Vendre le résultat, pas l'outil
Depuis le début de l’année, une thèse revient dans à peu près toutes mes conversations avec des fondateurs et des investisseurs. Elle vient d’un essai de Julien Bek (Sequoia, mars 2026), « Services: The New Software », devenu l’un des cadres d’investissement les plus discutés de 2026. Sa formule : « la prochaine entreprise à 1 000 Md$ sera une société de logiciel déguisée en société de services. »
J’ai d’abord pris ça pour une formule de VC. Puis j’ai regardé les chiffres. Il ne s’agit pas d’un slogan, mais d’un déplacement de valeur en cours, sérieusement documenté. Voici comment je le lis : l’argument, et surtout les deux failles qu’on cite rarement.
La bascule, en une idée
L’idée centrale tient en une opposition simple. Les grands gagnants de l’ère IA ne vendront pas des outils aux professionnels — ils vendront le travail lui-même, directement au client final.
Le raisonnement économique est le vrai pivot. Si tu vends l’outil (le copilot), chaque amélioration de modèle chez Anthropic, OpenAI ou Google menace de transformer ton produit en simple fonctionnalité. Si tu vends le résultat (l’autopilot), chaque amélioration de modèle rend ton service plus rapide, moins cher et plus difficile à concurrencer.
L’exemple canonique : tu dépenses 10 000 $/an en logiciel comptable, puis 120 000 $ pour embaucher un comptable qui l’utilise. La prochaine grande entreprise ne te vendra pas le logiciel. Elle clôturera tes comptes à ta place.
Ce n’est plus théorique. Dans le support client, Sierra facture autour de 1,50 $ par ticket effectivement résolu, et Decagon a bâti son offre sur le même principe du paiement à la résolution. On ne paie plus l’accès à un outil — on paie un problème réglé.
Pourquoi le marché est structurellement plus grand
L’argument le plus fort de la thèse n’est pas technologique. Il est arithmétique.
Pour chaque dollar dépensé en logiciel, six vont aux services. Les vendeurs d’outils se battent pour le budget logiciel ; les vendeurs de résultats visent le budget services, six fois plus grand, dont les marges s’élargissent à mesure que les modèles progressent.
C’est la mécanique derrière la bascule de Harvey, la licorne du juridique valorisée 11 Md$ en mars 2026 et déjà présente dans près de la moitié des cabinets de l’Am Law 100. Plutôt que de vendre des sièges logiciels, l’entreprise déploie des « embedded legal engineering teams » chez ses clients et signe des accords de partage de revenu : elle capte le budget « travail juridique délégué », pas seulement le budget « licence ».
Ce n’est plus une position isolée de Sequoia. a16z, YC et Bessemer arrivent à la même conclusion : la prochaine vague de création de valeur viendra des entreprises IA qui vendent le travail, pas les outils.
Le chiffrage de la disruption
Les données Gartner récentes quantifient le basculement.
Ampleur du déplacement. Jusqu’à 234 Md$ de dépenses en applications d’entreprise sont exposées à « l’arbitrage agentique » d’ici 2030, soit environ 20 % des dépenses SaaS d’entreprise. Le mécanisme : les agents IA accomplissent des tâches à travers plusieurs systèmes, ce qui réduit le besoin d’interagir avec les interfaces logicielles traditionnelles.
Croissance du marché agentique. Les dépenses en logiciels d’IA agentique devraient atteindre 985 Md$ d’ici 2030, à un rythme de +62,7 % par an entre 2025 et 2030.
La nature du changement. Gartner résume le point clé : « vous n’achetez plus le logiciel d’abord pour des humains, vous l’achetez de plus en plus pour des agents. » Conséquence : quand l’IA agentique s’installe, l’interface utilisateur cesse d’être un facteur de différenciation — ce qui érode l’avantage historique du SaaS self-service, à savoir une belle UX facile à prendre en main.
Le cadrage de Gartner reste mesuré, pas apocalyptique : « c’est moins une apocalypse qu’une métamorphose. Le SaaS ne sera pas détruit ; il réémergera sous une forme différente. »
La faille du modèle : les marges
C’est ici que la thèse « boostée à l’IA » se heurte à la réalité comptable — et c’est le contrepoint le plus sérieux.
Le SaaS classique reposait sur une économie brutalement efficace : écrire le logiciel une fois, répliquer le binaire sur des milliers de clients, et laisser le coût marginal d’un utilisateur supplémentaire tendre vers zéro. L’IA casse cette mécanique. Chaque requête relance le modèle, chaque exécution consomme du GPU, de la mémoire et de l’énergie. Il n’y a pas de « construire une fois, vendre à l’infini. »
Les chiffres le confirment. Bessemer situe les marges brutes des entreprises « LLM-native » autour de 65 %, bien en deçà du plafond de 80–90 % qui définissait la décennie cloud. Et pour les modèles vraiment orientés service, c’est pire : a16z observe un revenu qui tend à être non récurrent, des marges brutes plus basses (30–50 %) et une mise à l’échelle linéaire au mieux.
