L'IA n'a pas tué le logiciel d'entreprise. Elle l'a séparé en gagnants et en perdants structurels
Il existe un récit dominant dans les salles de conseil d'administration et les fonds de capital-risque depuis deux ans : l'intelligence artificielle dévorera le logiciel d'entreprise de la même façon que le logiciel a dévoré les modèles économiques analogiques. C'est une image puissante. Et comme toute image puissante qui circule sans résistance, elle mérite que l'on y applique une pression critique avant qu'elle ne dicte des décisions d'investissement aux conséquences bien réelles.
Charlie Gottdiener, PDG d'Anaplan, a récemment publié dans Fortune un essai qui propose une lecture différente. Sa thèse n'est pas que l'IA ne transformera pas le logiciel. C'est que le changement ne sera ni horizontal ni démocratique : ce sera une sélection, un processus de classification qui amplifiera certains éditeurs tout en rendant d'autres redondants. Pour Gottdiener, la variable décisive n'est pas la technologie en elle-même, mais la nature de ce que chaque couche logicielle calcule ou représente.
Ce qui suit n'est ni une défense de cette thèse ni une réfutation. C'est un audit de sa logique commerciale.
---
Le modèle à trois couches et ce qui est vraiment en jeu
Gottdiener propose que l'architecture d'entreprise du logiciel se fracture en trois niveaux aux rôles distincts. Au sommet, les grands modèles de langage jouent le rôle d'interface conversationnelle universelle. En bas, ce qu'il appelle le Protocole de Contexte de Modèle exécute des commandes vers les systèmes existants. Au milieu, la couche qu'il nomme Autorité de Domaine Déterministe — son terme pour les moteurs de calcul gouvernés, auditables et reproductibles — est là où, selon son argument, résidera la valeur défendable.
La distinction technique qui soutient cet argument est précise : un modèle de langage est probabiliste. Il génère des réponses qui varient selon le schéma statistique, et non selon une logique de calcul fixe. Lorsqu'une entreprise a besoin de connaître l'impact exact d'une modification de son plan financier, ou de calculer l'effet d'un changement dans la structure de rémunération sur le coût total de la main-d'œuvre, la probabilité ne suffit pas. Il faut un moteur qui produise le même résultat face aux mêmes données, à chaque fois, dans n'importe quelle condition d'audit réglementaire ou fiscal.
Cette limitation des modèles de langage est réelle, documentée et ne fait l'objet d'aucune contestation technique sérieuse. Ce qui est en revanche contesté, c'est ce qui arrive aux couches logicielles qui ne vivent pas dans cet espace déterministe.
Le diagnostic de Gottdiener sur les outils de business intelligence et de visualisation de données est spécifique et a du poids : si la valeur principale d'un produit consistait à permettre à un utilisateur de formuler des questions sur ses données en langage naturel et de recevoir une réponse visuelle, ce produit est désormais en concurrence avec une interface conversationnelle intégrée dans le système d'exploitation de travail. Pas dans trois ans. Aujourd'hui. La barrière à l'entrée pour reproduire cette fonctionnalité de base s'est effondrée.
La même chose s'applique, avec des nuances, aux outils d'automatisation des flux de travail qui ne possèdent pas de calcul propre : ils déplacent des données entre les systèmes, mais ne constituent la source de vérité d'aucun d'entre eux. Lorsqu'un modèle de langage peut orchestrer ces intégrations directement par des instructions en langage naturel, la couche intermédiaire perd son argument d'existence.
C'est là où l'analyse devient plus intéressante, et plus susceptible d'examen critique, dans l'autre moitié de la classification.
---
Le fossé que Gottdiener propose et ce qu'il n'en dit pas
Gottdiener soutient que les moteurs de planification d'entreprise, les systèmes de gestion des ressources humaines, les systèmes de gestion de la relation client et les bases de données réglementaires spécialisées sont les survivants structurels. La raison : ils possèdent une vérité computationnelle gouvernée. La date d'embauche d'un employé, le montant d'une négociation conclue, la dose maximale autorisée d'un composé pharmaceutique. Ce sont des faits, pas des suggestions. Et un modèle de langage ne peut ni les fabriquer ni les valider avec la précision qu'exige un audit.
Cet argument a une solidité technique. Mais il introduit un piège que Gottdiener reconnaît partiellement sans le développer entièrement.
Si la valeur d'un moteur déterministe réside dans la précision computationnelle au sein d'un domaine, et si ce moteur peut être répliqué par un autre fournisseur offrant la même précision à moindre coût, alors le modèle de langage — qui agit comme interface universelle — sera indifférent entre les fournisseurs. Le fossé n'est pas dans le moteur. Il est dans le modèle spécifique que le client a construit au sein de ce moteur.
Gottdiener le dit : l'avantage réel est le modèle de planification ou d'opérations qu'une entreprise particulière a codifié dans la plateforme au fil des années. Migrer ce modèle vers un système concurrent n'est pas une exportation de données. C'est reconstruire la logique institutionnelle depuis zéro. Cela fait mal, et cette douleur est ce qui retient le client.
