SaaSpocalypse : quand l'IA redessine les règles du jeu logiciel

SaaSpocalypse : quand l'IA redessine les règles du jeu logiciel

Pendant vingt ans, le modèle SaaS a été une promesse simple : un abonnement mensuel, des mises à jour automatiques, et plus jamais de galère d'installation. Les éditeurs ont construit des empires sur ce socle. Salesforce, ServiceNow, Workday — des valorisations à faire pâlir n'importe quel DSI. Sauf que depuis dix-huit mois, quelque chose a changé dans la salle des machines. Et la question qui circule en coulisses dans les comités IT n'est plus *quel SaaS choisir*, mais *est-ce qu'on a encore besoin d'un SaaS pour ça ?*

Ce qui s'est passé, concrètement

La rupture n'est pas tombée d'un coup. Elle s'est construite par strates successives, mais 2025-2026 a marqué un point de bascule assez net.

D'abord, les grands modèles de langage sont devenus suffisamment capables pour automatiser des workflows entiers que des SaaS spécialisés facturaient à prix d'or. La gestion des tickets support, la rédaction de comptes-rendus, la qualification de leads, la synthèse de contrats — des fonctionnalités pour lesquelles des éditeurs avaient bâti des produits entiers se retrouvent aujourd'hui réplicables avec quelques appels API et un peu d'ingénierie.

Ensuite, des acteurs comme Cursor, Replit ou GitHub Copilot ont radicalement abaissé le coût de développement d'outils sur mesure. Un développeur compétent peut aujourd'hui construire en quelques jours ce qui aurait nécessité des mois — et des centaines de milliers d'euros de licensing — il y a trois ans. Ce n'est pas de la science-fiction : c'est ce que font déjà certaines équipes IT dans des ETI françaises qui ont simplement décidé de reprendre la main sur une partie de leur stack.

Enfin, et c'est peut-être le signal le plus fort, plusieurs éditeurs SaaS de premier plan ont eux-mêmes commencé à repositionner leur discours. On ne vend plus un logiciel avec des fonctionnalités — on vend un *agent*, un *assistant*, une *plateforme d'orchestration*. Autrement dit, les éditeurs eux-mêmes reconnaissent que l'interface formulaire + tableau de bord est en train de devenir un modèle d'interaction dépassé.

Pourquoi maintenant ? La question du timing

Il faut être honnête : le SaaS ne va pas mourir demain matin. Et les prophètes de la SaaSpocalypse totale vendent souvent quelque chose. Mais il y a des raisons structurelles pour lesquelles le sujet est devenu sérieux en 2026, et pas juste un buzz de conférence tech.

La première, c'est la maturité des outils d'inférence locale. Faire tourner un modèle capable sur sa propre infrastructure n'est plus réservé aux équipes disposant d'un data center dédié. Les progrès en quantisation, l'émergence de modèles plus compacts mais très performants sur des tâches ciblées, et la disponibilité de GPU accessibles ont changé l'équation. Un éditeur qui vous faisait payer pour *accéder* à une intelligence embarquée dans son produit se retrouve en concurrence directe avec un modèle que vous pourriez opérer vous-même.

La deuxième, c'est la fatigue SaaS. Beaucoup de DSI d'ETI que je rencontre sont arrivés à un point de saturation : trop d'outils, trop de connecteurs qui cassent, trop de doublons fonctionnels. La facture consolidée a parfois doublé en quatre ans sans que la valeur perçue suive. L'IA donne une justification intellectuelle et technique pour faire le ménage — et parfois pour ne pas renouveler.

La troisième, moins visible mais importante : les éditeurs commencent à changer leurs conditions contractuelles d'une façon qui irrite leurs clients. Limitation de l'export de données, clauses d'usage des données pour entraîner leurs propres modèles, hausses tarifaires liées au *AI add-on* facturé séparément. Autant de signaux qui poussent les décideurs IT à se demander si la dépendance construite au fil des ans est vraiment acceptable.

Ce que ça change pour vous, concrètement

Si vous êtes DSI ou CTO d'une PME ou ETI européenne, la question n'est pas *est-ce que l'IA va tuer le SaaS* — c'est une question pour les analystes de marché. La question opérationnelle, c'est : dans votre stack actuel, quelles catégories de logiciels sont réellement menacées, et lesquelles ne le sont pas ?

Il y a une distinction utile à faire entre ce qu'on peut appeler les SaaS de *traitement* et les SaaS de *coordination*.

Les SaaS de traitement — ceux dont la valeur principale est d'exécuter une tâche sur de la donnée, de la transformer, de la classifier, de la résumer — sont les plus exposés. Un outil de transcription de réunion, un logiciel de veille concurrentielle basique, un outil de scoring de leads simple : ce sont des catégories où l'IA générative, bien intégrée, fait aujourd'hui un travail comparable pour un coût marginal très faible.

Les SaaS de coordination — ceux qui gèrent des processus multi-acteurs, des workflows d'approbation, des référentiels partagés, de la conformité réglementaire — sont beaucoup plus résistants. Un ERP qui orchestre vos flux financiers, une solution de gestion des identités, un outil de gestion de projets complexes avec dépendances : la valeur n'est pas dans l'intelligence du logiciel, elle est dans sa capacité à être le point de vérité partagé d'une organisation. Ça, l'IA ne le remplace pas — du moins pas encore, pas de façon fiable.

