Labor as a Service : la prétendue mort du SaaS et ce qui se passe vraiment

Le titre que tout le monde interprète mal

Ouvrez n’importe quelle publication technologique en 2026 et vous trouverez un refrain familier : "Le SaaS est mort." Les capital-risqueurs en parlent sur X. Les fondateurs pivotent à cause de lui. Les keynotes de conférence s'articulent autour. Le récit a atteint la vitesse de libération ; à ce stade, on croirait presque à un fait établi.

Sauf que ce n’est pas le cas.

Dire que le logiciel en tant que service a atteint sa fin n’est pas seulement prématuré — c’est méconnaître ce qui se passe réellement dans le secteur. Ce qui se passe n’est pas la mort d’un modèle de distribution. C’est la naissance d’un rapport entièrement nouveau entre intelligence et infrastructure. Si vous vous trompez sur ce moment, vous prendrez des décisions qui vous coûteront des années.

Voici la vérité, dite clairement : le SaaS n’est pas en train de mourir. Il est sur le point d’être consommé à une échelle qui dépasse tout ce que l’histoire de la technologie d’entreprise a connu. Mais les consommateurs ne seront pas des humains assis à un bureau, cliquant dans des tableaux de bord et exportant des fichiers CSV. Les consommateurs seront des agents IA autonomes — infatigables, parallèles, opérationnels 24 h/24 — qui traiteront les applications SaaS comme les robots d’usine traitent les machines-outils : comme des instruments de production, maniés à une vitesse surhumaine.

This shift has a name. We call it Labor as a Service — LAAS — et il représente la transformation la plus importante dans la façon dont les entreprises achètent, déploient et tirent valeur de la technologie depuis que Marc Benioff a mis un CRM dans le cloud.

"Les applications métier telles que nous les connaissons vont s'effondrer à l'ère des agents."

— Satya Nadella, PDG de Microsoft

Nadella n’a pas tort au sujet de l’effondrement. Il parle simplement de la couche d’interface. Les applications elles-mêmes — les bases de données, les API, la logique métier, les moteurs de workflow — ne vont nulle part. Elles vont se multiplier. Ce qui s’effondre, c’est l’idée qu’un humain doit se placer entre le problème métier et le logiciel qui le résout.

Avant l'apparition du SaaS : une histoire que la plupart ignorent

Pour comprendre pourquoi Labor as a Service est l’évolution naturelle de l’industrie du logiciel, il faut remonter bien avant la création de Salesforce en 1999. L’idée de fournir de la capacité informatique comme un service à la demande — plutôt que comme un produit à installer — est aussi ancienne que l’informatique commerciale elle-même.

L’ère des centres de traitement de service (années 1930–1960)

L’arbre de décision était déjà simple à l’époque. Si votre volume de transactions était suffisamment élevé, vous achetiez le mainframe. Sinon, vous passiez par un centre de service. Ce même calcul — construire ou acheter, posséder ou louer — a conduit chaque grande transition de plateforme depuis.

L’expérience Application Service Provider (années 1990)

Le modèle ASP a échoué pour des raisons instructives. La bande passante était insuffisante. La latence était inacceptable pour les applications interactives. La sécurité était discutable. Et surtout, la plupart des ASP hébergeaient simplement le même logiciel monolithique on‑premise sur leurs serveurs — sans réarchitecture pour le multi‑tenant ni une livraison native internet. Ils tentaient de vendre une expérience cloud avec une technologie d’avant‑cloud.

Mais l’instinct était juste. Le marché voulait du logiciel en service. Il manquait l’infrastructure pour rattraper l’ambition.

La naissance du SaaS et la fin du logiciel sous blister

L’idée centrale du SaaS naissant était d’une simplicité trompeuse. Les logiciels ont toujours coûté cher à distribuer et à maintenir. Si vous supprimez le problème de distribution via le navigateur et celui de maintenance en centralisant les mises à jour, vous débloquez un modèle économique aux performances extraordinaires : revenus récurrents, moindre friction d’acquisition et effets de réseau qui se renforcent.

Ce que Benioff a pressenti — et ce que le marché a fini par prouver — c'est que la plupart des entreprises ne se soucient pas du logiciel. Elles se soucient des résultats. Le CRM n'est que le mécanisme par lequel elles obtiennent de meilleures relations clients. Moins elles ont à penser au mécanisme, mieux c'est.

