Le SaaSpocalypse est de retour alors que les valeurs logicielles oscillent entre crainte et soulagement

Les valeurs logicielles ont passé l’année 2026 à osciller entre ventes massives et rebonds, les investisseurs se demandant si les agents d’IA vont affaiblir le modèle économique du SaaS. Un nouveau rapport relayé par Google News a replacé ce conflit au centre des débats. Le marché ne considère plus chaque abonnement logiciel comme également durable.

Les dernières fluctuations ne prouvent pas que le logiciel est en train de disparaître. Elles montrent que les investisseurs ont perdu confiance dans l’ancienne hypothèse selon laquelle des revenus récurrents méritent automatiquement une valorisation élevée. Chaque publication de résultats devient désormais un test : un éditeur contrôle-t-il des données essentielles, possède-t-il un flux de travail durable, ou vend-il simplement une interface ?

Cette distinction compte davantage que les variations quotidiennes du cours des actions. Anthropic, OpenAI et d’autres développeurs de modèles déploient des agents dans la recherche, le codage, la finance, les ventes et les tâches administratives. Salesforce, ServiceNow, Workday, Adobe, HubSpot et les plus petits éditeurs doivent démontrer que l’IA accroît leur valeur avant de réduire le nombre de licences ou leur pouvoir de fixation des prix.

Le SaaSpocalypse est revenu après que les investisseurs ont tenté de l’écarter

Le débat actuel ne porte pas sur la question de savoir si les entreprises continueront d’acheter des logiciels. Il porte sur les logiciels qui conserveront leur valeur lorsqu’un agent pourra fonctionner à travers plusieurs systèmes.

Le terme « SaaSpocalypse » est devenu un raccourci pour désigner une revalorisation des entreprises de logiciel en tant que service sous l’effet de l’IA. Le SaaS fournit des applications via Internet, généralement par le biais d’abonnements récurrents. Historiquement, les investisseurs valorisaient ce modèle pour la prévisibilité des renouvellements, ses marges brutes élevées et la possibilité d’ajouter des clients sans augmenter proportionnellement les coûts de prestation.

Les agents d’IA remettent en cause certains éléments de cette formule. Un agent est un logiciel capable de planifier et d’exécuter une tâche en plusieurs étapes avec une supervision limitée. Il peut rechercher des informations, utiliser des outils connectés, créer des documents, mettre à jour des dossiers et faire circuler le travail entre applications.

La crainte immédiate du marché est simple. Si un seul agent peut accomplir un travail qui exigeait auparavant plusieurs applications spécialisées, les clients pourraient regrouper leurs fournisseurs. Ils pourraient également réduire le nombre de licences pour les employés lorsque l’automatisation prend en charge une plus grande part du travail sous-jacent.

L’argument a gagné en force en février, après qu’Anthropic a étendu les capacités de Claude en matière de codage et de travail en entreprise. Sa présentation sur les agents d’entreprise montrait Cowork et des plugins à l’œuvre dans les tâches juridiques, commerciales, financières, produit et de données.

Cette orientation produit a donné aux investisseurs quelque chose de plus concret qu’une prévision générique sur l’IA. Claude ne se limitait plus à produire du texte dans une fenêtre de discussion. Il était positionné comme une couche d’exécution capable de travailler avec les données de l’entreprise et les outils existants.

Anthropic a également indiqué que Cowork pouvait transformer Claude en spécialiste grâce à des plugins spécifiques à chaque fonction. Cette perspective a soulevé une question difficile pour les solutions spécialisées, c’est-à-dire les produits conçus autour d’une tâche étroite. Pourquoi une entreprise devrait-elle maintenir des interfaces distinctes lorsqu’un agent peut assembler le même flux de travail à partir de données et de services connectés ?

La réponse du marché a changé à plusieurs reprises. Les actions de logiciels ont chuté lorsque de nouvelles capacités d’IA semblaient menacer les produits établis. Elles ont rebondi lorsque les résultats ont montré une demande résiliente ou lorsque les investisseurs se sont détournés des valeurs de puces électroniques. Elles ont de nouveau baissé chaque fois que les prévisions, la croissance des clients ou les indicateurs contractuels ne franchissaient pas une barre plus élevée.

