Le modèle SaaS n'est pas mort, il a appris à prouver son utilité
Il existe un moment précis dans le cycle de tout modèle économique où le récit collectif cesse de décrire la réalité et commence à la produire. Le secteur SaaS a atteint ce moment il y a plus d'un an, et l'industrie continue encore aujourd'hui de traiter ce que cela signifie. Ce n'est pas l'effondrement qu'annonçaient certains avec le terme « SaaS-pocalypse », mais ce n'est pas non plus un retour sans friction à la croissance de 2021. Ce qui est en train de se produire est à la fois plus inconfortable et plus utile que l'une ou l'autre de ces deux versions : les acheteurs, les investisseurs et les marchés de capitaux exigent désormais la preuve que le logiciel qu'ils achètent change effectivement quelque chose de mesurable chez celui qui l'utilise.
Cela semble évident. Ça ne l'était pas.
Pendant la période d'abondance de liquidités qui a suivi la pandémie, le modèle de revenus récurrents fonctionnait comme un argument suffisant en lui-même. Disposer d'un taux de renouvellement raisonnable et d'une courbe de croissance ascendante suffisait à soutenir des multiples de valorisation qui semblent aujourd'hui difficiles à justifier. Les multiples sur l'ARR — revenu récurrent annuel — ont atteint des niveaux qui escomptaient des années de croissance future comme si cette croissance était une certitude structurelle. Selon les données de SaaS Capital, ces multiples se situent désormais à leurs plus bas niveaux depuis plus d'une décennie, ce qui ne reflète pas seulement un ajustement des taux d'intérêt, mais un changement dans le type de preuve considérée comme convaincante pour allouer des capitaux.
Le secteur n'est pas en chute libre. La projection à horizon 2030 reste supérieure à 900 milliards de dollars en valeur de marché mondial, avec une croissance annuelle composée avoisinant les 18 %. Pour 2024, les dépenses en logiciels en tant que service étaient estimées à près de 232 milliards de dollars selon Gartner. Les chiffres absolus ne contredisent pas le récit d'expansion. Ce qui a changé, c'est la qualité de la preuve nécessaire pour que ces chiffres se traduisent en une valorisation favorable. Et ce changement a des implications opérationnelles très concrètes pour ceux qui construisent ou financent ces entreprises.
L'intelligence artificielle ne remplace pas le logiciel ; elle presse sa justification
Une partie de la panique narrative autour de la « fin du SaaS » provient d'une lecture hâtive du rôle que joue l'intelligence artificielle dans le secteur. L'argument simplifié dit : si l'IA peut générer du code à la demande, construire des flux de travail autonomes et reproduire des fonctionnalités qui nécessitaient auparavant des contrats annuels, alors les modèles d'abonnement par siège perdent leur raison d'être. Il y a quelque chose de vrai dans cette pression. Il y a beaucoup qui exagère la vitesse du changement et sous-estime la friction réelle que représente son adoption.
Ce que l'IA fait effectivement, c'est abaisser le coût marginal de production de logiciels génériques. Cela exerce une pression sur les couches du marché qui se concurrençaient principalement sur la fonctionnalité standard à prix acceptable. Un CRM basique, un outil de gestion des tâches, une plateforme de formulaires : ces catégories font face à une réelle compression des prix parce que la barrière à la réplication a diminué. Mais le logiciel qui opère à l'intersection de processus industriels spécifiques, de flux de données propriétaires et de logique métier profonde ne se réplique pas avec un prompt. La complexité n'a pas disparu ; elle s'est redistribuée.
Les entreprises qui achètent des logiciels spécialisés pour des secteurs comme la mode, la fabrication ou la logistique n'acquièrent pas des fonctionnalités isolées. Elles achètent l'accumulation de connaissances opérationnelles qui a pris des années à être codifiée, plus l'infrastructure d'intégration avec les systèmes hérités, plus la conformité réglementaire intégrée. Rien de tout cela ne peut être généré en temps réel avec un outil de codage assisté. Ce que l'IA peut faire dans ce contexte, c'est accélérer la détection d'anomalies dans ces processus, automatiser les décisions répétitives au sein de flux déjà conçus, ou connecter des sources de données qui nécessitaient auparavant une intégration manuelle coûteuse. Cela ne détruit pas le modèle : cela l'oblige à démontrer avec plus de précision qu'auparavant où il génère de la valeur incrémentale.