Retenez cette idée : elle ouvre tout ce qui suit.

L'âge d'or : mille outils pour chaque tâche

Entre 2008 et 2024, le SaaS est passé d’idée disruptive au modèle de livraison par défaut pour presque tout le logiciel d’entreprise. Les chiffres sont stupéfiants.

Chaque fonction métier imaginable a obtenu sa propre couche SaaS. La relation client a eu Salesforce et HubSpot. La gestion de projet a eu Asana, Monday.com, Jira et des dizaines d’autres. La communication a eu Slack, Microsoft Teams et Zoom. La comptabilité a eu Xero et QuickBooks Online. Le marketing a eu Mailchimp, Marketo et Klaviyo. Les ressources humaines ont eu BambooHR, Workday et Rippling. Même des fonctions de niche — gestion de listes d’attente de restaurants, prise de rendez-vous dentaires, dispatch HVAC — ont eu leurs propres applications SaaS dédiées.

L’explosion du SaaS a été un véritable triomphe de la spécialisation. Pour la première fois dans l’histoire, une entreprise de cinq personnes pouvait accéder au même calibre d’outils auparavant réservé au Fortune 500. La démocratisation des logiciels de niveau entreprise a été l’un des développements économiques les plus déterminants du début du XXIᵉ siècle.

Mais cet âge d’or portait déjà en lui la graine d’un autre problème.

Le problème dont personne ne parle : la lassitude des outils

En 2024, l’entreprise mid-market moyenne tournait avec 100 à 300 applications SaaS. Les grands groupes souvent plus d’un millier. Chaque appli avait son login, son interface, sa logique, son silo de données et sa courbe d’apprentissage.

La promesse du SaaS, c’était la simplification. La réalité est devenue une complexité à grande échelle.

Imaginez à quoi ressemble une opération de service client typique en 2026. Un agent doit consulter le CRM pour l’historique client, la base de connaissances pour les détails de politique, mettre à jour le système de tickets avec les notes de résolution, vérifier la plateforme de facturation pour l’état du compte, envoyer un e-mail de suivi via l’outil d’automatisation marketing et consigner l’interaction dans la plateforme d’analytique. Cela fait six applications différentes, six onglets différents, six interfaces différentes — pour une seule interaction client.

The software worked. Each individual tool did its job. But the humain Opérer avec tous ces outils est devenu le goulot d’étranglement. Passer d’un contexte à l’autre, copier-coller des données entre systèmes, se souvenir quel outil détient quelle information, naviguer dans des interfaces différentes avec des modèles mentaux différents — cette surcharge cognitive absorbait une part énorme de la journée de travail.

Des études ont montré que les travailleurs du savoir ne consacraient que 40 % de leur temps au travail réellement productif. Le reste partait dans la charge opérationnelle de gérer les outils censés les rendre productifs.

Le secteur a tenté de résoudre ce problème avec des plateformes d’intégration — Zapier, Workato, MuleSoft —, ce qui a aidé mais ajouté encore une couche de complexité. Ensuite est venue la « stratégie plateforme », où les grands éditeurs ont tenté de tout regrouper sous un même toit. Cela a aidé pour certains workflows, mais ne pouvait couvrir tous les cas d’usage.

Le vrai problème était structurel. Le SaaS a été conçu en supposant que les humains seraient les opérateurs. Chaque tableau de bord, chaque bouton, chaque interface glisser‑déposer a été pensé pour des yeux et des mains humains. Et si l’opérateur n’était pas humain ?

Entrée en scène de l'agent : un logiciel qui utilise des logiciels

L’émergence d’agents AI performants en 2024 et 2025 a changé l’équation fondamentale du logiciel d’entreprise. Pour la première fois, il est devenu possible de déployer des entités logicielles autonomes capables de :

• Raison about problems using natural language understanding
• Formule / Forfait multi-step workflows without explicit programming
• Exécuter actions through APIs, interfaces, and tool calls
• Apprendre from interactions and improve over time
• Orchestrer across multiple systems simultaneously

Ce n’était pas qu’une automatisation. L’automatisation existe depuis des décennies. La RPA (Robotic Process Automation) pouvait cliquer sur des boutons et remplir des formulaires. Les moteurs de workflow pouvaient acheminer des documents. Les tâches Cron pouvaient exécuter des scripts selon un planning. Mais tout cela exigeait qu’un humain définisse à l’avance chaque étape, chaque embranchement et chaque gestionnaire d’exceptions.