La critique la plus incisive va plus loin : une partie du « revenu récurrent IA » serait du conseil déguisé — du travail d’intégration et de rétainer facturé comme un abonnement logiciel. La raison est structurelle : les grands modèles imposent un alignement humain continu, client par client. La conclusion est sévère : vendre un agent IA est économiquement plus proche d’embaucher un travailleur que d’acheter une licence par siège.
Il y a même un piège spécifique au modèle service-as-software : la pile IA louée qui alimente chaque résultat ressemble à une charge d’exploitation, jusqu’à ce qu’elle devienne un plafond de marge — et les fournisseurs qui fixent ce plafond augmentent leurs prix précisément au moment où l’on est le plus verrouillé.
La contre-réponse d’a16z existe : des marges basses à un instant T ne présagent pas de l’absence de modèle soutenable, et une partie du problème se résout en routant les requêtes coûteuses vers des modèles plus petits et moins chers. Le débat n’est pas tranché.
Le taux d’échec, souvent oublié
Le récit d’investissement masque une attrition élevée.
Selon l’étude CEO 2025 d’IBM, seuls 25 % des initiatives IA ont livré le ROI attendu. Gartner s’attend à ce que plus de 40 % des projets d’IA agentique soient annulés d’ici 2027. Et si 72 % des organisations ont au moins une charge IA en production, le fossé entre déploiement et valeur capturée reste large.
C’est le vide que des acteurs comme Ode cherchent à combler. Mais cela confirme aussi que « faire fonctionner l’IA en production » reste difficile, coûteux en humains, et loin d’être garanti.
Ce que ça change, selon d’où on regarde
Pour un éditeur de logiciel
La question stratégique n’est plus « quelles fonctionnalités ajouter » mais « quel travail puis-je livrer à la place du client. » Ce virage élargit le marché adressable, mais dégrade le profil de marge et réintroduit de la main-d’œuvre. Ce n’est pas « l’IA remplace tout » — c’est « l’IA + experts capturent un budget plus gros. » Crescendo l’illustre avec son modèle hybride : des agents IA doublés d’une équipe CX humaine mondiale, facturés au résultat plutôt qu’au siège.
Pour un investisseur
Les multiples SaaS traditionnels (10–12× ARR) ne reflètent plus le profil de risque. L’ARR piloté par l’IA, le gain de marge brute lié à l’automatisation et la part de revenu adossée à des contrats basés sur les résultats deviennent des métriques critiques.
Pour un vendeur d’outils pur
L’horloge tourne. Toute entreprise qui vend du logiciel par siège dans une catégorie où l’IA peut livrer directement le résultat est sur un compte à rebours — les multiples et le nombre de sièges se compriment à chaque trimestre passé en simple fournisseur d’outil.
Verdict
La tendance est réelle, documentée par des données de marché sérieuses, pas seulement par du marketing de VC. Le mécanisme économique est solide : vendre le résultat plutôt que l’outil pour capter un budget six fois plus grand et s’aligner avec le progrès des modèles. Et le consensus inter-fonds est frappant.
Deux réserves tempèrent toutefois l’enthousiasme.
D’abord l’économie unitaire : le modèle « service » sacrifie précisément ce qui rendait le SaaS si rentable — le coût marginal quasi nul — et le risque que « l’ARR IA » soit du conseil déguisé, à marge structurellement plafonnée, est bien réel.
Ensuite l’exécution : avec 40 % de projets agentiques promis à l’annulation d’ici 2027, la promesse done-for-you reste bien plus dure à tenir qu’à vendre.
En clair : c’est un déplacement de valeur authentique et de grande ampleur, mais qui échange un modèle économique exceptionnel (le SaaS pur) contre un modèle plus gros, moins rentable et plus fragile. Le pari des fonds, c’est que la taille du marché et le verrouillage client compenseront la compression de marge. Ce pari n’est pas encore gagné.
Et chez ARGO ?
Je ne vais pas prétendre qu’on a la solution parfaite : personne ne l’a, et cette analyse montre bien pourquoi. Mais le changement est là, sous nos yeux, et on en tient compte concrètement dans la façon d’aborder nos projets clients.
Plutôt que de nous demander seulement « quelle fonctionnalité livrer », on se demande de plus en plus « quel résultat pouvons-nous prendre en charge à la place du client. » C’est une conversation différente, et elle change autant nos livrables que notre façon de facturer et d’accompagner. On avance sur ce terrain avec autant de conviction que de lucidité sur ce qui reste à inventer.
Ces chiffres et positions datent de la première moitié 2026 et évoluent vite. Les désaccords argumentés sont les bienvenus.