Le 7 août, le débat sous-jacent sur les valeurs logicielles a été présenté à travers ces violents changements de sentiment. Ces fluctuations comptent, car elles montrent que les investisseurs n’ont pas encore arrêté un modèle de valorisation durable pour les logiciels de l’ère de l’IA.

Le marché considérait autrefois la plupart des revenus récurrents comme une preuve de solidité défensive. Il se demande désormais ce qui protège chaque abonnement contre la consolidation, l’automatisation ou un substitut moins cher construit avec l’IA.

Un trimestre solide peut temporairement apaiser ces inquiétudes. Il ne peut pas les résoudre. Les revenus comptabilisés aujourd’hui proviennent souvent de contrats signés avant que les agents d’entreprise ne deviennent des alternatives crédibles.

Ce décalage temporel explique pourquoi les résultats actuels et les cours de bourse peuvent raconter des histoires différentes. Les entreprises peuvent annoncer une croissance de leurs revenus tandis que les investisseurs réduisent leurs estimations de croissance pour les années à venir. À l’inverse, un indicateur d’IA solide peut entraîner un fort rebond sans prouver que l’entreprise a protégé l’ensemble de son activité.

Cette incertitude constitue la première conclusion importante de la couverture du secteur par Google News. Le SaaSpocalypse n’est pas un effondrement unique. C’est une tentative prolongée de valoriser une transition de modèle économique avant que les preuves opérationnelles ne soient complètes.

Les agents d’IA ont déplacé la question des licences vers le travail accompli

Les agents d’IA menacent le lien entre les effectifs des employés et les revenus logiciels, mais ils créent également une nouvelle demande de données gouvernées et d’exécution fiable.

Les éditeurs SaaS traditionnels vendent généralement l’accès par utilisateur, équipe ou unité organisationnelle. Cet arrangement fonctionne lorsque les employés réalisent la plupart des tâches dans l’application. Davantage de salariés signifie généralement davantage de licences, tandis qu’une adoption plus large soutient l’expansion des comptes.

Les agents affaiblissent ce lien. Un petit nombre de travailleurs automatisés peut récupérer des dossiers, préparer des rapports, surveiller des systèmes et acheminer des validations. Si un agent sert plusieurs employés, un client peut avoir besoin de moins de licences destinées aux utilisateurs humains.

Le risque apparaît plus clairement dans un exemple pratique. Une équipe commerciale peut utiliser des produits distincts pour la recherche de prospects, la préparation des appels, les dossiers clients, les prévisions et les messages de suivi. Un agent connecté aux systèmes sous-jacents pourrait recueillir le contexte et produire l’action suivante sans obliger le commercial à ouvrir chaque interface.

Cela n’élimine pas tous les produits. Le dossier de la relation client a toujours besoin d’un emplacement de confiance. Les autorisations doivent rester applicables, et les responsables ont besoin de pistes d’audit. La logique de prévision, les données sectorielles et les contrôles de conformité nécessitent également des systèmes fiables.

La pression pèse surtout sur la couche d’interface entre ces systèmes. Un produit qui aide principalement les personnes à transférer des informations d’une base de données à une autre devient plus facile à remplacer. Son flux de travail peut être reproduit par un agent utilisant des connecteurs et des API, qui permettent à différentes applications d’échanger des données.

L’expansion des produits d’Anthropic illustre cette orientation. L’entreprise a lancé des agents financiers pour des tâches telles que la préparation de pitchbooks, la vérification des clients et les travaux de clôture comptable.

Ces agents fonctionnent par l’intermédiaire de plugins, d’applications de bureau connectées et d’une infrastructure gérée. Anthropic indique que les utilisateurs restent impliqués dans la vérification et l’approbation des travaux destinés aux clients ou réglementés. Cette précision est importante, car l’automatisation en entreprise exige toujours une supervision.

Le produit modifie néanmoins la frontière concurrentielle. Un fournisseur de modèles peut désormais proposer des flux de travail spécifiques à chaque fonction au lieu d’attendre que chaque éditeur SaaS les développe. Il peut également travailler avec des documents Microsoft et d’autres systèmes connectés, réduisant l’avantage d’une interface autonome.

