Agents IA contre modèle commercial SaaS : pourquoi la « Saaspocalypse » est une erreur

Si vous avez suivi les marchés la semaine dernière, vous avez probablement constaté le carnage. Les acteurs majeurs du secteur SaaS (Software as a Service), tels que Salesforce, ServiceNow et les grands cabinets de conseil en informatique, ont subi des pertes considérables. Le discours qui alimente cette vague de ventes est percutant, alarmiste et semble inévitable : la « Saaspocalypse » est enfin arrivée.

Ce qui alimente cette panique, c'est l'évolution rapide des capacités « agentives » de l'intelligence artificielle. Plus précisément, le lancement des dernières de coworking , qui introduisent des agents capables de travailler aux côtés d'humains dans des environnements partagés, terrifie les investisseurs.

Le raisonnement semble logique à première vue : si un agent IA peut naviguer dans les menus complexes de SAP, Infor LNou Salesforce mieux, plus rapidement et à moindre coût qu’un humain, pourquoi une entreprise continuerait-elle à payer par utilisateur ?
Pourquoi embaucher un consultant junior pour cliquer sur des boutons et configurer des tables alors qu’un agent peut le faire pour une fraction de centime par jeton ?

Le marché anticipe un avenir où les revenus des logiciels s'effondreront à cause de l'IA qui cannibalisera la base d'utilisateurs. Or, après plus de dix ans d'expérience dans la mise en œuvre de systèmes ERP et le travail au sein d'environnements multinationaux complexes comme Infor LN, je constate un fossé immense et dangereux entre la panique financière et la réalité technique.

La peur économique face à la réalité technique

Pour comprendre pourquoi le marché se trompe, il faut d'abord comprendre ses craintes. Le modèle économique du SaaS repose sur un système de licences : un abonnement mensuel est facturé pour chaque utilisateur ayant besoin d'accéder au système.
Si un agent IA peut se connecter en tant que « super-utilisateur » et effectuer le travail de 50 conseillers clientèle ou de 10 planificateurs logistiques, le modèle économique de ces géants du logiciel s'effondre.

Cependant, cette crainte repose sur une hypothèse cruciale : que les agents d’IA fonctionnent réellement.

Il ne s'agit pas simplement de « travailler » lors d'une démonstration où l'on réserve un vol ou où l'on résume un PDF. Je parle de travailler dans l'environnement complexe et à forts enjeux des enterprise resource planning, où un simple clic erroné peut coûter des millions.

Alors que Wall Street vendait massivement, la communauté scientifique lançait de sérieux avertissements.
Le dernier rapport scientifique international sur la sécurité de l'IA avancée, publié il y a quelques jours par l'Institut britannique de sécurité de l'IA, aboutit à une conclusion alarmante que chaque directeur technique devrait imprimer et afficher :

« L’automatisation fiable des tâches longues ou complexes demeure irréalisable. » (Source : Rapport scientifique international sur la sécurité de l’IA avancée)

Voici le secret honteux du phénomène actuel de l'IA. Un agent qui fonctionne à 90 % est une aubaine pour les tâches créatives. Si vous demandez à ChatGPT d'écrire un poème et qu'il se trompe de rime, ce n'est pas la fin du monde. Mais dans mon univers des implémentations ERP et des processus métier critiques, une précision de 90 % est catastrophique.

Le fossé de la gouvernance : une course sans freins

Au-delà de la fiabilité technique, le rapport met en lumière un risque structurel que l'analyse superficielle du marché ignore totalement. Il conclut à un fossé grandissant entre le rythme des progrès de l'IA et la capacité de la société à mettre en place des mesures efficaces de sécurité et de gouvernance.

Dans le monde de l'entreprise, cette lacune est fatale. Les systèmes ERP sont essentiels à la conformité, à la fiscalité et au reporting financier. On ne peut pas déployer des technologies expérimentales et peu fiables dans des systèmes conçus pour la stabilité et l'auditabilité. L'engouement actuel suppose que nous pouvons déployer des agents autonomes dès aujourd'hui ; or, la réalité est que nous manquons de cadres de gouvernance pour simplement surveiller leurs activités, et encore moins les contrôler.

Le risque caché : la mort du modèle d'apprentissage

Il existe une raison plus sombre et structurelle expliquant la chute des cours boursiers des sociétés de conseil. Le problème dépasse largement le cadre des licences logicielles et touche à la destruction du vivier de talents.

