“SaaS is dead.” Le slogan tient depuis dix-huit mois. La paternité revient à Satya Nadella, fin 2024, sur le podcast BG2 : “the notion that business applications exist, that’s probably where they’ll all collapse, in the agent era.” La presse a résumé. “SaaS is dead.”
Ses contradicteurs sont sortis du bois. Marc Benioff, CEO de Salesforce, sur les résultats de février 2026 : “If there is a SaaS-pocalypse, it may be eaten by the SaaS-quatch.” Aneel Bhusri, CEO de Workday, en earnings call : l’IA ne remplace pas le logiciel d’entreprise, elle remplace le travail. Aaron Levie, CEO de Box, au Cisco AI Summit : avec cent fois plus d’agents que d’humains, il y aura plus d’utilisateurs de SaaS, pas moins.
Ce qui frappe, c’est que tous parlent depuis leur case. Ceux qui s’opposent à l’idée vendent du SaaS, c’est plus simple de défendre son propre business. Ceux qui le déclarent mort font le pari des agents, c’est mieux pour eux d’enterrer le SaaS vivant.
Plutôt que de choisir une case, autant prendre le problème par l’autre bout, en explorateur. Qu’est-ce qui meurt vraiment ? Quels paris se font en ce moment ? De quoi sera fait demain ?
Définir ce qui meurt
Par son intervention, Nadella disait essentiellement que les apps traditionnelles sont des bases CRUD (des bases de données où on stocke de la donnée qu’on peut créer, modifier, supprimer ou afficher), avec de la logique métier collée par-dessus, et que cette logique-là va migrer vers une couche IA. Quand l’IA peut tenir la logique, l’interface autour de la base perd sa raison d’être.
C’est l’argument. Et il tient. Les marchés l’ont d’ailleurs déjà intégré : les SaaS cotés se paient aujourd’hui autour du quart des multiples qu’ils atteignaient au pic de 2021. Et quand IDC interroge près de 900 entreprises, plus de huit sur dix répondent que les agents IA sont les nouvelles applications d’entreprise.
Concrètement, pour celui qui travaille dedans tous les jours, ce qu’on enterre a un visage familier. Salesforce, HubSpot, Notion. Ces apps qu’on ouvre 50 fois par jour, où l’essentiel du travail consiste à cliquer, remplir, valider de l’information dans des interfaces. Le tout facturé par utilisateur et par mois.
D’accord. Mais le remplacer par quoi ?
Ce qu’on entend, c’est “on va utiliser des agents”. Et en général, le travail de prospective s’arrête là. Sauf qu‘“agent” est devenu un mot-valise qui veut tout et rien dire à la fois. Un mot pratique, posé sur quelque chose qu’on ne sait pas encore décrire : comment on interagit avec, sous quelle forme, à quel moment. Tant qu’on ne répond pas à ces questions, la phrase est creuse. C’est là que tout se joue.
Le mirage déterministe
Pour comprendre ce qui devient possible, il faut repartir de ce qui a échoué. Il y a une dizaine d’années, on a tenté d’automatiser nos vies professionnelles et personnelles : Zapier, IFTTT, n8n, Make. La promesse était simple : des workflows pour automatiser nos tâches et nos routines, des outils qui se parlent, un travail qui se fait tout seul. Les démos étaient belles. Dans le monde réel, ça marchait à moitié.
Le problème, c’est que ces systèmes s’ancraient dans du déterministe. Une règle déclenchait une action. If This Then That. Côté pro : “quand un lead arrive dans HubSpot, crée une fiche dans Notion, préviens le commercial dans Slack, envoie-lui un email de prise de rendez-vous”. Côté perso : “quand je rentre chez moi, allume les lumières du salon et lance la playlist du soir”.
Sauf que l’humain, par nature, n’est pas déterministe. On change d’avis, on fait les choses dans le désordre, on a besoin de la même info dans des contextes qui ne se ressemblent pas. Le lead qu’on doit traiter à la main parce qu’il est stratégique. Le soir où on rentre avec un invité et où la playlist du salon n’est pas la bonne. Les règles ne savaient pas faire d’exception. Le mirage de l’automatisation, c’était de croire qu’on pouvait modéliser l’humain dans un graphe de règles.
C’est exactement là que les LLM changent la donne. Par essence, ils sont non-déterministes. Au lieu d’exécuter un arbre de décisions, ils tiennent un contexte et génèrent par-dessus. C’était ce qu’il manquait depuis le début : le pont entre une machine qui exécute et un humain qui change. On entre dans l’ère où la machine s’adapte à l’humain, plus l’inverse. C’est peut-être ça, la vraie mort du SaaS.