Les éditeurs de logiciels historiques réagissent avec leurs propres agents. Salesforce promeut Agentforce, tandis que ServiceNow relie l’IA aux flux de travail informatiques et des employés. Microsoft déploie des copilotes et des agents dans l’ensemble de son portefeuille d’applications. Adobe, Workday, HubSpot et d’autres intègrent des fonctions génératives dans leurs produits existants.

Le conflit stratégique n’est donc pas « l’IA contre les logiciels » au sens littéral. L’IA est un logiciel, et la plupart des agents dépendent des applications existantes pour les données, l’autorisation et le traitement des transactions.

Le véritable conflit oppose les plateformes d’agents regroupées aux outils spécialisés fragmentés. Les développeurs de modèles veulent devenir l’endroit où les utilisateurs initient leur travail. Les entreprises SaaS historiques veulent que leurs applications demeurent le principal point de contrôle.

Le contrôle du point de départ de l’utilisateur est important, car il détermine quel produit reçoit l’attention, capte le contexte et influence les décisions d’achat. Si les employés commencent chaque tâche dans un agent généraliste, les applications spécialisées peuvent devenir une infrastructure invisible.

Ce changement peut affaiblir la fidélité à une marque même lorsque le service sous-jacent survit. Un client peut continuer à utiliser une base de données, un moteur de conception ou un service d’analytique tout en interagissant avec lui par l’intermédiaire de l’agent d’une autre entreprise. Le fournisseur d’origine subit alors une pression sur sa différenciation et ses marges.

Cependant, les agents créent aussi davantage d’activité machine. Les travailleurs automatisés peuvent générer des recherches supplémentaires, des requêtes de base de données, des événements de sécurité, des documents et des transactions. Les fournisseurs qui facturent à l’usage ou au travail accompli peuvent bénéficier de ce volume accru.

Cela produit le renversement central. L’IA peut réduire le nombre d’utilisateurs humains tout en augmentant l’utilisation totale des logiciels. Le résultat dépend de la manière dont une entreprise facture l’accès, l’activité, les résultats ou une combinaison des trois.

Pourquoi les valeurs logicielles continuent d’osciller sur les mêmes éléments

Les investisseurs tentent de valoriser une disruption à long terme à l’aide de données financières à court terme ; de petites variations des prévisions entraînent donc des changements de confiance inhabituellement importants.

Les entreprises de logiciels cotées publient leurs revenus, leurs marges, la croissance de leurs clients et leurs engagements contractuels. Ces chiffres décrivent bien l’activité actuelle. Ils sont moins efficaces pour mesurer si un agent remplacera un flux de travail dans deux ans.

Ce décalage rend chaque publication trimestrielle vulnérable à des interprétations concurrentes. Un investisseur optimiste peut mettre en avant les revenus récurrents, le comportement de renouvellement et l’expansion des produits d’IA. Un investisseur pessimiste peut soutenir que ces chiffres reflètent des contrats signés avant que les clients ne disposent d’alternatives crédibles.

ServiceNow a fourni un exemple clair en juillet. Ses actions ont baissé pendant les heures normales de cotation, les investisseurs examinant des informations sur une nouvelle concurrence de l’IA en entreprise. Le titre s’est ensuite redressé après que les résultats trimestriels et les perspectives de l’entreprise ont apporté un soulagement.

Les opérations sous-jacentes ne s’étaient pas transformées en quelques heures. Le marché avait modifié son estimation de la part des dommages futurs déjà intégrée dans la valorisation.

Plus tôt dans l’année, le PDG de Salesforce, Marc Benioff, a rejeté l’idée selon laquelle l’IA détruirait les logiciels établis. Il a comparé l’anxiété actuelle à de précédentes transitions technologiques et a soutenu que Salesforce pourrait gagner en valeur à mesure que les agents utilisent ses données clients et ses flux de travail.

Cet argument repose sur une base logique. Les modèles généralistes ont besoin d’un contexte commercial précis avant de pouvoir agir de manière fiable. Les systèmes d’enregistrement, c’est-à-dire les bases de données faisant autorité pour les clients, les finances, les employés ou les opérations, fournissent ce contexte.

Pourtant, ce même argument comporte un risque. Si la principale défense d’un fournisseur est que l’IA a besoin de ses données, le client peut conserver la base de données tout en réduisant ses dépenses dans les fonctionnalités adjacentes. La persistance des données ne garantit pas que chaque interface, module complémentaire ou licence employé conserve sa valeur antérieure.