C'est là qu'il convient de séparer le récit du constat commercial. Parce que ce que Gottdiener décrit, sans le nommer ainsi, est un mécanisme de rétention fondé sur le coût de substitution cumulé, et non sur une supériorité technique continue. C'est un argument de stickiness, pas d'innovation permanente. Cela ne l'invalide pas pour autant. Mais cela change radicalement la façon dont la proposition de valeur doit être lue par un client qui n'a pas encore commencé la mise en œuvre.
Un acheteur qui n'est encore lié à aucune plateforme doit se demander — et l'analyse de Gottdiener ne l'aide guère sur ce point — quelle part de la valeur qu'il recevra provient du moteur lui-même, quelle part provient de la profondeur de son propre modèle construit dans le temps, et quelle part provient de l'intégration avec l'écosystème de modèles de langage à venir. Ce sont trois propositions de valeur aux structures de coût et de rétention radicalement différentes.
---
La variable absente de l'argument visible
Gottdiener écrit depuis une position de conflit d'intérêts qu'il déclare avec honnêteté : Anaplan est, selon sa propre description, exactement le type de plateforme que son cadre théorique désigne comme gagnante. Cela ne disqualifie pas l'analyse, mais oblige à la lire avec une plus grande attention à ce qu'elle ne dit pas.
Ce qui n'apparaît pas dans le texte, c'est la dynamique de prix dans un marché où les moteurs déterministes se multiplient. Si le modèle de langage joue le rôle d'interface neutre et sélectionne le moteur le plus précis au moindre coût, le prix des moteurs déterministes tendra à baisser à mesure que davantage de fournisseurs en proposeront. La concurrence ne disparaîtra pas parce que le calcul est précis. Elle se déplacera vers un autre niveau : qui offre la même précision avec de meilleures performances et un coût de mise en œuvre initial plus faible.
Dans ce scénario, la seule défense durable n'est pas le moteur, mais la profondeur du modèle institutionnel du client. Ce qui signifie que la valeur du fournisseur se concentre progressivement dans la phase de mise en œuvre et de construction du modèle, et non dans la licence logicielle en tant que telle. Cela a des conséquences directes sur les marges et sur la structure des revenus : si la valeur réside dans les services professionnels et dans la complexité du modèle construit, l'activité ressemble de plus en plus à un cabinet de conseil doté de sa propre plateforme qu'à un produit logiciel à marges élevées et à croissance par expansion de licences.
Ce virage n'est pas nécessairement négatif. Mais ce n'est pas non plus le récit qui circule lorsqu'on parle de plateformes SaaS valorisées comme des logiciels purs.
L'autre absence notable est la vitesse d'amélioration des modèles de langage eux-mêmes dans les tâches de raisonnement mathématique et logique. Gottdiener suppose que la limitation probabiliste des modèles de langage est structurelle et permanente pour le calcul d'entreprise complexe. Cette hypothèse peut être valide aujourd'hui. Elle pourrait ne plus l'être dans quatre ans. Les progrès en raisonnement formel des modèles de nouvelle génération sont réguliers et documentés. Si cet écart se réduit partiellement, la dépendance envers des moteurs déterministes externes diminue, et avec elle, la prémisse centrale de l'argument.
---
Ce qui sépare un fossé structurel d'un récit qui se confirme lui-même
L'argument de Gottdiener n'est pas de la fumée. Il identifie une distinction technique réelle — le calcul déterministe face à l'inférence probabiliste — et la relie correctement à un besoin d'entreprise concret : l'audit, la précision réglementaire et la reproductibilité dans les décisions financières et opérationnelles à fort impact.
Là où l'argument nécessite davantage de travail, ce n'est pas dans sa prémisse technique, mais dans son architecture commerciale projetée. La rétention par coût de substitution cumulé est puissante, mais elle opère pour les entreprises déjà implantées dans la plateforme. La proposition de valeur pour un nouvel acheteur est plus fragile que le cadre ne le suggère, parce que cet acheteur peut choisir de mettre en œuvre avec plus de prudence, avec une profondeur de modèle initial moindre, et avec plus d'options de sortie. La pression sur les prix des moteurs déterministes augmentera à mesure que la catégorie arrivera à maturité. Et l'amélioration continue des modèles de langage en matière de raisonnement complexe continuera de réduire l'espace où la délégation à un moteur externe est obligatoire.
Ce qui ressort clairement, en revanche, et mérite d'être retenu sans réserve, c'est le diagnostic sur les couches logicielles fondées principalement sur l'expérience utilisateur et la visualisation. Ces couches ne disposent pas d'un argument de rétention fondé sur un calcul propre. Leur fossé, c'était l'interface, et l'interface a désormais un substitut plus pratique. Il ne s'agit pas de dire qu'elles vont disparaître demain. C'est que leur capacité à soutenir les prix et la rétention sans transformer leur proposition de valeur vers le calcul ou les données gouvernées se détériore à chaque trimestre qui passe.
L'IA ne dévore pas le logiciel d'entreprise de manière uniforme. Elle applique une pression asymétrique qui favorise ceux qui possèdent un calcul gouverné et pénalise ceux qui vendaient principalement un accès commode à des données que d'autres calculaient. Cette séparation n'est pas une invention de Gottdiener. C'est l'IA qui l'a accélérée. Et les entreprises qui n'ont pas encore vérifié de quel côté de cette ligne vit leur fournisseur actuel devront le faire avant de renouveler leur prochain contrat.
