Le SaaSpocalypse arrive : les quatre cles pour survivre

SaaSpocalypse : l’IA menace-t-elle l’existence même des logiciels ?

L'intelligence artificielle ne sonnera pas le glas de tous les éditeurs de logiciels, mais elle condamne clairement ceux dont la valeur ajoutée reste superficielle. C'est le diagnostic que dresse Benoît Wambergue, vice-président Cloud chez Fortero, qui analyse ce que certains appellent déjà la « SaaSpocalypse » : l'obsolescence programmée d'une partie du secteur SaaS sous la pression des grands modèles de langage. Les outils les plus exposés sont les CRM basiques et les logiciels financiers standardisés, dont la logique repose sur des processus normés et des flux de données simples qu'un LLM performant peut aujourd'hui reproduire sans difficulté. La ligne de fracture court entre les « systèmes d'engagement », très dynamiques, et les « systèmes de records », qui stockent les nomenclatures industrielles, les structures de coûts et les règles métier complexes accumulées sur des années. Plus un logiciel traite des données brutes et peu structurées, plus il est substituable. À l'inverse, une profondeur fonctionnelle élevée constitue un bouclier contre la disruption. Le phénomène dit de « vibe coding » illustre un autre risque, moins visible mais tout aussi structurel. Cette pratique, rendue possible par l'IA générative, permet de produire du code fonctionnel sans maîtriser la syntaxe, abaissant radicalement la barrière à l'entrée du développement logiciel. Le problème : les modèles de langage produisent souvent un code verbeux et peu élégant, et leur fenêtre de contexte limitée les empêche de saisir les interactions globales dans des applications comptant des millions de lignes. Une équipe qui perd la compréhension interne de son propre code perd aussi sa capacité de maintenance. Wambergue y voit un retour des vieux cauchemars informatiques : ces systèmes hybrides bricolés par des administrateurs isolés, devenus ingérables dès le premier bug sérieux. Le résultat sera une fracture nette entre développeurs chevronnés augmentés par l'IA et exécutants produisant des applications structurellement fragiles. Face à la puissance de calcul, ce qui reste irremplaçable chez l'humain n'est pas la vitesse ni la mémoire, mais le discernement. L'IA répond à toute sollicitation sans en questionner le bien-fondé, ce qui mène mécaniquement à une inflation fonctionnelle qui alourdit les systèmes sans créer de valeur réelle. Dans les environnements industriels en particulier, un client demande souvent une fonctionnalité par habitude ou réflexe, non par nécessité stratégique. L'expert capable de dire « non » et d'orienter vers un standard plus efficace protège la stabilité à long terme du produit. C'est là que se jouera la recomposition du secteur : non pas entre humains et IA, mais entre éditeurs qui maîtrisent la règle métier complexe et ceux qui se contentaient de l'encapsuler dans du code. Les premiers survivront. Les seconds, moins certainement.

💬 La vraie ligne de fracture, elle est là depuis le début : les CRM génériques qui ne font que stocker des contacts dans une jolie interface, c'est fini. Ce qui survit, c'est la règle métier profonde, celle qu'une PME industrielle a mis dix ans à modéliser dans son ERP. Le vibe coding me préoccupe autant, parce qu'une équipe qui ne comprend plus son propre code, ça finit toujours pareil : un bug critique à 23h et personne capable de l'expliquer.

Les grands cabinets d'avocats, menace pour Harvey et Legora sur le terrain de l'IA

Kirkland & Ellis, le plus grand cabinet d'avocats américain par chiffre d'affaires en 2025, a annoncé cette semaine son intention d'investir 500 millions de dollars pour développer ses propres applications d'intelligence artificielle couvrant un large éventail de tâches juridiques. Le cabinet continuera parallèlement à acheter des licences d'outils tiers, selon le Financial Times. Cette décision illustre une tendance émergente : certains grands cabinets préfèrent désormais collaborer directement avec des fournisseurs de modèles de pointe comme Anthropic ou OpenAI, plutôt que de passer par des startups juridiques spécialisées comme Harvey ou Legora. Pour ces jeunes pousses, le risque est réel. Si les cabinets les plus puissants choisissent de construire leurs propres outils en s'appuyant sur les mêmes modèles fondateurs, la proposition de valeur des intermédiaires s'érode. Harvey et Legora affichent pourtant des indicateurs de revenus récents encourageants, ce qui suggère que leur position n'est pas encore fragilisée. Mais la menace ne vient plus uniquement des grands modèles généralistes, elle vient désormais de leurs propres clients. Ce mouvement s'inscrit dans une dynamique plus large où les entreprises bien capitalisées cherchent à internaliser l'IA plutôt qu'à en sous-traiter le développement. Pour les cabinets juridiques, dont les données clients sont sensibles et les workflows très spécifiques, la maîtrise des outils représente aussi un enjeu de confidentialité et de différenciation concurrentielle. L'irruption des modèles GPT-4 et Claude avait déjà bousculé l'écosystème des legaltech ; la prochaine vague pourrait venir de l'intérieur même du secteur.