Les entreprises de logiciels sont donc jugées sur plusieurs questions à la fois. Les investisseurs veulent des preuves de la demande actuelle, de données défendables, de revenus d’IA significatifs, de marges durables et d’un modèle tarifaire compatible avec l’automatisation.

Réussir un seul test ne suffit plus. Des revenus solides assortis de prévisions faibles peuvent déclencher une vente massive. Une adoption rapide de l’IA sans monétisation claire peut susciter des inquiétudes concernant les coûts. Des marges élevées peuvent sembler vulnérables si les concurrents peuvent reproduire le flux de travail à moindre coût.

Le débat évolue également lorsque les capitaux se déplacent d’une catégorie technologique à une autre. Durant certaines périodes de 2026, les investisseurs ont privilégié les puces et les infrastructures de centres de données, car le développement des modèles exigeait d’importantes capacités de calcul. Les logiciels semblaient présenter un risque de disruption plus élevé et des revenus liés à l’IA moins immédiats.

Cette dynamique peut toutefois s’inverser rapidement. Si les attentes envers les fabricants de puces deviennent trop élevées, les investisseurs peuvent se tourner de nouveau vers des valeurs logicielles aux flux de trésorerie récurrents et aux valorisations plus faibles. Un rebond coordonné ne signifie pas nécessairement que la thèse de la SaaSpocalypse a été rejetée.

Cela peut simplement vouloir dire que le risque relatif a changé. Les marchés valorisent des alternatives, pas des entreprises isolées. Les logiciels peuvent surperformer pendant plusieurs séances parce qu’une autre partie du marché technologique paraît plus chère.

C’est pourquoi les mouvements boursiers ne doivent pas être interprétés comme des votes quotidiens sur la survie du SaaS. Ils combinent résultats financiers, taux d’intérêt, valorisations, positionnement et évolution des attentes quant à l’adoption de l’IA.

La volatilité révèle néanmoins un changement durable. Les investisseurs n’accordent plus aux éditeurs de logiciels un délai illimité pour expliquer leur stratégie IA. Ils veulent des preuves financières que les nouveaux produits génèrent des revenus sans affaiblir la base d’abonnements principale.

La réaction de février à Anthropic a été particulièrement vive, car l’entreprise a présenté des produits fonctionnels plutôt qu’un concept de recherche lointain. Claude Opus 4.6 a été conçu pour gérer des tâches agentiques plus longues, le codage, l’analyse financière, la recherche et les documents de bureau.

Anthropic a ensuite indiqué que les abonnements professionnels à Claude Code avaient quadruplé depuis le début de 2026. Son annonce de financement précisait également que l’utilisation en entreprise représentait plus de la moitié des revenus de Claude Code.

Ces chiffres provenaient d’Anthropic et ne constituaient pas une mesure directe du remplacement des solutions SaaS. Ils montraient toutefois que les entreprises payaient pour des outils agentiques à une échelle significative. La menace concurrentielle devenait ainsi plus difficile à écarter pour les éditeurs de logiciels cotés.

La défense la plus solide repose sur la maîtrise des données et des conséquences

Les logiciels restent défendables lorsqu’ils stockent des informations faisant autorité, appliquent des politiques ou portent la responsabilité d’un résultat commercial important.

Un agent généraliste peut produire rapidement une interface convaincante. Construire un système d’entreprise implique davantage que générer des écrans et du code de workflow.

Les entreprises ont besoin de gestion des identités, d’autorisations, de politiques de conservation, de journaux d’audit, d’intégrations, de fiabilité et de support. Les organisations réglementées ont également besoin d’une responsabilité clairement établie lorsqu’un système prend ou recommande une décision aux conséquences importantes.

Ces exigences favorisent les systèmes de référence. Une application financière qui conserve des années de transactions ne peut pas être remplacée aussi facilement qu’une interface légère de reporting. Une plateforme de ressources humaines reste importante lorsqu’elle détermine la paie, les avantages sociaux, les accès et la conformité.

ServiceNow bénéficie d’une défense similaire dans les workflows opérationnels. Sa plateforme relie les demandes, les validations, les incidents, les appareils, les employés et les services métiers. Remplacer l’interface est plus facile que recréer la structure opérationnelle fiable qui se trouve en dessous.

