Pendant vingt ans, le SaaS a vendu la même promesse : on loue un outil, vous faites le travail avec. Le logiciel structurait la tâche, l'utilisateur l'exécutait. Toute l'économie du secteur — le pricing au siège, l'onboarding, l'adoption, le taux d'usage comme métrique reine — découle de cette promesse-là.

L'IA ne rend pas cette promesse obsolète parce qu'elle serait « mieux ». Elle la remplace par une autre, de nature différente : on loue un service, le logiciel fait le travail, vous validez le résultat. C'est ce que nous appelons le passage du Software as a Service au Service as a Software — et c'est un changement de paradigme, pas une fonctionnalité de plus.

La différence en une image

Le SaaS classique vous donne une voiture : vous conduisez. Le Service as a Software vous donne un chauffeur : il propose la route, vous validez, vous restez maître à bord.

Concrètement, l'agent — appelons-le Otto — ne se contente plus d'afficher un formulaire de traitement des sollicitations : il lit la demande entrante, la qualifie, sollicite l'ERP, prépare la réponse, déclenche l'action métier. L'utilisatrice — appelons-la Sophie — ne saisit plus : elle arbitre. Chaque validation de Sophie est un signal d'apprentissage. À J+0, Otto est générique ; à J+90, il est spécialiste de ce client, de ses prestataires, de ses règles implicites. Sophie est montée d'une division — et elle a fait monter Otto avec elle.

Sous le capot : un cerveau, des mains

Ce qui rend cela possible n'est ni un moteur de règles, ni un workflow de plus :

  • Un cerveau : le LLM. Un modèle qui dégage des régularités à partir de millions d'exemples, au lieu d'exécuter des `if/then` figés. C'est l'IA probabiliste : pattern, contexte, jugement.
  • Des mains : les outils. Par des protocoles d'outillage (MCP et apparentés), l'agent sollicite ce qu'il faut, quand il le faut : messagerie, téléphonie, ERP, GED. Il n'est pas un automate ; c'est un agent.
  • Un garde-fou : la validation humaine. Le résultat est proposé, sourcé, traçable — et validé avant d'engager l'entreprise. La revue humaine n'est pas une concession : c'est l'architecture même de la confiance.

Ce que cela change pour un éditeur

Pour un éditeur SaaS établi, la conséquence stratégique tient en trois déplacements :

  1. La valeur migre de l'outil vers le résultat. Le client ne paiera plus longtemps des sièges pour un travail que le logiciel peut faire ; il paiera le travail fait. Le pricing, le packaging et les métriques d'usage sont à repenser autour du résultat validé.
  2. Le savoir-faire métier devient l'actif différenciant. Les LLM sont accessibles à tous — vos concurrents inclus. Ce qu'ils n'ont pas : vos données propriétaires, vos règles métier, vingt ans de cas résolus. Encapsulés dans des workflows guidés à réponses sourcées, ils font la différence qu'aucun modèle générique ne rattrape.
  3. La chaîne de construction change aussi. Génération de code assistée, revue systématique, gouvernance des corpus : la R&D qui fabrique ces produits ne ressemble déjà plus à celle d'hier.

L'opportunité, pas la menace

La lecture anxieuse — « l'IA va tuer le SaaS » — se trompe de cible. Ce que l'IA menace, c'est le logiciel-outil interchangeable. Ce qu'elle démultiplie, c'est le logiciel-métier nourri de données propriétaires et d'expertise sectorielle. Le futur appartient aux éditeurs qui s'en saisissent comme d'une opportunité : ceux qui combinent leur connaissance intime du métier de leurs clients avec ces nouvelles capacités — et qui transforment leur promesse avant qu'un nouvel entrant ne le fasse à leur place.

La transition ne s'improvise pas : doctrine et souveraineté des données d'abord, cas d'usage priorisés ensuite, architecture agnostique, puis packaging et go-to-market. C'est la démarche que nous conduisons avec les éditeurs — de bout en bout, jusqu'au revenu.