5 stratégies pour maîtriser les coûts liés à l'IA en entreprise

Le PDG de Snowflake, Sridhar Ramaswamy, a reconnu publiquement lundi, lors de la conférence annuelle de son entreprise à San Francisco, que les dépenses en intelligence artificielle représentent une source d'inquiétude croissante, même pour les plus grands acteurs du secteur. Snowflake, cliente d'Anthropic, d'OpenAI et d'autres fournisseurs, fait partie des entreprises qui ont développé des stratégies concrètes pour maîtriser ces coûts. Parmi les méthodes les plus répandues, les routeurs de modèles permettent d'orienter automatiquement chaque tâche vers le modèle le moins cher adapté à la situation : Snowflake et Palo Alto Networks ont conçu leurs propres routeurs, et une startup du BTP a utilisé Claude d'Anthropic pour construire le sien, sans que l'outil ne favorise les modèles Anthropic pour autant. L'éditeur de logiciels UiPath a quant à lui réduit de plus de 90 % les coûts de certaines tâches grâce au prompt engineering, en limitant simplement la phase de "réflexion" du modèle avant exécution, selon son directeur de la sécurité Scott Roberts. D'autres entreprises fixent des plafonds de tokens par employé ou réservent les modèles avancés aux profils techniques : chez Zscaler, les ingénieurs logiciels accèdent à OpenAI Codex, mais pas les équipes commerciales ou juridiques. Ces arbitrages traduisent une prise de conscience généralisée : l'accès illimité aux modèles les plus puissants peut générer des factures incontrôlables sans garantir un retour sur investissement proportionnel. Le vice-président de Zscaler Dhawal Sharma résume la philosophie émergente : "utiliser un très grand modèle pour résoudre un problème simple est un mauvais usage des ressources." Chez Novo Nordisk, l'analyse de données issues d'essais cliniques via Claude d'Anthropic a conduit les équipes à réaliser que la version standard du modèle suffisait dans de nombreux cas, ouvrant la voie à des économies substantielles. Plus largement, certaines entreprises choisissent de revenir à des logiciels traditionnels, plus adaptés aux tâches structurées et répétitives, plutôt que de systématiser le recours à l'IA. Cette rationalisation intervient alors que les fournisseurs de modèles continuent d'augmenter leurs tarifs, alimentant un débat intense sur la rentabilité réelle de l'IA en entreprise. Les directions informatiques se retrouvent à arbitrer entre la demande des équipes métiers, désireuses d'accéder aux outils les plus performants, et la nécessité de contenir les budgets. Des solutions tierces comme OpenRouter, qui proposent du routage à la demande, commencent à structurer un marché naissant de l'optimisation des coûts IA. À mesure que la concurrence s'intensifie entre fournisseurs, une baisse mécanique des prix est attendue, mais d'ici là, les entreprises qui maîtrisent l'ingénierie des coûts IA pourraient transformer cette contrainte en avantage compétitif durable.

Agent IA vs SaaS : les logiciels vont-ils disparaître ?

Les agents IA ne vont pas tuer le SaaS, mais ils en transforment radicalement la nature. Pendant vingt ans, le modèle SaaS a restructuré le travail en entreprise, remplaçant les installations locales par des abonnements cloud accessibles depuis n'importe quel navigateur. CRM, outils comptables, plateformes marketing : ces logiciels sont devenus l'infrastructure invisible de l'organisation moderne, standardisant les processus de la PME jusqu'au grand groupe. Mais une rupture s'opère aujourd'hui : les agents IA, des entités autonomes capables d'analyser une requête, planifier des étapes et enchaîner des actions complexes sans intervention humaine continue, commencent à interagir directement avec ces logiciels via leurs API, court-circuitant les interfaces visuelles pensées pour des clics humains. Cette mutation change profondément qui est le véritable utilisateur du logiciel. Là où le SaaS supposait un humain devant un formulaire, l'agent IA devient le client programmatique le plus actif : il gère courriels, factures et réunions en arrière-plan, en quelques secondes là où une tâche prenait auparavant plusieurs heures. Des tâches de recouvrement, par exemple, peuvent être entièrement orchestrées par un agent qui consulte à la fois le CRM et les bases comptables sans jamais afficher d'écran. Pour les entreprises, le gain de productivité est réel et immédiat. Pour les éditeurs de logiciels, cette évolution déplace la valeur : le modèle économique migre progressivement de l'abonnement par siège vers des formules indexées sur les tâches accomplies ou les résultats obtenus, ce qui fragilise ceux dont l'unique différenciation était la qualité de l'interface graphique. Ce basculement s'inscrit dans une dynamique plus large où le logiciel cesse d'être un support pour devenir un moteur d'exécution. Les agents IA n'ont ni stockage propre ni règles métier structurées : ils dépendent entièrement des SaaS pour organiser, sécuriser et valider les données. Le SaaS ne disparaît pas, il se repositionne en serveur de logique métier, pilier invisible de l'autonomie de l'IA. Les éditeurs qui survivront à cette transition seront ceux qui auront ouvert des API robustes et pensé leur produit pour un usage programmatique autant que visuel. Les autres, dont la valeur reposait exclusivement sur l'ergonomie d'une interface, risquent d'être contournés. L'enjeu pour l'ensemble du secteur est donc de se réinventer non plus comme des outils pour les humains, mais comme des infrastructures de confiance pour des agents autonomes, un défi architectural et économique qui redéfinit les règles du jeu de la transformation numérique.