Les agents IA sont fondamentalement différents parce qu'ils raison. Avec un objectif et l'accès aux outils, ils peuvent déterminer comment pour y parvenir. Ils peuvent gérer des situations inédites qu’ils n’ont jamais rencontrées. Ils peuvent s’adapter lorsqu’une approche ne fonctionne pas. Ils peuvent poser des questions de clarification lorsque les exigences sont ambiguës.

Et surtout, ils n'ont pas besoin d'interface graphique. Ils interagissent directement avec des API, des bases de données et des données structurées — la mécanique sous le tableau de bord. Ce qui exigeait auparavant qu'un humain navigue entre trois applications et copie des informations d'un écran à l'autre, un agent l'accomplit en quelques secondes via des appels API directs vers les trois systèmes simultanément.

"Les applications sont essentiellement des systèmes CRUD de base de données. Elles ont une logique métier. Cette logique métier va migrer vers la couche IA."

— Satya Nadella sur l'avenir des applications d'entreprise

C’est le moment où le récit bascule. Les applications SaaS ont été conçues comme des outils pour les humains. Les agents d’IA transforment ces mêmes applications en outils pour des travailleurs autonomes. Le tableau de bord devient superflu — non parce que l’application l’est, mais parce que l’opérateur n’a pas besoin d’interface visuelle. L’agent lit et écrit les données directement.

Agents en production aujourd'hui

Ce n’est pas théorique. Début 2026, le paysage entreprise montre déjà des signes nets de ce basculement :

• Experience Cloud d'Adobe deploys AI agents that autonomously write, test, and optimize advertising copy across campaigns
• Workday uses agentic AI to prepare journal entries and process financial data without human data entry
• ServiceNow agents handle support ticket triage, categorization, and initial resolution autonomously
• Opérations de service client across industries are deploying AI agents that handle 40-60% of incoming inquiries without human intervention

Étude Camunda (2026, agentic orchestration) : 81 % des répondants enterprise jugent l’orchestration agentique indispensable à l’entreprise autonome ; 57 % ont déjà des agents IA en prod.

Qu'est-ce que Labor as a Service ?

Labor as a Service — LAAS — est le modèle économique qui apparaît lorsque les agents IA deviennent les principaux consommateurs des outils logiciels.

Dans le modèle SaaS, vous achetez l’accès à un outil. Vous payez par siège, par mois, pour le droit d’utiliser le logiciel. La création de valeur dépend entièrement de l’efficacité avec laquelle votre équipe humaine utilise cet outil. Un CRM n’est aussi bon que les commerciaux qui le mettent à jour. Un outil de gestion de projet ne fonctionne que si les gens l’utilisent réellement. Une plateforme d’analytique est inutile si personne ne consulte les tableaux de bord.

Dans le modèle LAAS, vous achetez des résultats. Vous ne payez pas pour un siège sur une plateforme de service client. Vous payez pour des demandes client résolues. Vous ne payez pas pour une licence d’automatisation marketing. Vous payez pour des leads qualifiés générés. Vous ne payez pas pour l’accès à un système comptable. Vous payez pour des rapprochements terminés.

The shift is radical not because the software changes, but because the chaîne de valeur changements. En SaaS, la responsabilité du fournisseur s’arrête à fournir un logiciel fonctionnel. Formation, adoption, utilisation et résultats relèvent du client. En LAAS, le fournisseur assume toute la chaîne de l’outil au résultat. L’agent fait le pont entre capacité logicielle et résultat business.

L’architecture de LAAS

Une offre Labor as a Service repose sur trois couches :

1. La couche outils (SaaS) — Les applications logicielles sous-jacentes qui stockent des données, exécutent la logique métier et exposent des API. Il s'agit de l'infrastructure SaaS existante : CRM, ERP, plateformes de communication, bases de données, moteurs analytiques. Cette couche ne disparaît pas. Elle se développe.
2. La couche agent (intelligence) — Des agents IA autonomes qui raisonnent sur les problèmes métier, prennent des décisions dans des limites de gouvernance définies et exécutent des actions à travers la couche d’outils. C’est le nouveau niveau intermédiaire qui transforme les outils en travailleurs.
3. La couche de gouvernance (confiance) — Règles, contraintes, pistes d'audit et mécanismes de supervision humaine qui garantissent que les agents évoluent dans les limites approuvées. Cette couche détermine ce qu'un agent peut et ne peut pas faire, quand il doit escalader vers un humain et comment chaque action est journalisée et vérifiable.

