La publication par Anthropic des plug-ins sectoriels de Claude Cowork, le 30 janvier, a envoyé un message que Wall Street a entendu fort et clair : les laboratoires d’IA de pointe ne se contentent plus de construire des outils pour les développeurs.
Ils étendent leur champ d’action pour construire le remplaçant des logiciels d’entreprise eux-mêmes. En l’espace de 48 heures, Thomson Reuters a chuté de 16%, RELX a reculé de 14%, Wolters Kluwer a perdu 13% et Monday.com était en baisse de plus de 20%. Le trader de Jefferies Jeff Favuzza a qualifié cela de "SaaSpocalypse".
Cependant, le marché a probablement surréagi et jeté le bébé avec l’eau du bain en appuyant sur vendre sur toutes les valeurs du logiciel.
Depuis une semaine, nous examinons chaque recoin du marché pour mesurer correctement qui souffrira le plus et le moins de cette SaaSpocalypse. Nous avons constaté qu’il existe trois types de SaaS qui connaîtront chacun un destin différent, et avons décidé de construire un quadrant pour refléter cette réalité.
Vous pouvez vous amuser avec ce graphique via ce lien.
Partie 1 : Trois types de SaaS
Pour vraiment comprendre qui seront les gagnants et les perdants de cette nouvelle évolution des entreprises SaaS, il faut d’abord regarder comment chacune d’entre elles gagne de l’argent, car c’est le meilleur test décisif pour juger de la santé d’une entreprise.
Détenteurs de données
Ce sont des entreprises dont l’actif principal est constitué de données propriétaires, organisées et sélectionnées, qui ne peuvent pas être reproduites en aspirant Internet ou en entraînant un modèle sur des sources publiquement disponibles.
Pensez à Westlaw de Thomson Reuters (qui contient des décennies de jurisprudence sélectionnée par des avocats), à TurboTax d’Intuit (les déclarations d’impôts et les dossiers financiers de 100 millions d’Américains), au bureau de crédit d’Experian (des données sur 1,4 milliard de personnes et 200 millions d’entreprises), ou à UpToDate de Wolters Kluwer (des données d’aide à la décision clinique utilisées par 3 millions de cliniciens dans le monde).
Leur modèle économique repose sur l’octroi de licences donnant accès à des ensembles de données irremplaçables. Dans un monde dominé par l’IA, leurs données deviennent plus précieuses, pas moins, parce que les modèles d’IA ont besoin de données de haute qualité, spécifiques à un domaine, pour produire des résultats dignes de confiance dans des domaines où se tromper a des conséquences juridiques, médicales ou financières.
Comme l’a dit l’investisseur Elad Gil dans une récente interview à McKinsey : "Les données, en tant qu’apport utile pour faire quelque chose de mieux pour votre entreprise, sont incroyablement précieuses. Les données, en tant que différenciateur central de votre entreprise, sont plus rares. Et les données, en tant qu’avantage concurrentiel principal, ne s’appliquent qu’à un très, très petit nombre d’entreprises."
Fournisseurs de workflows
Ce sont les entreprises auxquelles la plupart des gens pensent quand ils entendent "SaaS" : des outils sur abonnement, facturés par utilisateur, qui automatisent des processus métiers pour des utilisateurs humains. Salesforce pour les équipes commerciales. Workday pour les services RH. Monday.com pour les chefs de projet. Adobe pour les designers. ServiceNow pour les workflows IT.
Tous les PDG des éditeurs de logiciels se démènent désormais pour acquérir des entreprises d’IA, appelant donc Thoma Bravo, un spécialiste du private equity dans l’acquisition de startups tech en difficulté, entre autres.
Leur chiffre d’affaires est une fonction directe du nombre d’humains assis devant des écrans à cliquer sur des boutons. Le modèle économique ressemble essentiellement à un abonnement de salle de sport pour le bureau : vous payez par personne, par mois.
Tout comme les salles de sport, les entreprises SaaS ne gagnent de l’argent que lorsque vous n’utilisez pas vraiment le service.
Le problème est évident. Quand un employé avec un agent IA fait le travail de cinq, vous n’avez plus besoin de cinq licences. Vous en avez besoin d’une. Et le chiffre d’affaires de la salle de sport vient de chuter de 80%, non pas parce que les équipements se sont dégradés, mais parce que les clients ont disparu.
Le PDG de Databricks, Ali Ghodsi, a formulé une observation plus tranchante récemment : l’IA ne tue pas le SaaS en remplaçant les systèmes d’entreprise. Elle les tue en rendant leurs interfaces sans pertinence. Pendant des décennies, la douve sur laquelle ces entreprises s’appuyaient, c’était la complexité de l’interface : des millions de personnes formées à Salesforce, SAP, ou à des tableaux de bord internes.
Quand, à la place, les salariés peuvent poser des questions et agir via le langage naturel, cette douve s’évapore. Le logiciel devient de la plomberie, pas une destination.