Le véritable effet de l'IA sur le secteur SaaS n'est pas de substitution, mais d'exigence. Elle oblige les fournisseurs à être plus précis sur quelle partie du problème du client ils résolvent, avec quel résultat mesurable et dans quelles conditions d'adoption. Cette exigence existait avant ; l'IA la rend impossible à éviter.
Quand le prix a cessé d'être par siège pour devenir par résultat
La transformation du modèle de tarification qui s'accélère dans le secteur a des implications qui vont bien au-delà de la mécanique contractuelle. Le passage des licences par utilisateur vers des prix basés sur la consommation ou sur les résultats modifie fondamentalement la façon dont le risque est réparti entre le fournisseur et le client, et le type de relation opérationnelle nécessaire pour que le modèle fonctionne.
Dans le modèle par siège, le fournisseur facture l'accès et le client assume le risque d'adoption. Si les utilisateurs n'utilisent pas l'outil, le contrat se renouvelle quand même jusqu'à ce que quelqu'un dans le service des achats examine la facture. Ce découplage entre usage et paiement a été pendant des années une source de marges confortables pour les fournisseurs et une source de gaspillage silencieux pour les acheteurs. La donnée de Zylo sur l'« IA fantôme » et les coûts imprévisibles des logiciels n'est pas une anomalie : c'est l'expression contemporaine d'un problème structurel qui existait bien avant que l'IA entre dans le tableau.
Le modèle basé sur les résultats ferme ce découplage par la force. Si le contrat stipule que le fournisseur facture en proportion de la réduction du temps de cycle de production, ou du pourcentage d'augmentation du taux de conversion, ou de la diminution des erreurs dans un processus opérationnel, alors la relation devient vérifiable. C'est bon pour les clients. Pour les fournisseurs, cela implique qu'ils doivent instrumenter leurs produits avec suffisamment de profondeur pour mesurer ces résultats de manière fiable, et qu'ils doivent avoir la conviction — étayée par des données de clients précédents — que le produit les produit effectivement.
C'est ici qu'apparaît un piège qui mérite attention. Plusieurs fournisseurs qui adoptent le langage de la « tarification à la valeur » ou des « modèles orientés résultats » ne construisent pas l'infrastructure de mesure que ce modèle requiert. Ils utilisent le vocabulaire du résultat sans l'appareil de vérification qui le rendrait crédible. Ce n'est pas une transition de modèle, c'est un recadrage cosmétique du contrat précédent. La différence entre un modèle de résultats et un modèle d'accès avec marketing de résultats réside dans le fait que le fournisseur accepte que sa rémunération varie lorsque les résultats ne se matérialisent pas. Peu d'entre eux l'acceptent encore en pratique.
Le mouvement vers la tarification à la consommation qu'adoptent les plateformes d'infrastructure et certaines couches applicatives est une version plus honnête de cette transition. Le client paie pour ce qu'il utilise, le fournisseur a intérêt à ce que l'utilisation soit élevée parce qu'elle reflète une adoption réelle, et les deux parties ont une visibilité sur la relation entre activité et coût. Le problème est que ce modèle introduit une volatilité budgétaire que les équipes financières des grandes organisations gèrent mal, ce qui génère une résistance interne dans le processus d'achat même quand le produit est supérieur.
Le SaaS vertical possède un avantage que le SaaS horizontal ne peut pas copier rapidement
La distinction entre logiciel horizontal et logiciel vertical a toujours existé, mais la pression actuelle du marché la rend plus stratégiquement pertinente. Le logiciel horizontal se concurrence sur l'échelle d'adoption et l'ampleur fonctionnelle. Le logiciel vertical se concurrence sur la profondeur de compréhension du domaine et sur le coût de changement que cette profondeur génère. Dans un environnement où l'IA abaisse le coût de production de fonctionnalités génériques, l'avantage du logiciel horizontal s'érode plus vite que celui du logiciel vertical.