Reste une question, et elle est immense : s’adapter à l’humain, sous quelle forme ? C’est là que le consensus va trop vite.
Le trou de la serrure
Quand on nous parle d’agents aujourd’hui, ce qu’on nous vend, c’est presque toujours la même image : un super assistant conversationnel posé dans WhatsApp, Slack ou Telegram, qui parle aux outils à notre place et pilote nos vies sur demande. Le succès d’openclaw en est l’exemple le plus parlant, et pour certains usages, c’est probablement la bonne forme.
Mais croire que le futur se résume à “on aura tous un agent dans WhatsApp”, c’est regarder par le trou de la serrure. Et c’est rater l’essentiel.
Un signal revient d’ailleurs souvent chez ceux qui ont essayé ces assistants : “c’est super, mais je ne sais pas quoi en faire”. Le concept fascine, l’usage ne suit pas. C’est une vieille histoire : la technique qui essaie d’imposer un besoin. On tient une capacité nouvelle, et on cherche ensuite le problème qu’elle pourrait résoudre. Ça marche rarement. Un besoin ne se décrète pas d’en haut, il émerge du quotidien.
Il suffit de regarder les démos. Demander ce qu’est un monument qu’on croise dans la rue, commander ses billets de train, réserver un restaurant en discutant avec une machine : des choses que personne ne réclame vraiment, et que le téléphone fait déjà en trois gestes, plus vite, grâce à des années de polissage des interactions. Surtout, on a déjà vu le film. Siri débarque en 2011 comme l’assistant qui allait changer nos vies. Aujourd’hui, il sert principalement à régler des minuteurs.
Mais la promesse du chat-assistant est plus vieille que lui : HAL, Jarvis, “je délègue ma vie et je récupère du temps libre”. Elle est séduisante, et l’espace qu’elle décrit existe : réserver un vol, résumer un mail, lancer une recherche. Pourtant, cet espace est étroit. Nos journées, en pratique, sont surtout faites de choix, d’arbitrages, de goût. Le rêve de l’agent qui pilote la vie suppose qu’une vie est un flux de tâches sous-traitables. Une vie n’est pas ça.
J’irais même plus loin. Parler à un agent, c’est déjà un aveu d’échec du logiciel. Quand on doit demander, c’est que le système qui nous entoure n’a pas su, tout seul, faire ce qu’il fallait. Le chat-assistant qu’on nous vend, c’est la porte d’entrée du post-SaaS. On le prend pour la porte d’arrivée.
Cela ne retire rien au chat là où il excelle. Pour réfléchir à voix haute avec un LLM, explorer une question, itérer sur une idée, c’est probablement le bon primitif d’interaction. Pour exécuter quelque chose au quotidien, c’est rarement la bonne forme. Sa place est précieuse, mais bornée.
Ouvrons la porte, alors. Si la machine s’adapte vraiment à l’humain, la forme de cette adaptation dépend du moment, du lieu, de l’activité. Parfois un chat. Souvent autre chose. Idéalement, rien du tout.
Quand l’interface disparaît
Pendant trente ans, le logiciel a été des interfaces posées sur des bases de données. Le travail consistait à naviguer l’interface pour aller chercher l’information ou la modifier. On apprenait des outils, on cliquait dans des menus, on savait où la donnée se cachait dans l’arborescence.
Ce qui change avec les LLM se joue un niveau au-dessus. La donnée ne bouge pas, elle reste dans ses bases. Mais une couche apparaît, qui tient le contexte, croise les sources, agit en fonction de situations changeantes. Le travail de récupération change de mains : on ne traverse plus l’interface pour aller chercher la donnée, la couche le fait, et présente ce qui sert au moment où ça sert.
Un agent, dans cette lecture, c’est trois choses qui fonctionnent ensemble : un contexte auquel il a accès ; une finalité qu’il porte ; et un mode d’interaction qui le relie à nous. Les deux premières commencent à être bien comprises. La troisième reste une terre inconnue. La meilleure interface pour les agents n’a pas encore été trouvée, et tout le monde cherche, dans des directions très différentes. openclaw mise sur l’agent unique & complet, accessible dans toutes les messageries, et qui peut tout faire. ChatGPT, qu’on prend souvent comme le sommet de l’interaction avec un LLM, n’est qu’une première hypothèse parmi beaucoup d’autres qui restent à inventer.