Cette architecture à trois couches est essentielle. Sans la couche d’outils, les agents n’ont rien à exploiter. Sans la couche d’agents, les outils exigent encore des humains pour fonctionner. Sans la couche de gouvernance, les agents sont incontrôlables et peu fiables.

Toute mise en œuvre sérieuse du LAAS a besoin des trois.

Le rebondissement : le SaaS n'est pas mort

C’est ici que le récit dominant se trompe de façon catastrophique.

Quand les gens disent que « le SaaS est mort », ils imaginent un monde où le CRM disparaît, l’outil de gestion de projet s’évapore et la comptabilité s’éteint. Ils visualisent des agents IA opérant dans le vide, produisant des résultats par la seule intelligence.

Ce n’est pas du tout comme ça que ça fonctionne.

Les agents IA ont besoin d'outils. Ils ont besoin de bases de données en lecture/écriture. Ils ont besoin de logique métier à exécuter. Ils ont besoin de protocoles de communication pour s'interfacer. Ils ont besoin de modèles de données à comprendre. Au fond, chaque action d'un agent est un appel API vers un système logiciel.

Les agents ne remplacent pas le logiciel. Les agents consomment le logiciel.

Et ils le consomment à un rythme et un volume qu'aucune équipe humaine ne pourrait approcher. Considérez les implications :

• Un agent humain de service client traite peut-être 40 à 60 interactions par jour. Un agent IA peut en traiter des milliers simultanément.
• Un humain effectue des appels API via un navigateur, un par un, avec délibération. Un agent exécute des appels API programmatiquement, en parallèle, en millisecondes.
• Un humain travaille 8 à 10 heures par jour, 5 jours par semaine. Un agent travaille 168 heures par semaine, 52 semaines par an — sans pause, sans arrêt maladie, sans turnover.

Si vous êtes une entreprise SaaS et que votre produit est facturé par appel API, par transaction ou par volume de données traité, l’ère du LAAS est la meilleure chose qui vous soit arrivée. Vos métriques de consommation sont sur le point de décoller.

Si votre tarification est par siège — par utilisateur humain — alors oui, vous avez un problème. Non pas parce que votre logiciel est remplacé, mais parce que votre modèle tarifaire ne capte pas la valeur créée. Le logiciel est plus utile que jamais. Mais l’utilisateur assis sur ce siège n’est plus humain.

Les chiffres ne mentent pas

Les dépenses mondiales en SaaS approchent les 300 milliards de dollars en 2025 et devraient accélérer, non se contracter. Les dépenses en logiciels d’entreprise devraient croître de plus de 15 % en 2026, la majorité de cette croissance étant tirée par les applications dopées à l’IA. Le marché SaaS B2B est en passe d’atteindre 1,58 billion de dollars d’ici 2031.

Ce ne sont pas les chiffres d’une industrie mourante. Ce sont ceux d’une industrie suralimentée par une nouvelle classe de consommateurs qui opère à vitesse machine.

L'économie de LAAS : du prix par siège au prix par résultat

La transformation économique du SaaS vers le LAAS touche tous les aspects de l’achat, de la vente et de la valorisation de la technologie.

Dimension	Modèle SaaS	Modèle LAAS
Ce que vous achetez	Accès aux outils logiciels	Résultats métier accomplis
Unité de facturation (billing unit)	Par siège, par mois	À l’issue, à la résolution, par tâche
La valeur dépend de	Compétence humaine dans l’utilisation de l’outil	Capacité de l'agent et qualité de gouvernance
Passer à l’échelle exige	Embaucher plus de personnes, acheter plus de sièges	Provisionne davantage de capacité côté agents
Délai de création de valeur	Semaines à mois (formation, adoption)	De quelques heures à quelques jours (déploiement de l’agent)
Utilisation	Varie selon l'engagement des employés	Près de 100 % — les agents ne procrastinent pas
Heures d’ouverture	Heures d’ouverture (8-10 h/jour)	168 heures par semaine, 52 semaines par an
Cohérence de la qualité	Varie selon les individus	Gouverné, auditable, cohérent

Le modèle de tarification à l’issue a des implications profondes pour acheteurs et vendeurs. Pour les acheteurs, cela signifie payer uniquement pour la valeur reçue. Fini les logiciels jamais utilisés — licences achetées mais inexploitées. Fini le « nous avons pris le plan Enterprise mais n’utilisons que trois fonctionnalités ». Chaque euro dépensé correspond à une unité de travail réalisée mesurable.