Depuis des décennies, le modèle économique des sociétés de conseil repose sur une structure pyramidale : des cohortes de consultants juniors effectuent les tâches de configuration et de saisie de données de bas niveau (facturées au client) tout en se formant au métier. Ils observent les consultants seniors pour comprendre la logique complexe des processus métier.

Si nous remplaçons ces développeurs juniors par des agents d'IA pour faire des économies aujourd'hui, nous créerons un vide en matière de connaissances demain.
Une analyse récente sur la crise des développeurs juniors soulève une question alarmante : si personne ne fait le travail ingrat, comment peut-on devenir développeur senior ?

Il est impossible d'apprendre à gérer une crise complexe de la chaîne d'approvisionnement dans Infor LN sans avoir passé des années à comprendre les transactions fondamentales qui l'ont provoquée.
Le marché craint, à juste titre, qu'en automatisant les tâches de base, on ne tarisse le vivier de futurs experts, laissant les entreprises avec des agents d'IA performants, mais sans humains capables de déterminer si ces agents ont raison ou tort.

Le sophisme du « faites-le vous-même »

Un autre mythe dangereux qui alimente cette volatilité du marché est l'idée que des outils comme Project Genie ou Claude permettraient à chaque entreprise de simplement « construire son propre ERP » en interne, en contournant complètement les fournisseurs SaaS coûteux.

Cette vision des choses repose fondamentalement sur une mauvaise compréhension de ce qu'est un logiciel.

Écrire du code n'est pas la même chose que construire un système.

Prenons l'exemple de l'industrie du jeu vidéo. L'IA générative peut créer des modèles 3D et écrire des scripts, mais cela ne signifie pas qu'un adolescent puisse concevoir Elden Ring ou Grand Theft Auto du jour au lendemain. Un jeu magistral exige une conception de niveaux, un rythme narratif maîtrisé, un moteur physique et une optimisation poussée. Une structure complexe où le code n'est qu'une brique parmi d'autres.

Il en va de même pour les ERP et les CRM.
Un ERP n'est pas qu'un ensemble de scripts Python ; c'est une structure complexe intégrant les lois fiscales internationales, la conformité de la chaîne d'approvisionnement, les protocoles de sécurité et les meilleures pratiques comptables. Croire qu'une entreprise peut abandonner SAP ou Salesforce pour développer un CRM IA « maison » relève de la folie. Cela sous-estime la complexité des processus inhérents à ces outils.

Des rapports récents de SupplyChainBrain (février 2026) le confirment : les dirigeants se rendent déjà compte que la maintenance d'agents d'IA personnalisés est un cauchemar et se tournent à nouveau vers des fournisseurs établis.

De plus, il ne faut pas oublier l'inertie humaine. J'ai consacré une grande partie de ma carrière actuelle à la migration d'entreprises du système sur site vers le cloud. Cette transition devrait théoriquement prendre des mois, mais à l'échelle de l'industrie, elle a duré des décennies et se poursuit encore. Pourquoi ? Parce que les individus et les organisations évoluent lentement. Croire que les habitudes des entreprises vont changer du jour au lendemain simplement parce qu'un nouveau modèle d'IA a été publié, c'est ignorer la réalité de leur fonctionnement.

L'illusion de l'agent

Cela nous amène à un malentendu fondamental dans le secteur. On a souvent tendance à imputer ces échecs à l'IA, mais le problème est plus profond.
Comme je l'ai expliqué dans mon récent article, « L'illusion de l'agent : pourquoi votre ERP n'est pas encore prêt pour le pilotage automatique », une réalité brutale compromet jusqu'à 85 % des projets d'IA avant même leur lancement.

L'illusion consiste à croire qu'il suffit de superposer une intelligence autonome du XXIe siècle à des structures de données statiques et obsolètes du XXe siècle et d'espérer un miracle. On ne peut pas construire un moteur de Ferrari (l'agent IA) et l'installer dans un châssis rouillé (vos données ERP héritées) en espérant gagner la course. L'agent ne doit pas seulement être intelligent ; l'environnement dans lequel il évolue doit être prêt pour l'intelligence. La plupart des ERP ne le sont tout simplement pas.

L'ère de l'ingénierie agentique

Alors, la « Saaspocalypse » est -elle un mythe ? Non. Cela signifie simplement que le calendrier et la nature de ce changement sont mal compris. Nous n'allons pas vers un monde où les logiciels fonctionneront tout seuls demain. Nous allons vers un monde où le rôle de l'humain se transformera radicalement.

