Lorsque l’IA fait le travail : comment les modèles économiques SaaS doivent évoluer

L’industrie SaaS a été fondée sur le principe simple que le logiciel aide les gens à travailler. Tous les modèles de tarification, les feuilles de route produit et les processus de vente des deux dernières décennies ont été organisés autour de cette hypothèse. Un siège correspond à une personne, une licence à un utilisateur, et un renouvellement est ce qui se produit lorsque cet utilisateur estime que l’outil vaut toujours la peine.

L’IA remet en cause ce principe à la base. Le logiciel ne se contente plus d’aider les gens à travailler. Dans de nombreux cas, il effectue le travail à leur place. Cela a des conséquences pour le modèle économique SaaS. Cela élève également le niveau des critères qui rendent un logiciel spécialisé précieux et défendable.

La course aux fonctionnalités est déjà terminée

L’IA a banalisé le développement de fonctionnalités logicielles à un rythme pour lequel l’industrie n’était pas prête. Au début de 2024, le laboratoire chinois DeepSeek a construit un modèle concurrent du meilleur d’OpenAI pour environ $5 million, une fraction des $100 million estimés dépensés par OpenAI. En moins d’un an, des chercheurs de l’UC Berkeley ont reproduit les capacités de raisonnement de base de DeepSeek pour environ $30. La courbe de coût du développement de l’IA connaît une forte baisse. Une équipe disposant du bon accès API et d’une ingénierie de prompts peut désormais approximativement reproduire des fonctionnalités qui prenaient autrefois des années à développer.

L’implication stratégique est que, si une fonctionnalité peut être reproduite en quelques mois, les fonctionnalités ne constituent plus une source durable d’avantage concurrentiel. Organiser votre stratégie produit autour de la différenciation par les fonctionnalités vous fait concurrencer sur un terrain qui s’érode activement. Il en va de même pour l’ajout d’une couche IA à un produit existant. À mesure que l’accès aux modèles sous-jacents se généralise, les éditeurs de logiciels devront intégrer davantage de valeur dans leur expertise métier, leurs flux de travail et les systèmes environnants.

Résoudre le problème de tarification

La tarification basée sur les sièges est la victime la plus visible du passage au travail piloté par l’IA. Le modèle avait du sens lorsqu’un logiciel était un outil. Une personne, une licence, un siège. Lorsque des agents IA exécutent les tâches de façon autonome, cette logique ne fonctionne plus. Vous ne pouvez pas facturer par siège lorsque le siège est un bot, ou lorsqu’un seul déploiement gère la charge de travail de dizaines d’utilisateurs.

Les analystes de Gartner prévoient qu’au moins 40% des dépenses SaaS des entreprises passeront à des modèles basés sur l’usage, sur les agents ou sur les résultats d’ici 2030, la part des revenus basés sur les sièges diminuant de 21% à 15%. Le marché évolue déjà dans cette direction. Zendesk a lancé tarification basée sur les résultats en août 2024, facturant chaque interaction client résolue plutôt que par utilisateur. Salesforce a suivi avec Agentforce à $2 par conversation d’IA.

Les plus grands acteurs du secteur ont accepté que l’ancien modèle ne correspond pas à la nouvelle réalité. Si vous attendez que le marché impose le changement, vous hériterez des conditions fixées par ceux qui ont agi en premier.

Il existe également un problème du côté des coûts. Le SaaS traditionnel bénéficiait d’un coût marginal quasi nul. Une fois le logiciel construit, servir un client supplémentaire était presque gratuit. Les produits pilotés par l’IA entraînent des coûts de calcul variables importants qui augmentent avec l’usage. La tarification par siège n’a jamais été conçue pour ce niveau de variabilité. Chaque entreprise qui maintient encore un modèle de siège sur un produit alimenté par l’IA gère un désalignement structurel qui finira par nécessiter une résolution.

La propriété du flux de travail comme nouvelle stratégie produit

Si les fonctionnalités ne constituent pas le rempart et que les sièges ne sont pas l’unité de valeur appropriée, qu’est‑ce qui l’est ? À mesure que les entreprises traversent cette transition de manière délibérée, elles constatent que la réponse réside dans la propriété du flux de travail. La propriété du flux de travail désigne le degré selon lequel une plateforme soutient et relie une séquence d’actions au sein du processus opérationnel d’un client, plutôt que de ne gérer qu’une étape isolée.