Pour les vendeurs, cela signifie une relation d’un autre type. Vous n’êtes plus dans le métier des outils. Vous êtes dans le métier du travail. Vos revenus sont directement corrélés à la valeur que vous livrez aux clients, ce qui signifie que vos incitations sont parfaitement alignées avec les leurs. C’est une dynamique plus saine que la tarification par siège, où le fournisseur bénéficie du nombre de sièges, qu’ils produisent ou non des résultats.

La question de la marge

Les sceptiques posent tout de suite la question des marges. Si vous livrez des résultats plutôt qu’un accès logiciel, vos coûts ne montent-ils pas avec la livraison ? Oui — mais la courbe des coûts d’inférence IA s’effondre plus vite que presque tout autre coût technologique dans l’histoire. Les coûts des modèles ont baissé d’environ 80 % rien que pendant les deux premiers mois de 2025. À mesure que l’inférence devient moins chère, la marge sur un prix par résultat s’améliore fortement.

L’analogie, c’est l’infrastructure cloud. La tarification AWS à l’heure de calcul semblait risquée face à la vente de licences serveur perpétuelles. Mais à mesure que les coûts d’infrastructure ont baissé et que l’usage a augmenté, le modèle de tarification à l’usage s’est révélé largement supérieur pour le fournisseur comme pour le client.

À quoi ressemble LAAS en pratique

Les cadres abstraits sont utiles, mais la vraie compréhension vient en voyant LAAS en action. Parcourons trois scénarios qui illustrent le modèle.

Scénario 1 : service client qui ne dort jamais

Une entreprise de services à domicile — plomberie, CVC, électricité — reçoit des centaines de demandes clients par semaine. Dans un modèle SaaS, elle achèterait une plateforme helpdesk (Zendesk, Freshdesk), un CRM (HubSpot, Salesforce), un outil de planification (ServiceTitan) et une plateforme de communication (Twilio). Ensuite, elle recruterait et formerait des agents pour opérer ces quatre systèmes.

Dans le modèle LAAS, un agent d’IA pilote les quatre systèmes de manière autonome. Lorsqu’un client appelle à 2 h du matin pour une urgence de chauffage, l’agent trie l’appel selon les critères d’urgence de l’entreprise, consulte le système de planification pour les techniciens d’astreinte disponibles, consulte l’historique client dans le CRM, envoie le bon technicien, envoie une confirmation au client et consigne tout dans le helpdesk pour revue qualité.

L’entreprise ne paie pas quatre sièges SaaS plus un salaire humain. Elle paie par demande résolue. Les outils SaaS tournent toujours — l’agent en a besoin — mais le goulot d’étranglement humain disparaît.

Scénario 2 : opérations marketing à la vitesse machine

Une entreprise e-commerce de taille intermédiaire doit lancer des campagnes marketing multicanales. Approche traditionnelle : recruter une équipe marketing, s'abonner à une plateforme email, un planificateur social media, une suite analytics, un outil de test A/B et un CMS. Puis passer des mois à former l'équipe, construire les workflows et itérer la performance.

Approche LAAS : un agent ingère les directives de marque, le catalogue produit et les données historiques de performance de l’entreprise. Il crée ensuite de manière autonome le contenu des campagnes, planifie la diffusion sur les canaux, surveille les métriques en temps réel, ajuste le ciblage et les messages selon les résultats, puis génère des rapports hebdomadaires pour examen humain. Le directeur marketing passe d’opérateur à stratège : il fixe les objectifs et examine les résultats au lieu de cliquer dans six interfaces différentes.

Scénario 3 : clôture financière qui tourne toute seule

À la fin de chaque mois, les équipes comptables du monde entier accomplissent le rituel de « la clôture » — rapprochement des comptes, rapprochement des transactions, préparation des écritures, analyse des écarts et production des rapports. C’est un processus intensément manuel et multi-systèmes qui prend généralement 5 à 10 jours ouvrés.

