@Work
L’IA ne remplace pas le logiciel d’entreprise. Elle déplace la valeur vers ceux qui pilotent la décision
Par La rédaction, publié le 30 juillet 2026
IA et logiciels d’entreprise ne relèvent pas d’un jeu à somme nulle. Derrière le récit d’un SaaS condamné par les grands modèles de langage, une autre réalité émerge : plus l’IA progresse, plus les entreprises ont besoin de plateformes capables d’encadrer la décision, la gouvernance et l’exécution.
Par Charlie Gottdiener, CEO d’Anaplan
Depuis plusieurs mois, l’idée selon laquelle l’intelligence artificielle finirait par rendre une partie des logiciels d’entreprise obsolètes s’est imposée comme l’un des récits dominants du secteur technologique. À mesure que les grands modèles de langage (LLM) gagnent en puissance, certains y voient déjà la disparition progressive des interfaces traditionnelles et, à terme, celle d’une partie du SaaS.
Pourtant, cette lecture me paraît largement incomplète. Les marchés eux-mêmes commencent d’ailleurs à nuancer ce scénario. En France, l’ampleur des investissements annoncés autour de l’IA en témoigne : lors du sommet Choose France 2026, plus de 93 milliards d’euros d’investissements ont été annoncés, dont une part considérable destinée aux infrastructures et aux plateformes technologiques nécessaires au déploiement de l’intelligence artificielle.
En outre, les récentes déclarations de Jensen Huang, CEO de NVIDIA, ont mis en lumière une réalité souvent sous-estimée : plus les entreprises déploient d’intelligence artificielle, plus elles ont besoin de logiciels capables de l’encadrer. Car le défi ne consiste plus seulement à accéder à un modèle performant. Il faut désormais maîtriser les accès aux données, superviser des agents capables d’agir de manière autonome, garantir la conformité des décisions prises et maîtriser des coûts de calcul qui deviennent un enjeu opérationnel à part entière.
Cette évolution modifie profondément la manière dont il faut analyser le marché du logiciel. À mon sens, l’IA ne va pas remplacer les applications d’entreprise. En revanche, elle est en train d’opérer un tri beaucoup plus fondamental entre les plateformes dont la valeur reposait principalement sur l’accès à l’information et celles qui jouent un rôle central dans la production, le contrôle et l’exécution des décisions.
L’interface n’est plus le principal facteur de différenciation
Pendant plus de vingt ans, une grande partie de l’industrie du logiciel s’est développée autour d’une même ambition : simplifier l’accès aux données. Les éditeurs ont investi massivement dans les tableaux de bord, les outils de reporting et les interfaces destinées à rendre l’information plus accessible et exploitable. Cette logique a longtemps constitué un avantage concurrentiel déterminant. Aujourd’hui, elle est directement remise en question par les grands modèles de langage. Un utilisateur peut désormais interroger ses données, obtenir une synthèse ou explorer différents scénarios simplement en formulant une requête en langage naturel. En pratique, les LLMs deviennent progressivement une couche d’interaction universelle entre les utilisateurs et les applications. Cette évolution réduit mécaniquement la valeur différenciante de certaines interfaces logicielles traditionnelles.
Cela ne signifie pas que les logiciels perdent leur utilité. Cela signifie que la valeur se déplace. Lorsque l’accès à l’information devient une fonctionnalité largement disponible, l’interface cesse progressivement d’être le principal élément de différenciation. Les plateformes dont la proposition de valeur reposait essentiellement sur leur capacité à présenter des données risquent naturellement de subir une pression croissante.
Les entreprises ont besoin de résultats fiables, pas seulement de réponses plausibles.
Les LLMs excellent dans la compréhension du langage et la production de contenu. En revanche, ils restent fondamentalement probabilistes. Ils fournissent la réponse la plus probable compte tenu du contexte disponible. Cette caractéristique constitue une force dans de nombreux usages. Elle devient en revanche une limite dès lors qu’il s’agit de prendre des décisions engageant l’entreprise.
Une prévision financière, un plan industriel, une allocation de ressources ou un calcul réglementaire ne peuvent pas reposer sur une estimation simplement plausible. Ils exigent des résultats reproductibles, auditables et conformes à des règles clairement établies. C’est pourquoi les entreprises continueront à s’appuyer sur des systèmes spécialisés capables de produire des calculs fiables et cohérents. Les modèles d’IA peuvent faciliter l’accès à ces informations, les expliquer ou les contextualiser. Ils ne remplacent pas les mécanismes qui les produisent.
La valeur se concentre dans les systèmes qui structurent la décision
C’est précisément cette distinction qui me paraît essentielle. À mesure que l’intelligence artificielle devient l’interface privilégiée entre l’utilisateur et les systèmes d’information, les plateformes qui conservent une valeur stratégique sont celles qui organisent les données, appliquent les règles métier, modélisent les processus et garantissent la cohérence des décisions. C’est dans ce contexte qu’émergent les Deterministic Domain Authority (DDA), des applications conçues non seulement pour restituer des données, mais aussi pour structurer les arbitrages, appliquer les règles métier et garantir la cohérence des décisions à l’échelle de l’entreprise.
Dans la finance par exemple, la gestion des effectifs, la planification opérationnelle ou la chaîne logistique, les entreprises ont besoin de systèmes qui font autorité parce qu’ils constituent le référentiel sur lequel reposent leurs arbitrages.
Cette fonction devient encore plus importante avec l’émergence des agents autonomes. Plus les organisations déploient des agents capables d’agir par eux-mêmes, plus elles doivent contrôler ce qu’ils sont autorisés à faire, quelles données ils peuvent utiliser et selon quelles règles ils opèrent. Autrement dit, l’essor de l’IA accroît le besoin de gouvernance plutôt qu’il ne le réduit.
Le SaaS conserve un rôle central dans l’économie de l’IA
C’est la raison pour laquelle je pense que le débat sur la disparition du SaaS est largement mal posé. Une partie de la valeur historiquement associée aux interfaces va effectivement se banaliser. En revanche, les besoins liés à l’orchestration, à la supervision et au contrôle vont considérablement augmenter. Les entreprises auront besoin de plateformes capables de gérer les droits d’accès, d’encadrer les processus, de superviser l’activité des agents, de garantir la conformité des opérations et de maîtriser les dépenses associées à l’utilisation de l’IA.
Les acteurs les mieux positionnés dans cette nouvelle phase ne seront donc pas nécessairement ceux qui disposent de l’interface la plus séduisante. Ce seront ceux qui détiennent les modèles métier les plus robustes, les données les plus structurées et les mécanismes de gouvernance les plus sophistiqués. Dans des secteurs fortement réglementés ou particulièrement complexes, cette capacité à fournir un cadre fiable, traçable et contrôlé pourrait même devenir plus précieuse qu’elle ne l’était avant l’arrivée de l’IA.
À LIRE AUSSI :
À LIRE AUSSI :
À LIRE AUSSI :
