Le modèle SaaS par siège sous pression face à l'IA agentique — voici où il craque en premier

Le récit de la « SaaSpocalypse » a été exagéré. Les logiciels d'entreprise ont des racines profondes — dans les processus d'achat, les exigences de conformité, les habitudes organisationnelles des équipes IT, les contrats qui courent sur plusieurs années. Les agents IA ne vont pas remplacer Salesforce d'ici Noël. Mais le modèle d'abonnement par siège (per-seat), qui constitue la structure tarifaire par défaut des logiciels métier depuis l'ère du cloud, subit une pression réelle dans des catégories spécifiques, et cette pression s'accélère.

La projection de Gartner selon laquelle 40 % des applications d'entreprise intégreront des agents IA dédiés à des tâches d'ici 2026 — contre moins de 5 % en 2025 — n'est pas une prédiction de remplacement. C'est une prédiction de transformation. Les applications restent les mêmes ; ce qui change, c'est qu'un humain soit assis devant elles pour exécuter des tâches ou qu'un Agent le fasse. Cette distinction a des implications majeures sur la façon dont les logiciels sont tarifés, achetés, et sur les fournisseurs qui survivront à la transition.

Où la tarification par siège craque en premier

La tarification par siège a du sens quand la valeur du logiciel augmente avec le nombre d'utilisateurs. Un siège CRM pour un commercial qui prospecte et enregistre des affaires entretient un rapport évident avec le coût du siège. Mais si un agent IA gère la saisie CRM, la rédaction des emails de suivi, la mise à jour du pipeline et l'enregistrement des activités — et que le rôle de l'humain se réduit à relire et approuver plutôt qu'à exécuter — alors le « siège » n'est plus une unité de tarification pertinente. La valeur livrée devient le résultat (affaires conclues, pipeline maintenu) plutôt que l'accès (licence pour se connecter).

Les catégories où cette logique frappe le plus fort partagent une caractéristique commune : ce sont des workflows à fort volume, très process, avec des entrées et sorties bien définies. Le support client est l'exemple le plus clair. Si un agent IA traite 80 % des tickets de niveau 1, la valeur de la plateforme de support n'est plus proportionnelle au nombre d'agents de support qui l'utilisent. Le propriétaire de la plateforme qui n'adapte pas sa tarification verra les acheteurs réduire le nombre de sièges tout en tirant une valeur égale ou supérieure de la plateforme.

Autres catégories sous pression en 2026 : l'automatisation marketing (les agents exécutent désormais des campagnes multicanal qui nécessitaient auparavant des équipes de spécialistes), les opérations RH (screening des recrutements, orchestration de l'onboarding, gestion des documents de conformité), et la revue documentaire juridique (analyse de contrats, workflows de due diligence). Dans chaque cas, le logiciel fait toujours le travail — mais il le fait de manière autonome, sans qu'un humain opère chaque étape.

La tarification basée sur les résultats est le remplacement logique — mais difficile à mettre en œuvre

La réponse du secteur est un glissement vers une tarification basée sur les résultats ou sur l'usage, où les acheteurs paient pour ce que les agents accomplissent plutôt que pour les sièges qu'ils occupent. Salesforce a introduit des niveaux de tarification basés sur les résultats pour sa plateforme Agentforce en 2025. ServiceNow a lancé une tarification agent basée sur la consommation à la même période. Les deux reconnaissent la même réalité commerciale : le per-seat ne capture pas la valeur délivrée par les agents autonomes.

La tarification basée sur les résultats crée de nouveaux problèmes. Définir ce qu'est un « résultat » nécessite un accord entre le fournisseur et l'acheteur, et les définitions varient. Un ticket de support résolu peut ressembler à un résultat, mais ce n'en est pas un si la résolution est médiocre et que le client finit par se désabonner. Les fournisseurs qui se trompent vendront des résolutions bon marché et généreront un churn coûteux. Les défis de mesure et d'attribution sont également non négligeables — dans un monde où cinq agents IA différents touchent le parcours client, lequel reçoit le crédit de la vente ?

Les modèles basés sur l'usage (paiement par appel API ou par action d'Agent) sont plus simples à mesurer mais créent une imprévisibilité budgétaire pour les acheteurs. Les équipes achats des entreprises, habituées aux contrats annuels fixes, ont du mal à modéliser et approuver la facturation à l'usage. Cela crée une opportunité de marché pour les fournisseurs capables d'offrir des structures hybrides : un abonnement de base couvrant l'usage prévisible, avec des charges variables pour le volume au-delà d'un seuil défini.

L'opportunité startup est spécifique, pas générale

La thèse des investisseurs selon laquelle « les agents IA vont tuer tous les SaaS » a généré beaucoup d'activité indifférenciée chez les fondateurs. L'opportunité plus précise est plus étroite : les catégories où un nouvel entrant natif agent peut surpasser la couche IA bricolée d'un acteur établi grâce à une conception dédiée à l'exécution autonome plutôt qu'à l'exécution assistée par l'humain.

Le batch W2026 de Y Combinator a montré une concentration de startups verticales d'agents IA — des agents spécialisés par domaine ciblant le juridique, la santé, l'immobilier et les services financiers. La thèse dans chaque cas est que les acteurs SaaS existants ont trop d'UI et d'architecture de workflow héritées, optimisées pour des opérateurs humains, pour se reconfigurer facilement pour une exécution autonome par des agents. Une startup construite de zéro pour des workflows agent-first peut offrir une meilleure automatisation à moindre coût.

Le risque pour ces startups est que les acteurs en place ne restent pas les bras croisés. Salesforce Agentforce, les fonctionnalités IA de HubSpot, la plateforme agent de ServiceNow — ce sont de vrais produits, pas du vaporware. La fenêtre pendant laquelle une startup peut battre l'acteur établi en étant native des workflows agentiques pourrait être plus courte que les cycles de capital nécessaires pour construire et vendre un logiciel d'entreprise. La vitesse de distribution compte plus que l'architecture technique dans la plupart des ventes aux entreprises, et les acteurs établis ont la distribution.

Ce que les fondateurs et investisseurs devraient vraiment surveiller

L'indicateur avancé à suivre n'est pas quelles catégories sont perturbées — c'est quels acheteurs réduisent le nombre de sièges SaaS. Une réduction du nombre de sièges tout en maintenant ou augmentant le revenu d'une plateforme est le signal qu'un fournisseur a réussi sa transition vers une tarification compatible avec les agents. Une réduction du nombre de sièges accompagnée de churn est le signal qu'un acteur établi perd face à un concurrent natif agent ou à un déploiement IA interne.

L'analyse de Deloitte sur la transition SaaS vers les agents prévoit un « modèle hybride » comme modèle dominant en entreprise jusqu'en 2028 : des agents IA opérant par-dessus l'infrastructure SaaS existante, automatisant les workflows entre les systèmes plutôt que de remplacer les systèmes eux-mêmes. C'est moins dramatique que ne le suggèrent les récits de disruption, mais cela représente néanmoins un changement fondamental dans le rapport entre le nombre d'utilisateurs humains et la valeur extraite de la plateforme — exactement ce que la tarification par siège ne peut pas accommoder.

Le modèle économique du SaaS ne meurt pas. Certaines architectures tarifaires spécifiques deviennent indéfendables dans des catégories spécifiques. Pour les fondateurs qui ciblent ces catégories, l'opportunité est réelle. Pour les acteurs établis qui défendent ces catégories, l'urgence est réelle. Pour tous les autres, le calendrier est plus long que ne le suggèrent les titres.