Dans une implémentation LAAS, les agents prennent en charge le travail mécanique : extraction des transactions depuis l’ERP, rapprochement avec les flux bancaires, préparation des écritures standard, signalement des anomalies pour revue humaine et génération d’états financiers préliminaires. Un processus qui mobilisait une équipe de comptables pendant une semaine s’achève désormais en quelques heures, les humains vérifiant la sortie au lieu de la produire eux-mêmes.

Le rôle humain dans un monde LAAS

L’objection la plus fréquente au LAAS — et aux agents d’IA en général — est existentielle : « Que devient le personnel ? »

C’est une question légitime, et elle mérite une réponse réfléchie plutôt qu’un techno-optimisme dismissif.

In a LAAS world, human roles shift from opération à supervision, de exécution à gouvernance, de en train de faire à en cours de décision. Ce n'est pas un euphémisme pour l'élimination. C'est une transformation réelle de la nature du travail.

Pensez à la façon dont le rôle d’un ouvrier d’usine a changé pendant la Révolution industrielle. Avant l’automatisation, un humain façonnait personnellement chaque composant. Après l’automatisation, les humains concevaient les processus, entretenaient les équipements, inspectaient la production et géraient les exceptions que les machines ne pouvaient pas traiter. La valeur totale produite a explosé, et la nature du travail est devenue plus complexe et plus précieuse, pas moins.

La même dynamique se joue maintenant pour le travail du savoir :

• Agents du service client deviennent des stratèges de l’expérience client qui conçoivent les politiques d’interaction, examinent la performance de l’agent, traitent les escalades nécessitant empathie et jugement, et affinent en continu les règles de gouvernance qui contraignent le comportement de l’IA.
• Coordinateurs marketing deviennent des directeurs marketing qui fixent la stratégie de campagne, examinent le contenu généré par l’IA pour l’alignement marque, analysent la performance à un niveau plus élevé et prennent des décisions créatives qui exigent contexte culturel et intuition humaine.
• Comptables deviennent des analystes financiers qui examinent les états préparés par l’IA, enquêtent sur les anomalies, fournissent des orientations financières stratégiques et traitent les décisions lourdes en jugement qui exigent une compréhension du contexte métier au-delà des seuls chiffres.

Le fil rouge : les humains montent dans la chaîne de valeur. Le travail répétitif, piloté par les processus et la navigation multi-outils est pris en charge par les agents. Le travail stratégique, exigeant du jugement, de la créativité et de l’empathie reste aux humains. Souvent, le rôle humain devient plus intéressant, pas moins.

L’impératif de gouvernance

Il existe un nouveau rôle humain que l’ère du LAAS crée à partir de rien : gouvernance de l'IA.

Lorsque des agents opèrent de manière autonome, quelqu’un doit définir les limites. Que peut dire l’agent aux clients ? Quel pouvoir de tarification a-t-il ? Quand doit-il escalader ? Comment auditer ses décisions ? À quel contenu peut-il se référer ? Qu’est-ce qu’une hallucination par rapport à une inférence valide ?

Ces questions de gouvernance sont fondamentalement humaines. Elles exigent un jugement éthique, une expertise métier et une responsabilité qui ne peuvent pas être déléguées à l’IA elle‑même. Toute entreprise qui déploie le LAAS a besoin d’humains qui comprennent à la fois la technologie et l’activité assez bien pour définir des garde‑fous appropriés.

C’est l’une des raisons pour lesquelles nous avons conçu Office 168/52 comme nous l’avons fait. Bob, notre agent d’IA, est pensé dès le départ avec la gouvernance au cœur. Chaque réponse repose sur le contenu approuvé par le client. Quand Bob ignore quelque chose, il le dit. Chaque interaction est journalisée, auditable et vérifiable. L’IA n’agit pas dans le vide — elle agit dans un cadre de confiance défini et maintenu par les humains.