Pour la stratégie produit, ce recentrage fait une différence. Alors qu’un outil répond à une tâche précise, une plateforme de flux de travail prend en charge l’ensemble de la séquence : réception, traitement, prise de décision, suivi et mesure. Plus une plateforme possède de maillons de cette séquence, plus il devient difficile de la remplacer, car le coût de changement englobe un processus opérationnel complet, et non une fonction isolée. Cela ne signifie pas construire chaque composant en interne. Dans de nombreux cas, l’approche la plus efficace consiste à renforcer une compétence centrale et à la connecter avec des entreprises fortes dans les parties adjacentes du flux de travail.

Considérez la location. Un agent IA qui répond aux questions des locataires devient plus facile à créer. Mais faire passer un locataire de la demande de renseignements à la visite dépend de plusieurs systèmes travaillant ensemble, des données immobilières à la planification en passant par l’accès. Aucune fonctionnalité unique ne crée cette expérience. La valeur provient de la façon dont les capacités spécialisées se connectent tout au long du processus.

Selon Gartner, la capacité d’intégration est désormais le #3 facteur le plus important pour les acheteurs de logiciels à l’échelle mondiale. Les fonctionnalités seules ne suffisent pas à convaincre les acheteurs. Ils veulent également savoir si le produit s’intègre aux systèmes dont leurs équipes dépendent déjà, et si ces intégrations sont suffisamment profondes pour éliminer les frictions tout au long du flux de travail.

Cela modifie la façon dont les entreprises de logiciels doivent évaluer leurs propres feuilles de route produit. La question n’est plus « quels seront nos prochains développements ? » mais « quelles parties du flux de travail du client ne sont pas encore exploitées, et que faudrait‑il pour les maîtriser ». Les partenariats avec des plateformes adjacentes, des fournisseurs de données et des couches de services deviennent aussi stratégiquement importants que le développement interne. La fragmentation pouvait autrefois constituer une forme de défense, chaque vendeur protégeant sa propre partie de la pile technologique. À mesure que les capacités individuelles deviennent plus faciles à reproduire, cette approche peut se retourner contre les entreprises.

Le contexte propriétaire est le nouveau verrouillage

Dans le modèle SaaS traditionnel, le verrouillage provenait des coûts de changement. Migrer les données, re‑former les utilisateurs et rétablir les intégrations demandent tous un temps et un effort considérables. Dans un modèle piloté par l’IA, une forme de verrouillage plus profonde et moins visible apparaît : le contexte client propriétaire.

Les systèmes d’IA ne sont utiles que dans la mesure où les données sur lesquelles ils s’appuient le sont. Un modèle d’IA à usage général peut répondre à des questions générales. Un système d’IA intégré à une plateforme qui a accumulé des années d’historique du flux de travail d’un client, de ses schémas comportementaux, de ses décisions de configuration et de ses données relationnelles peut agir avec une intelligence contextuelle propre à la situation de ce client. Les modèles à usage général ne le peuvent pas, et cela transforme le contexte propriétaire en un avantage concurrentiel solide dans le logiciel.

RSM US confirme cette orientation, soulignant que les entreprises qui exploitent avec succès des données propriétaires verront des gains de rétention client que les concurrents se limitant aux seules fonctionnalités ne pourront égaler. Les sociétés de logiciels devraient investir dans l’accumulation et la structuration du contexte spécifique à chaque client aussi agressivement qu’elles investissent dans toute autre capacité. Ce contexte devient plus précieux lorsqu’il est lié à une expertise spécialisée, à des flux de travail établis et aux autres systèmes impliqués dans l’accomplissement du travail. Un concurrent peut copier rapidement une fonctionnalité individuelle, mais reproduire tout ce qui l’entoure représente un effort bien plus important.

Cela a également des implications sur la façon dont les entreprises de logiciels envisagent la gouvernance des données et l’auditabilité. Lorsque l’IA agit sur le contexte client pour exécuter des tâches décisives, le vendeur comme le client ont besoin de visibilité sur ce que l’IA fait et pourquoi. La gouvernance doit faire partie de l’architecture qui rend crédible la prise en charge des flux de travail pilotés par l’IA.

