L'IA va-t-elle rendre obsolète le business model SaaS par licence ?

En bref : le pricing SaaS par licence recule. Gartner prévoit qu'au moins 40 % des dépenses SaaS d'entreprise basculeront vers des modèles à l'usage, par agent ou au résultat d'ici 2030. La facturation au résultat fonctionne quand le résultat se compte facilement (un ticket résolu) et devient complexe quand il ne se compte pas (une baisse du churn). Le parcours de Medallia, d'un rachat à 6,4 milliards de dollars en 2021 à une reprise par ses créanciers en 2026, montre le coût d'une adaptation trop lente.

Le modèle économique historique de l'édition logicielle repose sur une mécanique simple : facturer par utilisateur, par volume ou par nombre de licences. Ce modèle est en train de mourir. L'intelligence artificielle, en particulier les LLM et les agents autonomes, ne se contente pas d'améliorer les produits SaaS : elle en détruit la logique tarifaire fondamentale. Quand un agent IA peut résoudre un ticket client, rédiger un rapport ou déclencher un plan d'action sans intervention humaine, la notion même de « siège utilisateur » perd son sens. Les éditeurs qui ne repensent pas leur pricing autour de la valeur délivrée (et non du nombre de comptes créés) risquent de se retrouver dans la situation de Medallia, sortie de bourse par Thoma Bravo pour 6,4 milliards de dollars en 2021, puis cédée à ses créanciers en 2026. Le marché de l'édition logicielle dans la CX, en particulier, est un cas d'école de cette mutation.

La réponse courte : oui, le modèle par licence est condamné à devenir minoritaire. Gartner prévoit qu'au moins 40 % des dépenses SaaS d'entreprise auront basculé vers des modèles basés sur l'usage, les agents ou les résultats d'ici 2030, comme le rappellent les prévisions TMT 2026 de Deloitte. Mais la transition ne sera ni linéaire ni indolore, et c'est précisément là que se joue l'avenir des éditeurs les plus agiles.

Pourquoi le modèle par licence a fonctionné (et pourquoi il ne fonctionne plus)

Pendant deux décennies, le SaaS s'est structuré autour d'une promesse implicite : plus votre entreprise grandit, plus vous achetez de licences. La corrélation entre nombre d'utilisateurs et valeur perçue était suffisamment forte pour que personne ne remette en question le mécanisme. Un éditeur de feedback management facturait 10 000 réponses collectées, un CRM facturait trois administrateurs, un outil de collaboration facturait par siège.

Ce système fonctionnait tant que l'humain restait au centre de chaque workflow. Un analyste devait lire les verbatims, un commercial devait mettre à jour le CRM, un chef de projet devait orchestrer les tâches. Chaque siège correspondait à une activité réelle. L'IA générative fait voler cette correspondance en éclats. Quand un agent connecté au code source peut comprendre un ticket client et modifier un bouton dans l'interface sans passer par un sprint de développement, vous n'avez plus besoin de trois ingénieurs sur le sujet. Quand un LLM analyse 50 000 verbatims en quelques minutes (là où une équipe de quatre personnes y passait deux semaines), la facturation au volume de données traitées ne reflète plus l'effort réel du fournisseur.

Le problème est structurel, pas conjoncturel. Ce n'est pas une mode passagère. C'est un changement de paradigme dans la façon dont la technologie crée de la valeur.

Pricing SaaS : le virage vers la facturation au résultat

L'alternative qui émerge est le pricing « outcome-based », la facturation par résultat mesurable. L'exemple le plus emblématique est celui de Zendesk, qui a lancé en août 2024 une facturation au résultat pour ses agents IA, à partir de 1,50 dollar par résolution automatisée, c'est-à-dire par ticket résolu sans intervention humaine. Le signal est clair : le client ne paye plus pour l'accès à un outil, il paye pour un problème résolu.

Cette logique séduit les directions financières. Un CFO défend plus facilement un coût variable indexé sur la valeur produite qu'un coût fixe déconnecté de l'activité réelle. Mais l'analyse de Deloitte pointe aussi la difficulté : client et éditeur doivent s'accorder contractuellement sur ce que recouvrent une tâche, une interaction et un résultat.

Dans l'automatisation du service client, c'est relativement simple : un ticket ouvert, traité et fermé sans escalade humaine. Dans l'expérience client au sens large, c'est une tout autre affaire. Qu'est-ce qu'un « insight actionnable » ? Comment mesurer qu'un plan d'action déclenché par une plateforme de Customer Intelligence a effectivement réduit le churn sur un segment prioritaire ? La complexité de la mesure est proportionnelle à la sophistication de la proposition de valeur.