Qui gagne à l'ère LAAS

Toutes les entreprises ne sont pas positionnées de la même manière pour la transition du SaaS vers le LAAS. Voici comment le paysage concurrentiel se transforme :

Gagnants

• entreprises SaaS API-first — Si votre logiciel est conçu pour être consommé par programmation, les agents peuvent l’utiliser immédiatement. Les entreprises dotées d’API robustes et bien documentées deviennent une infrastructure indispensable dans la stack LAAS.
• Sociétés d’IA orientées résultats — Les entreprises qui vendent des demandes résolues, des leads qualifiés ou des tâches achevées plutôt que des licences logicielles opèrent déjà dans le modèle LAAS. Elles ont une longueur d’avance sur le prix, la livraison et les attentes clients.
• Plateformes axées sur la gouvernance — La confiance est la ressource la plus rare à l'ère des agents. Les plateformes capables de démontrer l'auditabilité, des réponses fondées sur des preuves et une prise de décision transparente occuperont une position premium.
• Spécialistes sectoriels — Les agents qui maîtrisent profondément un secteur — santé, services à domicile, juridique, services financiers — surpassent les agents génériques parce que l’expertise métier se compose. Plus un agent comprend les urgences HVAC ou la prise de rendez-vous dentaires, mieux il sert ces clients spécifiques.
• Petites entreprises — LAAS est le grand équilibreur. Une entreprise de cinq personnes peut déployer des agents IA offrant la même qualité de service client, d’exécution marketing et d’efficacité opérationnelle qu’une entreprise de 500 salariés. L’avantage d’échelle en effectifs s’efface.

Perdants

• SaaS uniquement tableau de bord — Si la valeur principale de votre produit est une belle interface pour que les humains consultent des données et que vous n’offrez pas un accès API solide, les agents ne peuvent pas vous utiliser. Votre logiciel devient une couche de visualisation au-dessus de données que les agents interrogent directement à la source.
• Friccions : « on garde l’ancien modèle per-seat. » — Les entreprises qui insistent sur un prix par siège humain verront leurs modèles de revenus sous pression lorsque les clients basculent les opérateurs vers des workflows fondés sur des agents. Le nombre de sièges baissera même si l’usage augmente.
• Sociétés de staffing sans différenciation — Les agences et sociétés de travail temporaire qui fournissent une main-d’œuvre humaine générique au niveau processus pour des tâches que les agents peuvent prendre en charge feront face à une concurrence directe des fournisseurs LAAS qui livrent les mêmes résultats à moindre coût avec une plus grande régularité.

La voie à venir : de 2026 à 2030

Nous en sommes aux tout premiers stades de la transformation LAAS. D'après les trajectoires actuelles et les tendances observables, voici ce que les quatre prochaines années devraient probablement réserver :

2026 : l'année du déploiement des agents

Nous en sommes là. La technologie est éprouvée. Les premiers adopteurs voient des résultats concrets. Selon des recherches G2, 72 % des entreprises utilisent ou testent des agents d’IA. Le MIT's Harvard Data Science Review a publié des résultats montrant des gains de productivité de 2 à 10 fois lorsque les workflows sont repensés autour des agents plutôt que lorsque l’IA est simplement ajoutée aux processus humains existants.

Mais il y a un écart. Les recherches de Camunda montrent 73 % d’écart entre la vision de l’IA agentique et la réalité. Beaucoup restent en pilote. Les 12 prochains mois verront le passage du pilote à la production.

84 % des dirigeants d'entreprise prévoient d'augmenter les investissements dans les agents IA cette année. Le capital se déplace.

2027 : la révolution des prix

À mesure que l’usage d’agents augmente, le modèle tarifaire par siège subira une pression insoutenable. Les éditeurs SaaS migreront vers des modèles à l’usage, au résultat ou hybrides intégrant les consommateurs non humains. Les premiers à bouger en 2026-2027 capteront une part de marché disproportionnée face aux retardataires.

Nous verrons aussi émerger des « agent marketplaces » — des plateformes où les entreprises peuvent s’abonner à des agents spécialisés pour des fonctions précises, comme elles s’abonnent aujourd’hui à des outils SaaS. Mais au lieu de s’abonner à un logiciel, elles s’abonneront à une capacité.

2028 : la vague d'intégration

À mesure que les agents se multiplient, l’orchestration devient centrale. Les systèmes multi-agents—agents spécialisés service client, marketing, finance et opérations qui collaborent et partagent le contexte—deviendront l’architecture d’entreprise standard. Cela crée une demande énorme d’intégration, de gouvernance des données et de normes de communication inter-agents.

Les entreprises qui maîtrisent l’orchestration multi-agents deviendront la prochaine génération de fournisseurs de plateformes d’entreprise.