Orchestrateurs de plateforme
Ce sont des entreprises qui construisent le tissu conjonctif entre les modèles d’IA bruts et les opérations des entreprises : la couche "système d’exploitation" que ni les laboratoires d’IA ni les outils de workflow ne possèdent.
Palantir est l’expression la plus pure de cette "plateforme". Snowflake et Databricks occupent un territoire adjacent du côté de l’infrastructure data. ServiceNow tente d’opérer un virage vers cet espace à partir de ses origines dans les workflows.
Leur modèle économique est fondamentalement différent du SaaS facturé par utilisateur. Ils facturent des résultats, du débit de données ou l’accès à la plateforme plutôt que de compter des utilisateurs humains. Comme l’a décrit Marco Argenti, DSI de Goldman Sachs, dans ses perspectives IA 2026 : les entreprises passeront du déploiement de personnel centré sur l’humain au déploiement de flottes d’équipes multi-agents spécialisées, orchestrées par des humains. Ces équipes hybrides d’humains et de machines feront payer les clients en fonction des tokens consommés (les unités de données utilisées par les modèles d’IA), et non des sièges occupés. C’est l’économie "agent-as-a-service".
La plateforme Ontology de Palantir est l’exemple le plus clair de ce à quoi cela ressemble en pratique. Elle fonctionne comme un jumeau numérique d’une organisation entière : pas seulement des tables et des bases de données, mais des objets du monde réel (employés, avions, bons de commande, acteurs malveillants) avec leurs relations, leurs propriétés et leur logique métier cartographiées sous forme de modèle vivant.
Des agents IA opèrent sur Ontology avec l’ensemble du contexte de l’entreprise. La plateforme est agnostique au modèle (elle fonctionne avec GPT-4, Claude, Gemini, Llama, ou tout modèle personnalisé), ce qui signifie que des modèles d’IA meilleurs et moins chers rendent la plateforme plus puissante sans menacer sa position.
Partie 2 : l’IA est arrivée comme une boule de démolition
Qu’est-ce qui a déclenché cette vague de ventes ?
La vague de ventes s’est déroulée en trois chocs distincts sur dix jours.
30 janvier : plug-ins Claude Cowork
Le billet de blog n’a pas mâché ses mots : "Dites à Claude comment vous aimez que le travail soit fait, quels outils et quelles données utiliser, et comment gérer les workflows critiques." Wall Street l’a entendu comme une attaque directe contre tous les éditeurs de SaaS facturé par utilisateur existants, et a appuyé sur vendre sur toutes les actions SaaS qu’ils pouvaient trouver.
En conséquence, Thomson Reuters a plongé de 16% en 48 heures. RELX a reculé de 14%. Wolters Kluwer a perdu 13%. LegalZoom a cédé 20%. Certains l’avaient cherché, d’autres non.
3-4 février : la "SaaSpocalypse".
(source: Bloomberg)
Le panier de valeurs logicielles américaines de Goldman Sachs a chuté de 6% en une seule séance, sa pire journée depuis le choc des tarifs d’avril. Au total, les pertes du logiciel américain sur une seule séance ont atteint 300 milliards de dollars. L’ETF iShares tech-software IGV a touché son niveau de survente le plus extrême par rapport au S&P 500 en 25 ans d’histoire. Jefferies a parlé de la plus forte lecture relative de survente qu’ils aient jamais enregistrée.
5 février : le double coup de poing
Anthropic a publié Claude Opus 4.6 (contexte de 1 million de tokens, "équipes d’agents" coordonnant plusieurs travailleurs IA en parallèle, intégration native à Excel et PowerPoint, surpassant GPT-5.2 d’environ 144 points Elo).
Le même jour, OpenAI a lancé Frontier, une plateforme d’entreprise de bout en bout pour construire et déployer des agents IA à travers les systèmes de l’entreprise, avec comme premiers clients notamment Uber, State Farm, Intuit et Oracle. Deux laboratoires d’IA de pointe, le même jour, disant tous les deux : nous venons pour vos contrats de logiciels d’entreprise.
Au 6 février, l’indice S&P 500 Software & Services se situait à plus de 20% sous son pic d’octobre 2025. Capitalisation boursière détruite au total : plus de 1 000 milliards de dollars depuis le 28 janvier.
Les hyperscalers rejoignent le club des deals circulaires
(source: Bloomberg)
Les laboratoires d’IA lèvent et dépensent à un rythme qui éclipse tout ce que l’industrie du logiciel a jamais connu. Les estimations consensuelles des dépenses d’investissement des quatre plus grands hyperscalers (Amazon, Alphabet, Meta, Microsoft) pour 2026 dépassent désormais 600 milliards de dollars, revues à la hausse à plusieurs reprises depuis octobre 2024.
La trajectoire de revenus d’Anthropic met en évidence la demande pour ces services. D’un revenu annualisé de 1 Md$ au début de 2025 à 9 Md$ d’ici la fin d’année (x9 en douze mois), l’entreprise vise désormais 18 Md$ pour 2026 et finalise un tour de financement de plus de 20 Md$ sur une valorisation de 350 Md$. Claude Code, à lui seul, a atteint 1 Md$ d’ARR en six mois après son lancement, décrit comme "le produit à la croissance la plus rapide de tous les temps".