C'est précisément ce qui rend la transition aussi stimulante que périlleuse. Les éditeurs qui tentent des raccourcis (systèmes de crédits opaques, métriques artificielles) se cassent les dents. Le pricing par résultat exige une transparence totale sur la chaîne de valeur, de la donnée brute à la décision opérationnelle.

Le cas Medallia : du rachat à 6,4 milliards à la reprise par les créanciers

En juillet 2021, Thoma Bravo annonçait le rachat de Medallia pour 6,4 milliards de dollars, avec une sortie de bourse à la clé. Le communiqué officiel promettait à l'entreprise davantage de ressources et de flexibilité pour innover. Cinq ans plus tard, l'histoire s'est terminée autrement. En juin 2026, après le refus de Thoma Bravo de réinjecter des fonds propres, un groupe de créanciers mené par Blackstone a pris le contrôle de l'entreprise dans une opération destinée à réduire fortement sa dette, selon Bloomberg Law. La presse spécialisée a relevé que le chiffre d'affaires de Medallia n'avait pas suivi les attentes malgré plusieurs changements de direction, et que la conversion de dette en capital effaçait environ 5,1 milliards de dollars de fonds propres (Daily Research News Online).

Derrière les chiffres, une leçon structurelle. Medallia, comme la plupart des grands éditeurs CX historiques, opérait sur un modèle de licence classique, avec des cycles de vente longs et une capacité d'innovation contrainte par la taille de l'organisation. Face à des acteurs plus petits, capables de reconstruire leur produit en intégrant l'IA dès la fondation (plutôt qu'en surcouche), garder le rythme est devenu plus difficile. Ce n'est pas un cas isolé. C'est un signal systémique pour toute l'industrie : la taille ne protège plus, la vitesse d'adaptation, si. Pour les équipes qui réévaluent leur stack VoC, nous avons comparé les meilleures plateformes de Customer Intelligence.

Ce qui change concrètement pour les éditeurs CX

La transformation du business model impacte trois dimensions simultanément. La première est la proposition de valeur elle-même. Un éditeur qui vend des licences pour collecter du feedback vend un outil. Un éditeur qui vend la détection automatique d'un irritant client, sa quantification financière et la génération d'un plan d'action vend un résultat. Le positionnement marketing, le cycle de vente et la relation client changent radicalement.

La deuxième dimension est l'architecture technique. Pour facturer par résultat, il faut pouvoir tracer le résultat de bout en bout. Cela suppose une plateforme intégrée, pas un assemblage de modules déconnectés. Les éditeurs qui consolident l'ensemble de la chaîne (collecte, analyse sémantique par LLM, distribution des insights, suivi des actions) auront un avantage structurel sur ceux qui dépendent d'intégrations tierces. L'IA ne change pas seulement la grille tarifaire : elle oblige les éditeurs à se recentrer sur leur véritable valeur ajoutée.

La troisième dimension est culturelle. Passer d'un modèle de licence à un modèle par résultat, c'est passer d'une logique de vente à une logique de partenariat. Le fournisseur et le client partagent le risque. Si la plateforme ne délivre pas de résultats, le revenu baisse. Cette symétrie des incitations est saine, mais elle exige une maturité commerciale que beaucoup d'éditeurs n'ont pas encore.

La fenêtre d'opportunité pour les acteurs agiles

Le paradoxe de cette transformation est qu'elle avantage les entreprises qui n'ont pas encore atteint la taille critique. Un éditeur de taille intermédiaire qui a pu reconstruire son produit en partant de zéro, en intégrant les LLM dans son ADN technique (et non en surcouche), dispose d'un avantage structurel considérable. Sa vélocité produit est incomparablement supérieure à celle d'un acteur historique empêtré dans une dette technique accumulée sur quinze ans.

Le marché européen, en particulier, offre un terrain de jeu favorable. La concurrence y est moins féroce qu'aux États-Unis (berceau historique de la CX tech), les ETI et grands groupes y sont encore en phase de maturation sur ces sujets, et les exigences de souveraineté des données créent une barrière naturelle face aux acteurs américains. Les éditeurs capables de combiner agilité technique, proximité client et conformité réglementaire occupent une position stratégique unique.

La question n'est plus de savoir si le pricing SaaS par licence va évoluer. La question est de savoir quels éditeurs auront la lucidité de pivoter vers la facturation au résultat avant que le marché ne les y force. L'histoire de l'édition logicielle montre que les transitions de modèle économique ne pardonnent pas l'attentisme. Ceux qui bougent les premiers définissent les règles du jeu suivant.