Ce qui se passe lorsque les résultats deviennent le produit

Si les clients achètent des résultats plutôt que des outils, les équipes produit doivent repenser fondamentalement ce qu’elles construisent et la manière dont elles mesurent le succès. Une feuille de route organisée autour des fonctionnalités à livrer est le mauvais instrument pour un produit structuré autour des résultats à fournir. Les développeurs devraient se concentrer moins sur ce qu’ils publient chaque trimestre et davantage sur ce qu’ils ont accompli pour leurs clients, et sur la mesurabilité, l’attribution et la répétabilité de ces résultats.

Les chefs de produit qui ont passé leur carrière à penser en termes de spécifications fonctionnelles et de cycles de version doivent acquérir une maîtrise des indicateurs opérationnels. À quoi ressemble un résultat réussi, comment savons‑nous que nous l’avons atteint, et comment la conception du produit garantit‑elle que le comportement de l’IA est suffisamment constant pour être responsable des résultats ? C’est une discipline différente de celle de la construction de logiciels destinés à être exploités par des utilisateurs humains.

Nous constatons déjà ce changement dans la façon dont les acheteurs évaluent les fournisseurs. Les données d’évaluation de G2 montrent que les capacités d’IA ne comptent plus que lorsqu’elles sont associées à une valeur opérationnelle mesurable. La nouveauté des fonctionnalités perd du poids dans les décisions d’achat, tandis que les résultats démontrés gagnent en importance. Les fournisseurs qui vendent encore principalement sur la base de leurs capacités et laissent la question du résultat au client se retrouvent de plus en plus du mauvais côté des attentes des acheteurs.

L’acheteur a déjà changé

Les opérateurs d’entreprise et du marché intermédiaire n’attendent pas que les fournisseurs rattrapent le retard. Les critères d’évaluation ont déjà évolué, et les acheteurs veulent savoir ce qu’une plateforme produit, comment elle fonctionne dans leur flux de travail existant, et à quel point elle se connecte profondément aux systèmes dont ils dépendent déjà. Les conversations d’approvisionnement qui se concentraient autrefois sur les démonstrations de fonctionnalités et les présentations de feuille de route se focalisent de plus en plus sur l’architecture d’intégration, la mesure des résultats et la responsabilité opérationnelle.

Le risque pour les plateformes SaaS fortement exposées aux licences d’entreprise par siège est que les multiples de revenu puissent se comprimer par rapport aux entreprises qui sont passées à des modèles de consommation ou basés sur les résultats. Les investisseurs intègrent le risque que la rétention nette des revenus se détériore à mesure que les clients remplacent les sièges humains par des agents IA.

Il s’agit d’une opportunité fugace pour les fournisseurs. Les acheteurs forment des attentes quant à ce à quoi ressemble la responsabilité des logiciels natifs IA. Les fournisseurs visionnaires répondent en créant des structures tarifaires, en approfondissant les intégrations et en acceptant d’être mesurés sur les résultats, ce qui leur confère un avantage lors des renouvellements et des extensions. Les fournisseurs qui continuent à se concentrer sur leur ensemble de fonctionnalités constateront que cette conversation devient de plus en plus hors de propos par rapport à ce que les acheteurs souhaitent réellement savoir.

Repenser la norme de valeur

L’IA change la valeur du logiciel, à qui elle appartient et selon quels termes. L’ensemble du dispositif d’évaluation du SaaS a été conçu pour un monde où le logiciel ne faisait qu’aider les humains à travailler. Ce monde touche à sa fin.

La nouvelle ère oblige les entreprises à considérer cela comme une question de premiers principes. Si l’IA fait le travail, pour quoi un client doit‑il payer, et pourquoi ? La réponse est un tout nouveau modèle centré sur les résultats, la propriété du flux de travail et le contexte propriétaire. Cela nécessite une réflexion différente sur la tarification, la stratégie produit, les partenariats et la façon dont le succès est mesuré.

L’ère des fonctionnalités du SaaS récompensait l’outil le plus performant. L’ère de l’IA récompensera les entreprises dont la spécialisation et les connexions sont les plus difficiles à reproduire. Se réorganiser autour de cette réalité dès aujourd’hui vous permet de construire le rempart pour la prochaine décennie du logiciel d’entreprise.