Et entre les deux, il y a une zone grise significative qui mérite une analyse froide, contrat par contrat.

Les pièges à éviter

Avant de parler de ce qu'on peut faire, parlons de ce qu'il ne faut pas faire — parce que les erreurs coûtent cher dans les deux sens.

Le piège du tout-IA maison. Construire soi-même ce que des éditeurs ont mis des années à perfectionner, c'est séduisant sur le papier. En pratique, vous échangez un coût récurrent prévisible contre un coût de maintenance interne souvent sous-estimé, une dette technique réelle, et une dépendance à une équipe de développeurs que vous n'avez peut-être pas. Pour des fonctionnalités non-critiques ou à forte composante IA, l'arbitrage peut valoir la peine. Pour vos processus cœur de métier, c'est généralement une mauvaise idée.

Le piège de l'agent magique. Plusieurs éditeurs surfent sur la vague en renommant leurs fonctionnalités existantes « agents IA » sans changement substantiel. La rhétorique est flatteuse, la réalité souvent décevante. Un agent qui hallucine dans votre workflow de validation de factures ou qui rate une règle de conformité RGPD n'est pas un progrès — c'est un risque opérationnel. Exigez des démonstrations sur vos données réelles, pas des slides.

Le piège de la migration précipitée. La fatigue SaaS est réelle, mais réagir en changeant de stack tous les dix-huit mois parce que le nouveau venu a une belle démo IA, c'est épuisant pour les équipes et rarement rentable. La disruption que traverse le marché invite à la réflexion stratégique, pas à l'agitation tactique.

Quelques pistes pour s'y préparer sérieusement

Une démarche que plusieurs DSI commencent à mettre en place : l'audit de valeur perçue par contrat. Pas un audit financier — un audit fonctionnel. Pour chaque outil SaaS significatif dans votre stack, la question simple : *la valeur principale de cet outil repose-t-elle sur des fonctionnalités que l'IA peut désormais fournir à moindre coût, ou sur une coordination de processus et une gestion de données que je ne peux pas facilement répliquer ?* Ce travail prend du temps, mais il cadre les prochaines négociations de renouvellement de façon beaucoup plus factuelle.

Deuxième piste : regarder ce que les éditeurs que vous utilisez font vraiment avec l'IA, pas ce qu'ils en disent. Hubspot, par exemple, a intégré des capacités d'IA générative directement dans ses workflows CRM de façon assez substantielle depuis 2024-2025. Notion a fait de même avec son assistant intégré. Ce sont des éditeurs qui ont choisi d'intégrer l'IA comme couche de valeur ajoutée plutôt que de se laisser désintermédier. D'autres éditeurs sont restés beaucoup plus passifs — et c'est un signal sur leur trajectoire.

Troisième piste : ne pas sous-estimer la question des données. L'une des vraies valeurs d'un SaaS qui dure, c'est l'historique qu'il contient. Vos données CRM sur cinq ans, votre historique de tickets support, vos données RH — c'est ce qui donne de la pertinence à n'importe quel modèle IA que vous branchez dessus. Avant de penser à remplacer un outil, posez-vous la question de la portabilité réelle de ces données : sont-elles exportables proprement ? Dans un format standard ? Combien vous coûterait une migration en termes de qualité de données, pas seulement en termes de coût de licence ?

Sur la dimension européenne du sujet : l'IA Act, entré en application progressivement depuis 2024, commence à avoir des effets concrets sur ce que les éditeurs peuvent faire avec vos données pour entraîner leurs modèles. C'est un levier contractuel que les DSI européens n'utilisent pas encore assez — mais c'est en train de changer, notamment dans les secteurs financiers et de santé où les équipes juridiques sont plus affûtées.

Conclusion : une recomposition, pas une apocalypse

La SaaSpocalypse totale — celle où tout s'effondre et où chaque entreprise reconstruit son propre logiciel avec des LLMs — n'est probablement pas le scénario le plus probable. Ce qui se joue est plus subtil et, pour les décideurs IT, plus intéressant : un rééquilibrage du rapport de force entre éditeurs et clients.

Pendant des années, les éditeurs SaaS ont bénéficié d'une asymétrie d'information confortable. Le coût de sortie était élevé, les alternatives peu visibles, et la promesse de l'innovation continue suffisait à justifier des renouvellements automatiques. L'IA — et la capacité qu'elle donne à construire des alternatives fonctionnelles plus rapidement — change cette asymétrie. Pas radicalement, pas pour tous les outils, mais suffisamment pour que la prochaine négociation de renouvellement soit une vraie négociation.

La vraie question pour 2026-2027 n'est pas technique, elle est stratégique : savez-vous réellement, dans votre stack actuel, ce pour quoi vous payez de la valeur et ce pour quoi vous payez de la commodité ? Parce que ce sont ces derniers contrats qui vont, progressivement, devenir difficiles à défendre en comité de direction.

Et ça, c'est peut-être la meilleure nouvelle que l'IA ait apportée aux DSI depuis longtemps.