La même logique s’applique aux entreprises d’observabilité telles que Datadog. L’observabilité consiste à collecter et analyser les données système afin de comprendre les performances des logiciels. Les applications générées par l’IA peuvent accroître le nombre de services et de changements que les équipes d’ingénierie doivent surveiller.

Dans ce scénario, l’IA crée de la demande pour la couche de supervision. Davantage de code automatisé peut signifier plus de déploiements, de dépendances, d’alertes de sécurité et de défaillances imprévues. Le fournisseur en bénéficie si son produit reste l’endroit de confiance pour enquêter sur ces événements.

La distinction est moins favorable à un outil spécialisé et étroit. Si sa fonction principale consiste à rédiger du texte, résumer des dossiers, déplacer des informations ou mettre en forme un rapport, un modèle généraliste peut accomplir une tâche similaire à partir de données connectées.

Cela ne rend pas chaque outil spécialisé obsolète. Les entreprises spécialisées peuvent préserver leur valeur grâce à des informations propriétaires, une évaluation propre à un domaine, leur distribution ou la profondeur de leurs intégrations. Elles doivent démontrer quelque chose qu’un agent généraliste ne peut pas reproduire avec un prompt et plusieurs connecteurs.

Les acheteurs d’entreprise résisteront également à un remplacement non contrôlé. Migrer un système central peut nécessiter de former à nouveau le personnel, de transférer les données, de réviser les contrôles et d’accepter un risque opérationnel. Ces coûts de changement donnent du temps aux acteurs en place.

Le temps n’est pas synonyme d’immunité. Les acteurs en place doivent l’utiliser pour repenser leurs produits et leurs modèles commerciaux. Ajouter un panneau de discussion à une application existante ne répond pas au changement plus profond de la manière dont le travail commence et se termine.

La meilleure réponse consiste à transformer le produit en plateforme d’exécution. Cela signifie permettre aux agents d’effectuer des actions approuvées tout en préservant les règles métiers, la qualité des données et la responsabilité.

Une plateforme de support client, par exemple, peut facturer les dossiers résolus plutôt que seulement les sièges d’agents humains. Un produit de sécurité peut lier sa tarification aux charges de travail protégées ou aux événements analysés. Un outil de développement peut combiner l’accès des utilisateurs avec une consommation automatisée.

Ces modèles alignent les revenus sur l’activité croissante des machines. Ils créent également des problèmes de mesure. Les clients doivent comprendre ce qui compte comme un résultat et si l’automatisation améliore réellement la qualité.

Les agents IA peuvent commettre des erreurs, utiliser un contexte obsolète ou effectuer une action incorrecte dans des systèmes connectés. Le risque augmente lorsqu’un agent fonctionne plus longtemps ou utilise plusieurs outils sans contrôle.

Les propres documents d’Anthropic destinés aux entreprises mettent l’accent sur les contrôles fondés sur les rôles, les autorisations des connecteurs, le suivi de l’utilisation et les fonctions d’audit. Ses recommandations sur le déploiement en entreprise décrivent une adoption progressive plutôt qu’un remplacement instantané à l’échelle de l’organisation.

C’est un élément qui va à l’encontre du scénario le plus extrême de la SaaSpocalypse. Les entreprises ne suppriment pas simplement leurs systèmes de confiance pour donner un accès sans restriction à un modèle. Elles placent les agents dans des environnements gouvernés.

Cela étaye également la thèse d’une disruption plus sélective. Lorsqu’un agent peut opérer en toute sécurité dans ces environnements, les entreprises peuvent se demander de combien d’interfaces distinctes et d’outils de workflow elles ont encore besoin.

Les travailleurs du savoir subissent personnellement la même pression de consolidation. Lorsque les informations sont dispersées entre réunions, documents et applications, une base de connaissances IA consultable peut préserver le contexte entre les tâches. Le principe reflète le débat en entreprise : un contexte organisé devient plus précieux à mesure que les agents acquièrent la capacité d’agir.

Le scénario baissier manque toujours de preuves claires de remplacement

La thèse de la SaaSpocalypse identifie une menace réelle sur les prix, mais elle passe souvent de la capacité technique au comportement des clients sans preuves suffisantes entre les deux.