2029 - 2030 : LAAS par défaut

D’ici la fin de la décennie, le LAAS sera le modèle par défaut pour la consommation de services tech par les PME. La question ne sera pas « Devrions-nous utiliser des agents IA ? » mais « quels agents, encadrés par qui, sur quelle infra SaaS, pour quels résultats ? »

Les grandes entreprises fonctionneront avec des modèles hybrides où des spécialistes humains travailleront avec des équipes d’agents, dans des cadres de gouvernance couvrant les deux. L’organigramme inclura des agents IA comme membres reconnus des équipes fonctionnelles, avec capacités, contraintes et métriques de performance définies.

Les dépenses SaaS auront fortement augmenté — les agents absorbent plus de logiciels que les humains — mais le chiffre d’affaires viendra de la conso API, pas des licences sièges. L’industrie sera plus grosse que jamais, avec une clientèle différente : plus de machines que de personnes.

Où s’inscrit Office 168/52

Nous ne nous sommes pas lancés dans la création d'une entreprise Labor as a Service. Nous voulions résoudre un problème précis : les entreprises de services perdaient des clients parce qu'elles ne pouvaient pas offrir une interaction client de niveau expert, 24h/24 et 7j/7.

Mais la solution que nous avons construite — Bob, un agent IA qui apprend votre activité en autonomie, ancre chaque réponse dans vos contenus approuvés et opère avec une intelligence encadrée et auditable — correspond exactement au modèle LAAS.

Lorsque vous déployez Bob sur votre site web, vous n’achetez pas un chatbot. Vous ne vous abonnez pas à un logiciel puis vous débrouillez pour l’utiliser. Vous déployez un collègue numérique qui :

• Apprend votre activité dès le premier jour by analyzing your website, products, services, and policies
• Fonctionne 168 heures par semaine, 52 semaines par an — that's where our name comes from
• Réponses uniquement à partir de votre contenu approuvé, refuse de spéculer sans preuve
• S’améliore en continu from every customer interaction
• Coûte une fraction of the human labor it augments

Bob s’appuie sur les outils SaaS sous-jacents — couche communication, données, analytics —, mais vous n’avez jamais à les manipuler. Vous obtenez le résultat : conversations clients expertes, leads capturés, questions répondues, urgences routées. C’est du Labor as a Service.

Et parce que la gouvernance est intégrée à l'architecture de Bob dès la base, vous obtenez quelque chose que la plupart des solutions IA ne peuvent pas offrir : confiance. Chaque réponse est fondée sur des preuves. Chaque interaction est journalisée. Quand Bob ne sait pas, il dit "Je ne sais pas" au lieu d'inventer. À une époque où les hallucinations IA sont le principal frein à l'adoption en entreprise, ce n'est pas une fonctionnalité — c'est la fondation.

Le piège, le nœud et la conclusion

Revenons au titre : « Labor as a Service : la mort du SaaS ».

Vous connaissez maintenant la vérité : ce n’est pas une mort. C’est une métamorphose.

La chenille ne meurt pas en devenant papillon. Elle se transforme en quelque chose qui opère sur un tout autre plan. Le SaaS — les outils, les API, l’infrastructure de données — est la chenille. Le LAAS — la livraison de travail accompli pilotée par des agents, orientée résultats et protégée par la gouvernance — est le papillon.

Les outils ne disparaissent pas. Ils se multiplient. La consommation de logiciels va atteindre des niveaux inimaginables lorsque Benioff a lancé Salesforce depuis cet appartement en 1999. Mais cette consommation sera portée par des agents intelligents à vitesse machine, pas par des humains cliquant dans des tableaux de bord.

Les entreprises qui comprennent cela — qui voient la couche outils et la couche travail comme complémentaires plutôt que concurrentes — bâtiront les entreprises qui marqueront la prochaine décennie.

Les entreprises qui prennent « le SaaS est mort » au pied de la lettre et abandonnent la couche outils se retrouveront sans l’infrastructure dont leurs agents ont besoin pour fonctionner.

Et les entreprises qui ignorent totalement la révolution des agents, en s'accrochant à l'idée que le logiciel est quelque chose que les humains utilisent avec leurs mains et leurs yeux, se verront dépassées par des concurrents dont la main-d'œuvre IA ne dort jamais, ne répète jamais deux fois la même erreur et exploite leur stack logiciel avec une précision qu'aucune équipe humaine ne peut égaler.

Bienvenue dans l'ère du travail en tant que service (Labor as a Service). Le logiciel n'est pas mort. Il trouve tout juste son premier opérateur infatigable.