises définira l’orientation des écosystèmes d’agents d’IA. Une fois que vous possédez les définitions d’objets standard, vous ne faites plus seulement partie du flux de travail, vous le structurez. Ce niveau d’influence s’étend rapidement et les effets de réseau sont réels. Un leadership précoce dans ce domaine ne fera pas que faire basculer le marché, il redéfinira qui capture la valeur créée par les systèmes à base d’agents.
Les dirigeants devraient y prêter attention. Si vous ne participez pas à la définition de la norme sémantique de votre secteur, vous risquez d’être défini par elle. Cela signifie que d’autres fixent les règles, récoltent les données et monétisent les domaines que vous contrôliez auparavant.
Les entreprises en place peuvent conserver leur leadership en intégrant l’IA dans les feuilles de route des produits.
Il est clair que l’IA modifie la structure des marchés SaaS. Mais il ne s’agit pas d’une question de gagnants ou de perdants par défaut. Les entreprises en place peuvent prendre les devants, si elles sont prêtes à agir avec détermination.
Tout d’abord, l’IA doit être intégrée dans la feuille de route principale. Il ne peut s’agir d’un ajout ou d’une fonction secondaire. Examinez ce que votre produit aide réellement les clients à faire et automatisez-le. Construisez en fonction des résultats. Passez de l’idée d' »aider les utilisateurs à accomplir des tâches » à celle de « faire en sorte que le système le fasse directement pour eux ». C’est là que se trouve la valeur. N’attendez pas que les startups le fassent plus rapidement.
Deuxièmement, utilisez votre avantage en matière de données. Les données propriétaires, structurées et approfondies, la façon dont les gens interagissent avec votre plateforme, le comportement spécifique à un domaine, l’historique des transactions, sont des actifs que la plupart des startups spécialisées dans l’IA ne possèdent pas. Assurez-vous que vos modèles s’entraînent sur ces données, qu’ils les utilisent et qu’ils les protègent. Ne donnez pas à des plateformes externes la permission d’apprendre à partir de vos données à moins que vous ne contrôliez le résultat. Workday se positionne déjà comme une couche d’orchestration sécurisée pour les flux de travail humains et d’IA. C’est un modèle viable à étudier.
Troisièmement, expérimentez dès maintenant la monétisation. La tarification par siège n’a pas de sens lorsque l’IA prend en charge la charge de travail. Les acheteurs se demanderont : « Pourquoi dois-je payer par utilisateur alors qu’aucun utilisateur ne touche à cette tâche ? » Suivez l’exemple d’Intercom et de Salesforce et passez à une tarification basée sur les résultats. Facturez les résultats, les tickets résolus, les entrées postées, les campagnes optimisées, et non l’utilisation. Vous garderez une longueur d’avance sur la pression tarifaire et construirez une défense des marges à long terme.
Enfin, influencez les normes. Guidewire et ServiceTitan introduisent déjà des définitions de schémas dans l’écosystème. Il s’agit d’un open-sourcing sélectif, qui donne juste ce qu’il faut pour façonner l’orientation de l’interopérabilité de l’industrie sans céder le contrôle stratégique. C’est ainsi que vous gagnerez de l’influence dans la prochaine vague de SaaS : non seulement en étant plus rapide, mais aussi en étant plus difficile à remplacer.
L’opportunité se trouve juste devant nous. Si vous disposez de données précieuses, que vous exécutez des flux de travail clés et que vous contrôlez l’accès à la plateforme, votre position par défaut est forte. Mais l’avantage du patrimoine ne vous donne pas droit à l’avenir. Vous devez encore agir, en ce qui concerne la feuille de route, la tarification, le contrôle de la plateforme et les normes de l’écosystème.
L’acquisition d’une culture de l’IA et d’une maîtrise opérationnelle dans l’ensemble de l’entreprise est essentielle à mesure que l’IA devient fondamentale.