Un modèle peut générer rapidement un prototype d’application. Cela ne signifie pas qu’une entreprise le déploiera dans l’ensemble d’un workflow réglementé ou critique pour la mission.

Les logiciels internes impliquent des obligations de maintenance. Quelqu’un doit mettre à jour les intégrations, surveiller la sécurité, gérer les défaillances, documenter les contrôles et accompagner les utilisateurs. Une application générée par l’IA peut réduire le coût du développement initial tout en laissant intacts ces coûts récurrents.

La décision entre développer ou acheter dépend donc du workflow. Un tableau de bord temporaire ou un outil de validation propre à une équipe peut être facile à construire en interne. Un système mondial de paie, une base de données clients ou un grand livre financier présente un risque différent.

Les fournisseurs de modèles dépendent également des entreprises de logiciels. Les agents ont besoin d’API, de systèmes d’identité, de plateformes cloud, de bases de données et d’outils opérationnels. Lorsqu’un agent accomplit une tâche, il appelle fréquemment des services maintenus par le même secteur qu’il est censé remplacer.

Le PDG de Nvidia, Jensen Huang, a qualifié d’illogique l’idée que l’IA remplacerait largement les logiciels. Sa position rejoint le point de vue selon lequel une intelligence accrue crée davantage d’usage des logiciels, et non moins.

Ce point de vue mérite d’être examiné avec prudence, car Nvidia bénéficie de l’expansion de l’adoption de l’IA. Il reflète toutefois une réalité technique importante. Les modèles n’éliminent pas le besoin de systèmes déterministes, c’est-à-dire de logiciels qui appliquent des règles définies et produisent des transactions prévisibles.

Un agent peut décider qu’une facture doit être approuvée. Un système financier enregistre toujours l’approbation, vérifie les accès, met à jour les comptes et conserve une piste d’audit. L’agent et l’application remplissent des fonctions différentes.

Le scénario baissier le plus crédible est plus limité. L’IA réduit le nombre d’interfaces et de produits de workflow manuels qui se situent au-dessus des systèmes essentiels. Elle donne également aux clients un levier lors des négociations de contrats pour des fonctionnalités devenues plus faciles à reproduire.

Cette pression peut apparaître progressivement. Un client peut renouveler un contrat central tout en supprimant des modules, en réduisant la croissance des sièges ou en exigeant que les fonctionnalités IA soient incluses. Les revenus peuvent continuer à croître alors que les taux d’expansion et les marges s’affaiblissent.

C’est pourquoi les résultats financiers actuels ne peuvent pas trancher le débat. Les signaux pertinents incluent la composition des contrats, la consommation des charges de travail, la fidélisation des clients et la part des revenus directement liée aux produits IA.

Les indicateurs IA communiqués par les fournisseurs exigent de la prudence. Les entreprises définissent différemment les réservations, les revenus récurrents annuels, les utilisateurs et la consommation. Une hausse d’un indicateur IA peut inclure des dépenses transférées depuis un autre produit plutôt qu’une demande entièrement nouvelle.

Les études de cas clients peuvent également surestimer l’adoption générale. Les premiers utilisateurs reçoivent souvent un soutien supplémentaire et peuvent sélectionner des workflows présentant des conditions favorables. Un pilote réussi ne prouve pas que le même agent peut fonctionner dans toute une organisation.

L’erreur inverse consiste à considérer chaque difficulté de mise en œuvre comme une protection permanente pour les acteurs en place. La fiabilité des modèles, la gestion du contexte et les contrôles des outils s’améliorent. L’annonce de Sonnet 4.6 d’Anthropic mettait en avant des progrès dans l’utilisation des ordinateurs, la planification, le codage et le raisonnement à long contexte.

Il s’agit d’affirmations de l’entreprise fondées en partie sur des évaluations et des retours d’utilisateurs précoces. Elles ne prouvent pas indépendamment que le modèle peut remplacer une application d’entreprise spécifique. Elles identifient toutefois les capacités nécessaires pour remettre en cause davantage de logiciels de workflow.

La conclusion prudente se situe entre l’extinction et le déni. Le modèle SaaS survivra, mais son économie deviendra moins uniforme. Les produits disposant de données fiables, d’une responsabilité opérationnelle et de coûts de changement élevés devraient bénéficier de défenses plus solides.

