Les pronostics actuels suggèrent que l’IA générative pourrait rendre les solutions SaaS dépassées. Cela est déjà évident dans l’évaluation des principaux acteurs du domaine, tels que Salesforce (notation en bourse : $CRM). D’après des ingénieurs logiciels chevronnés, une tendance se dessine vers le développement de logiciels personnalisés, soutenue par des outils d’intelligence artificielle pour la production de code. En confiant à l’IA les tâches de programmation récurrentes, les développeurs sont en mesure de concevoir des applications sur mesure répondant spécifiquement aux exigences commerciales, à l’opposé des solutions SaaS standardisées qui se sont considérablement alourdies au fil des dix dernières années.
Note : Analyse inspirée des propos d’Aaron Levie dans un podcast récent d’a16z.
Les systèmes SaaS d’entreprise, comme SAP, introduisent fréquemment une complexité superflue :
Dans le secteur de l’assurance, où la conformité aux réglementations et l’efficacité opérationnelle sont primordiales, ce modèle limite la possibilité d’innover et de réagir promptement aux changements du marché.
L’avenir du développement de logiciels dans le secteur des assurances se fonde sur des applications sur mesure, améliorées par l’intelligence artificielle, élaborées pour répondre à des objectifs spécifiques liés au métier.
Schéma du modèle :
L’IA ne supprime pas le besoin des ingénieurs, mais modifie leurs priorités. Ils passent à des missions stratégiques de grande valeur ajoutée :
Le modèle SaaS bloqué sur des contrats de plusieurs années révèle actuellement ses points faibles. Pour se démarquer, les compagnies d’assurance se dirigent vers la création de logiciels personnalisés, améliorés par l’intelligence artificielle, afin de fusionner agilité, conformité et efficacité. Dans un domaine aussi contrôlé que celui de l’assurance, cette synergie entre compétence sectorielle et force de l’IA ne constitue plus une simple option, mais un impératif stratégique.
Aaron Levie, co-fondateur et CEO de Box, adopte une vision claire de l’évolution du logiciel d’entreprise à l’ère de l’IA. Il conteste le discours simpliste opposant un SaaS entièrement standardisé à des outils ponctuels générés uniquement par IA. Selon lui, la majorité des utilisateurs veulent des logiciels sur mesure efficaces, sans surcharge fonctionnelle, mais également sans configuration complexe ni interactions inutiles. Ils attendent des systèmes capables d’afficher les informations pertinentes et les éléments interactifs dès l’ouverture, tout en conservant l’intérêt des plateformes SaaS classiques pour les fonctions non différenciantes comme la gestion RH ou le support client.
Levie identifie un fort potentiel dans des segments encore sous-développés, où de nombreux outils internes n’ont jamais vu le jour, faute de temps ou de ressources. Les plateformes de développement assistées par IA, comme Replit, permettent désormais aux équipes IT de concevoir rapidement des solutions personnalisées, ouvrant ainsi l’accès à cette « longue traîne » de besoins métiers.
Il réaffirme sa confiance dans le SaaS vertical. Leur valeur réside moins dans la technologie que dans l’expertise métier intégrée. Ainsi, des experts de l’industrie pharmaceutique travaillant aux côtés d’ingénieurs pour concevoir des workflows apportent davantage de valeur qu’un système générique piloté par des prompts IA sans connaissance sectorielle.
Levie réfute également l’idée que les interfaces disparaîtront au profit d’agents IA ou de systèmes basés uniquement sur des API. Les utilisateurs d’entreprise veulent des tableaux de bord structurés et des vues prédéfinies. Même générées dynamiquement par des agents, ces pages recréeront probablement des modèles déjà familiers.
Dans les conseils d’administration et les comités exécutifs, l’IA influence déjà la réflexion stratégique. Levie cite des entreprises qui utilisent l’IA pour identifier des points de discussion lors de leurs réunions. Lui-même exploite des outils d’IA pour analyser ses brouillons de discours financiers, combler des lacunes et générer des questions probables d’analystes. Résultat : plus de clarté et une meilleure préparation.
L’effet le plus marqué concerne les développeurs. Selon Levie, l’IA accroît considérablement la productivité des profils expérimentés en prenant en charge des tâches répétitives comme la génération de code standard, la correction de syntaxe ou les tests unitaires. Les développeurs jouent désormais un rôle de validateurs et d’architectes, guidant et corrigeant la production de l’IA. Le rapport de force s’inverse : ce n’est plus l’IA qui corrige les erreurs humaines, mais l’humain qui ajuste de légères imprécisions de l’IA, avec une multiplication notable du volume produit.
Concernant l’adoption, Levie explique que les dépenses liées à l’IA s’intègrent sans difficulté dans les dynamiques budgétaires habituelles. Une entreprise peut, par exemple, recruter cinq ingénieurs au lieu de dix et investir dans des licences IA. Les gains de productivité compensent cette réduction. La plupart des organisations disposent d’assez de flexibilité sur un cycle budgétaire de un à deux ans pour absorber ces ajustements sans perturbations majeures.
Pour Levie, la conclusion est nette : l’IA augmente à la fois le volume et la vitesse du développement logiciel sur mesure. Les équipes dotées d’une forte expertise métier et d’une orientation stratégique claire sauront exploiter ce levier pour créer beaucoup plus de valeur.