Andrej Karpathy, l'un des plus grands experts en IA (ancien d'OpenAI et de Tesla), a récemment souligné que l'ère du codage intuitif, où l'on se contente de demander à une IA d'écrire du code en espérant un résultat satisfaisant, est révolue.
Nous entrons dans l'ère de l'ingénierie agentique.

Pour les professionnels comme nous, consultants, développeurs et architectes système, ce métier ne disparaît pas, mais devient au contraire nettement plus complexe.
Nous devenons les architectes et les superviseurs d'agents d'IA.

« Ingénierie des agents pathogènes » signifie construire l’infrastructure qui protège ces agents. Cela implique :

1. Cadres d'évaluation : suites de tests approfondies pour garantir que l'agent n'interprète pas les chiffres d'inventaire de manière erronée.
2. Garde-fous : limites codées en dur (par exemple : « L’IA ne peut pas approuver un bon de commande supérieur à 10 000 euros sans signature humaine »).
3. Flux de travail avec intervention humaine : conception de processus où l’IA effectue la majeure partie du travail de saisie des données, mais où un expert humain (le « pilote ») valide les points de décision critiques.

Le passage des « sièges » aux « résultats »

Le modèle économique va changer. Le de rémunération par utilisateur est certes menacé, mais pas parce que personne n'utilisera le logiciel. Il est menacé parce que la notion de valeur évolue.

Nous observons déjà les premiers signes concrets de ce changement de cap. Salesforce a commencé à s'adapter à cette réalité avec le lancement d' Agentforce, en introduisant un modèle de tarification basé sur 2 $ par conversation plutôt que sur le nombre de licences utilisateur. L'entreprise a compris que vendre des licences d'accès pour des chatbots autonomes n'a aucun sens ; elle doit désormais vendre le résultat du travail effectué.

Cela correspond à ce que Bessemer Venture Partners définit comme l'essor du « Service-as-a-Software ». Dans ce nouveau paradigme, les fournisseurs ne se contentent pas de vous vendre un outil (un CRM ou un ERP) ; ils vous vendent la main-d'œuvre numérique elle-même.

À l'avenir, il est probable qu'Infor ou SAP ne se contentent plus de facturer le nombre de connexions, mais plutôt les résultats obtenus.

• « Coût par facture traitée. »
• « Coût par résolution réussie du problème d'assistance client. »
• « Coût par plan de chaîne d'approvisionnement optimisé. »

Ce changement est en réalité bénéfique pour les fournisseurs s'ils parviennent à garantir la fiabilité. Mais tant qu'ils n'y seront pas parvenus, la dépendance à l'égard de l'expertise humaine restera absolue.

Pourquoi l'expérience compte plus que jamais

On craint que l'IA ne uniformise les règles du jeu, rendant un consultant junior utilisant ChatGPT équivalent à un expert senior. Je soutiens le contraire.

Lorsqu'on utilise un outil qui ment avec assurance, il faut plus d'expertise pour déceler le mensonge, et non moins.

Un consultant junior pourrait accepter la suggestion de l'IA de modifier le mappage du grand livre général parce que « cela semble correct ». Un consultant senior sait que modifier ce mappage entraînera une erreur dans le rapport financier de fin d'année en raison d'une réglementation fiscale locale dont les données d'entraînement de l'IA (principalement centrées sur les États-Unis) n'ont aucune connaissance.

Alors que le sur l'apocalypse du travail suppose que notre valeur réside dans notre vitesse de frappe ou notre mémoire, notre véritable valeur réside dans notre jugement.

Ma ligne de fond

Le marché évalue les entreprises en fonction du potentiel de l'IA, ignorant la réalité technique de sa mise en œuvre.

L'ingénierie, dans sa forme la plus pure, doit gérer les cas particuliers. Elle doit composer avec des données imparfaites, des intégrations existantes et des règles métier contradictoires. Tant que les agents d'IA ne pourront pas prouver leur fiabilité à grande échelle sans une assistance humaine constante – un objectif que la communauté scientifique juge encore lointain –, le modèle SaaS est simplement contraint d'évoluer plutôt que de disparaître.

L'avenir réside dans la gestion des agents par les humains, plutôt que dans une bataille entre l'IA et les humains.

Écrit par Andrea Guaccio 

9 février 2026