Les produits qui se contentent principalement de présenter des informations à un utilisateur humain subissent davantage de pression. Leur fonctionnalité peut migrer vers un agent généraliste, une plateforme existante ou un outil développé en interne.

Les résultats de Google News peuvent faire paraître le débat binaire, car les titres percutants circulent plus vite que les changements graduels de modèle économique. L’adoption en entreprise produira une issue plus complexe, avec consolidation, nouveaux revenus de consommation, baisse de la croissance des sièges et expansion de l’utilisation des agents qui se produiront simultanément.

Ce que les investisseurs et acheteurs de logiciels devraient surveiller ensuite

Trois signaux détermineront si la SaaSpocalypse devient un problème durable de résultats financiers ou reste une correction agressive des valorisations.

Le premier signal est la rétention nette des revenus chez les principaux fournisseurs SaaS. Cet indicateur mesure si un groupe de clients existants dépense plus ou moins au fil du temps après les expansions, les réductions et les annulations.

Une rétention stable affaiblirait la thèse d’un remplacement généralisé. Elle montrerait que les clients ajoutent suffisamment de produits ou de consommation pour compenser les réductions de sièges. Une baisse de la rétention sur plusieurs trimestres suggérerait que la consolidation liée à l’IA affecte les contrats réels.

La composition compte autant que le chiffre du titre. Les investisseurs devraient distinguer la nouvelle consommation d’IA des dépenses transférées depuis des modules établis. Ils devraient également surveiller si la croissance du nombre de clients se poursuit alors que l’expansion moyenne des contrats ralentit.

Le deuxième signal concerne l’évolution de la tarification par les éditeurs. Les abonnements par utilisateur restent faciles à comprendre, mais s’adaptent mal lorsque les machines réalisent davantage de travail. La tarification à la consommation et au résultat s’aligne davantage sur l’activité automatisée.

Une transition réussie permettrait à un éditeur de gagner davantage lorsque les agents produisent un travail de valeur, même si moins d’employés utilisent l’interface. Une transition ratée pourrait créer de la confusion chez les clients, des factures imprévisibles ou une pression sur les marges liée aux coûts de calcul des modèles.

Les acheteurs de logiciels devraient comparer le coût total du workflow, et pas seulement le nombre de licences. Ce calcul inclut l’utilisation des modèles, le travail d’intégration, la gouvernance, la supervision et la validation humaine. Un agent n’est pas moins coûteux si les employés doivent corriger ses actions à répétition.

Le troisième signal est de savoir si les agents généralistes deviennent des couches transactionnelles de confiance. Créer des documents et des synthèses ne suffit pas. Le changement majeur intervient lorsque les entreprises autorisent les agents à mettre à jour les dossiers clients, approuver des transactions, modifier l’infrastructure ou finaliser des workflows réglementés.

Les autorisations et les journaux d’audit seront déterminants. Un agent généraliste incapable d’expliquer ou de limiter ses actions reste un assistant. Celui qui opère en toute sécurité dans plusieurs systèmes devient une couche de consolidation crédible.

Les prochains rapports trimestriels de Salesforce, ServiceNow, Workday, HubSpot, Adobe et d’autres éditeurs devront être analysés à travers ces trois signaux. La seule croissance du chiffre d’affaires ne répondra pas à la question centrale.

Les investisseurs ont besoin d’éléments sur la rétention, la tarification et l’exécution réelle des agents. Les acheteurs d’entreprise ont besoin de preuves que l’automatisation réduit le coût global du travail sans affaiblir le contrôle.

Les fluctuations des actions technologiques se poursuivront tant que ces réponses resteront incomplètes. De solides résultats peuvent démontrer la résilience, tandis qu’une nouvelle publication de modèle peut raviver les craintes en quelques heures. Aucune de ces réactions ne mérite d’être considérée comme un verdict final.

La question la plus utile n’est pas de savoir si le SaaS disparaît. Elle est de déterminer quelles entreprises conservent le contrôle des données de confiance, des règles métier et des résultats mesurables lorsque l’interface devient un agent d’IA.

Observez ce que les clients renouvellent, ce qu’ils retirent et les domaines dans lesquels ils autorisent les agents à agir. Ces décisions en révéleront davantage que le prochain titre spectaculaire de Google News.