Même les outils qui ont le plus poussé le curseur, comme Claude Code ou Cowork, racontent la même histoire. D’excellents outils, un vrai pas en avant. Mais regardons où ils brillent : coder, produire un document, dérouler une mission qu’on leur confie. Des cas où on sait déjà ce qu’on veut, et où on prend le temps de le formuler. C’est la limite de toute cette génération d’outils : il faut initier. Formuler sa demande sur le moment, dans une conversation, ou la programmer à l’avance, dans une routine. Or des pans entiers de nos journées échappent à ça : le besoin qu’on n’a pas vu venir, l’info qu’il faudrait maintenant, pendant cet appel, dans ce document. La routine couvre le récurrent, le chat couvre l’explicite. Entre les deux, le moment présent reste sans intelligence.
Cet entre-deux, certains commencent à l’explorer. Clicky, par exemple, cherche à réinventer comment on interagit avec des agents dans notre univers de travail, sur notre ordinateur. Ce qu’il propose est un layer qui se superpose à notre écran, qui a le contexte en regardant l’écran de l’utilisateur, qu’on connecte à nos outils du quotidien, et qui interagit en pointant physiquement les éléments d’interface pendant qu’il parle. Une forme d’interaction qu’on n’avait pas testée jusqu’ici. Et qui ne ressemble à aucun chat. Ça vient matérialiser une couche d’interaction fantôme, où l’IA est toujours disponible, avec le bon contexte, et un mode d’interaction qui essaie de reproduire la même fluidité que si l’on avait quelqu’un à côté de nous à qui l’on parlerait.
Pour juger ces hypothèses, il existe une boussole, et elle a trente-cinq ans. Mark Weiser, Scientific American, 1991 : “The most profound technologies are those that disappear. They weave themselves into the fabric of everyday life until they are indistinguishable from it.” Golden Krishna en a fait un livre en 2015, The Best Interface Is No Interface. La promesse était là bien avant les LLM. Ce qui manquait, c’était une intelligence capable de tenir le contexte. On l’a.
L’illustration la plus parlante de cette boussole vient d’arriver, et pas du monde du logiciel. Pour dessiner sa première voiture électrique, la Luce, dévoilée fin mai 2026, Ferrari est allée chercher Jony Ive, l’homme qui a passé vingt-cinq ans à apprendre au monde que la bonne interface est un écran tactile dans la paume. Ce qu’on a vu est l’opposé : des boutons en aluminium, des molettes qui cliquent, des aiguilles physiques. Le raisonnement tient en une ligne. Le tactile est fait pour des objets qu’on regarde sans détourner les yeux. Au volant, le regard appartient à la route. Là où Tesla avait installé des iPads géants dans ses voitures, le designer du tactile a choisi le retour mécanique. Ce n’est pas un caprice de designer, c’est une interaction adaptée au contexte. La forme suit le job. Form follows function, comme disent les designers depuis 1896. Pour l’IA, tout se jouera là.
Et ce basculement n’arrivera pas en rupture. On est très attaché au mythe du matin où tout a changé, mais ça n’arrive jamais comme ça. Google Maps, au début, c’était une carte qu’on faisait glisser avec le doigt. Puis la position en direct, le trafic en temps réel, le recalcul quand on rate une sortie, l’heure d’arrivée estimée. Chaque ajout a été accueilli par un “ah, pratique”, jamais par un “wow”. Et au bout de la chaîne, on est passé du plan papier déplié sur le volant à un copilote qui nous déroute autour d’un bouchon. Le saut technique était énorme, l’expérience vécue, incrémentale. Ce sera pareil ici. Personne ne dira un matin “tiens, c’est devenu agentique”. Les gens diront “les outils sont mieux qu’avant”.
Ce qui prend la place
Demain, le seul invariant sera cette couche d’intelligence. Le reste se moulera au contexte et disparaîtra dès que le travail sera fait. Le software ressemblera de plus en plus à l’électricité. Partout, mais invisible. On allume une lampe, on pense à la lumière. On utilisera un outil, on pensera à ce qu’on est en train de faire. L’effet reste apparent, le mécanisme s’efface.
“SaaS is dead”, comme slogan, s’arrête trop tôt. Il nomme ce qui meurt sans nommer ce qui prend la place. Ce qui prend la place, c’est une couche d’intelligence qui regarde l’humain, son contexte, ses habitudes, et fait venir à lui la bonne forme au bon moment. Je ne crois pas qu’on chattera avec des agents toute la journée. Je pense qu’on n’en aura même pas besoin. Les outils sauront ce qu’on fait, anticiperont ce qu’on cherche, agiront sans qu’on les sollicite.
Construire des outils qui s’adaptent à l’humain, plutôt que des humains qui s’adaptent à leurs outils. Chacun parle depuis sa case ; voilà la mienne : c’est ce qu’on construit chez Hatch.
Commentaires