Un fournisseur qui a passé dix ans à construire un logiciel pour la chaîne de production textile a intégré dans son produit une connaissance des normes de traçabilité, de la logique de gaspillage de matières, de l'intégration avec des machines spécifiques et de la conformité réglementaire régionale qui ne se réplique pas en copiant son interface. Cette connaissance a mis des années à se traduire en logique logicielle parce qu'elle a nécessité de vraies conversations avec des opérateurs de production, des directeurs de fabrication, des auditeurs qualité. L'IA peut accélérer la prochaine itération de ce produit. Elle ne peut pas comprimer les dix ans d'apprentissage accumulé dans le produit actuel.
La métrique qui prédit le mieux la durabilité d'un SaaS vertical n'est pas le taux de croissance des nouveaux contrats, mais la rétention nette des revenus, qui mesure si les clients existants étendent leur utilisation et leurs dépenses au fil du temps. Selon les données disponibles, les investisseurs et les prêteurs utilisent cette métrique, en conjonction avec la rétention brute des revenus, comme l'indicateur le plus fiable de l'adhérence réelle du produit. Une rétention nette supérieure à 110 % indique que l'expansion au sein de la base installée compense la perte de clients, ce qui rend le modèle autosuffisant en termes de croissance sans dépendre exclusivement de l'acquisition de nouveaux clients.
Ce schéma est plus difficile à construire dans un logiciel horizontal parce qu'il exige que le client trouve des raisons d'étendre son utilisation au sein de la même plateforme, et ces raisons se trouvent en concurrence avec l'offre de dizaines d'alternatives qui font la même chose avec des variations mineures. Dans le vertical, l'expansion se produit de manière plus naturelle parce que le fournisseur a une visibilité sur d'autres frictions du même processus opérationnel qu'il connaît déjà bien. Le prochain problème à résoudre est adjacent à celui qu'il a déjà résolu.
Le piège pour les fournisseurs verticaux est de confondre la profondeur du domaine avec un confort stratégique. Bien connaître un secteur est un avantage initial, pas une garantie permanente. Si cette connaissance n'est pas mise à jour en fonction des changements dans les processus du client, des nouvelles réglementations, de l'évolution des technologies disponibles, elle devient une dette technique déguisée en spécialisation. Les fournisseurs qui maintiennent une rétention nette élevée sur la durée sont ceux qui continuent d'apprendre du client avec la même intensité après la troisième année qu'au cours de la première.
La durabilité n'est pas un récit, c'est une architecture de revenus avec des frictions réelles
Le secteur SaaS aborde 2026 après avoir traversé un test de résistance qui fut en partie une correction de valorisation, en partie un ajustement macroéconomique et en partie une pression authentique exercée par les nouvelles technologies. Ce qui émerge de ce processus n'est pas un modèle brisé en quête de rédemption narrative. C'est un modèle plus lisible, dans lequel les métriques qui auraient toujours dû compter — rétention, expansion au sein de la base installée, coût d'acquisition client par rapport à sa valeur vie — reçoivent enfin l'attention qu'elles méritaient depuis longtemps.
Le terme « SaaS-pocalypse » a décrit avec précision la peur, pas la réalité. Ce qui se passe, c'est une sélection au sein du secteur : les fournisseurs qui ont construit leur croissance sur une adoption réelle, sur une rétention démontrée et sur une expansion organique au sein de leurs clients passent le filtre avec des modèles intacts. Ceux qui ont grandi sur la facilité de vendre dans un environnement de dépenses technologiques sans examen rigoureux font face au coût d'avoir différé cette conversation.
Pour ceux qui construisent ou financent ces entreprises, l'ajustement ne nécessite pas un changement de philosophie, mais une clarté que le contexte précédent rendait optionnelle : démontrer, avec des données propres et vérifiables, que le produit produit le résultat qui justifie le contrat. Ce n'est pas un nouveau standard imposé par le marché. C'est le standard qui a toujours défini si un modèle économique était solide. Le marché a simplement cessé d'accepter qu'on le diffère.