Vous ne pouvez pas diriger dans un monde où l’IA occupe une place prépondérante si vous n’avez pas de compétences internes. Cela signifie que chaque fonction centrale de votre entreprise, le produit, l’ingénierie, les ventes, le succès client, doit comprendre ce que l’IA peut faire, ce qu’elle ne peut pas faire, et comment elle s’intègre dans vos flux de travail. Non pas d’un point de vue théorique lointain, mais grâce à des connaissances réelles et fonctionnelles qui influencent directement les décisions quotidiennes.
L’embauche de quelques ingénieurs en apprentissage automatique ou l’ajout d’une équipe « AI Labs » ne permet pas d’atteindre cet objectif. Vous avez besoin d’une capacité distribuée. Vos chefs de produit doivent savoir comment définir et hiérarchiser les opportunités d’automatisation au niveau des fonctionnalités. Vos équipes de vente doivent être en mesure d’expliquer clairement aux acheteurs seniors les possibilités offertes par l’IA. Vos équipes de support client et d’intégration doivent expliquer comment les flux de travail agentiques réduisent les frictions et apportent de la valeur. Si vous attendez des clients qu’ils fassent confiance à l’IA qui opère au sein de votre plateforme, votre propre personnel doit être en mesure de l’expliquer en toute confiance.
Vous devez également former différemment. Il s’agit notamment d’initier les équipes internes à la conception des messages, aux concepts d’apprentissage par renforcement et aux normes d’évaluation des modèles. Certaines de ces connaissances peuvent être acquises, d’autres devront être achetées. Quoi qu’il en soit, l’intention doit être celle de toute l’entreprise. Plus votre maîtrise interne sera grande, plus il sera facile de donner la priorité aux améliorations de l’infrastructure, d’identifier de nouvelles opportunités basées sur les données et de mettre en place une automatisation digne de confiance.
Les clients ont également besoin d’être formés. Nombre d’entre eux ne comprennent pas pleinement le fonctionnement de l’IA au sein des plateformes SaaS. Vous devez prendre la responsabilité de former ces connaissances. La clarté permet d’instaurer la confiance. Elle réduit les résistances. Elle accélère l’adoption de vos flux de travail alimentés par l’IA.
Il s’agit de devenir une organisation où l’utilisation de l’IA est une seconde nature, où le fonctionnement avec des agents intelligents, la formation de modèles et l’évaluation des résultats font partie intégrante du rythme de l’entreprise. Les entreprises qui acquièrent cette aisance dès maintenant bénéficieront d’un avantage structurel qui s’accentuera au fil du temps. Elles ne se contenteront pas d’utiliser l’IA, elles l’utiliseront comme une capacité fondamentale. C’est vers cela que le marché se dirige. Soyez prêts.
Dernières réflexions
L’IA agentique automatise les flux de travail qui étaient auparavant au cœur de la proposition de valeur SaaS. Ce que vous fournissiez autrefois avec des personnes et des tableaux de bord est désormais exécuté, de bout en bout, par des systèmes autonomes qui communiquent directement par l’intermédiaire d’API.
En tant que dirigeant, vous gérez une couche d’intelligence basée sur les données. Si vous ne contrôlez pas cette couche, ses flux de travail, sa sémantique et ses résultats, vous risquez de devenir un utilitaire d’arrière-plan dans la plateforme d’IA de quelqu’un d’autre.
Les décisions ont désormais plus de poids. Intégrez l’IA à votre feuille de route. Protégez et armez vos données propriétaires. Redéfinissez la tarification en fonction des résultats. Définissez des normes avant que d’autres ne les définissent autour de vous. Et développez la fluidité interne à tous les niveaux de votre entreprise.
Il n’y a pas de position neutre ici. Vous pouvez soit façonner la prochaine phase du SaaS, soit suivre la version que quelqu’un d’autre construit. Si vous avez les bases, c’est le moment de prendre les devants.