A titre de comparaison, Salesforce a mis 17 ans pour atteindre 18 Md$ de chiffre d’affaires. Anthropic est en passe d’y parvenir en deux.
Pourquoi plus aucun secteur n’est à l’abri ?
La vague initiale de ventes a visé les victimes évidentes : les entreprises SaaS horizontales avec des modèles de tarification par utilisateur. Mais la peur se propage à des recoins du marché logiciel que la plupart des investisseurs pensaient protégés.
Dassault Systemes, le géant français des logiciels industriels, a chuté de 22% mercredi 11 février : sa plus forte baisse sur une seule séance jamais enregistrée, effaçant environ 6 Md€ (7,1 Md$) de capitalisation boursière.
Dassault crée des "jumeaux virtuels" de machines complexes grâce à des logiciels de simulation. Son chiffre d’affaires 2025 sur l’ensemble de l’année est resté stable à 6,24 Md€, et ses prévisions 2026 de 3 à 5% de croissance ont largement manqué les attentes des analystes, à 5,9%. Les revenus logiciels ont reculé de 5% au T4. Les ventes de licences ont baissé de 7%.
Ce qui a effrayé les investisseurs n’était pas seulement la faiblesse de la croissance. C’était le récit IA qui se cachait derrière. Le PDG de Nvidia, Jensen Huang, a récemment décrit Dassault comme étant à "l’épicentre de la prochaine frontière de l’intelligence artificielle". Mais cette frontière, les "world models" (des systèmes d’IA qui simulent et naviguent dans le monde physique), est précisément ce qui menace de banaliser l’offre de jumeau numérique industriel de Dassault.
L’ancien Chief AI Scientist de Meta, Yann Le Cun, a commencé à lever des fonds pour sa startup en mode furtif appelée AMI Labs, axée sur la construction de ces mêmes "world models" qui pourraient mettre en danger l’activité de Dassault Systèmes.
(source: BFM Business)
De plus, la propre plateforme Omniverse de Nvidia, combinée à des modèles open source de simulation physique, pourrait reproduire une grande partie de ce que fait la plateforme 3DEXPERIENCE de Dassault, pour une fraction du coût. Le PER de Dassault Systèmes s’est contracté de 35x à 20x.
La leçon ici est la suivante : les modèles les moins chers s’attaqueront d’abord aux fruits à portée de main. Les entreprises à l’aise avec la tech, les chasseurs de coûts, les PME et les startups agiles qui sont déjà à l’aise avec les outils d’IA s’adapteront le plus vite à cette nouvelle réalité.
Elles résilieront leurs abonnements Monday.com, construiront des outils en interne avec Claude Code, et remplaceront des juniors par des agents IA. Cette cohorte d’entreprises est déjà en mouvement : SaaStr rapporte qu’elle gère une activité à huit chiffres avec un effectif à un seul chiffre et plus de 20 agents IA, contre plus de 20 employés à plein temps auparavant.
C’est un coup mortel pour les "workflow providers", car ils se font cannibaliser par des outils internes et des agents d’orchestration.
Qui est le plus durement touché ?
Qui est le plus durement touché ?
Le carnage est concentré mais pas contenu. Reculs par rapport aux plus hauts sur 52 semaines début février :
Figma -80%
Trade Desk (TTD) -78%
Monday.com (MNDY) -77%
HubSpot (HUBS) -73%
Atlassian (TEAM) -73%
Duolingo (DUOL) -72%
Wix (WIX) -69%
Wolters Kluwer (WKL) -65%
Dassault Systemes (DSY) -55%
ServiceNow (NOW) -49%
Thomson Reuters (TRI) -49%
Adobe (ADBE) -44%
Workday (WDAY) -44%
Salesforce (CRM) -43%
Intuit (INTU) -31%
Pendant des années, des géants comme HubSpot et Atlassian ont prospéré en taxant la productivité humaine via un abonnement mensuel pour chaque "seat" qu’une entreprise occupait.
Cependant, à mesure que l’IA est passée de la simple assistance à l’agence autonome, le marché a compris ce qui se passait : la main-d’œuvre du futur serait numérique plutôt que composée uniquement d’humains.
Les investisseurs ont paniqué en réalisant qu’un agent IA n’a pas besoin d’un identifiant Figma ni d’un compte Workday pour fonctionner. Le krach qui s’en est suivi sur ces valeurs a représenté la mort de l’économie "par utilisateur", alors que les capitaux ont pivoté agressivement des outils utilisés par les humains vers l’intelligence qui les remplaçait.
Chaque nom ici est en territoire négatif sur un an, à l’exception de MongoDB (+25%) (qui profite massivement du déploiement agentique dans les entreprises, et de Zoom (+11%) (que les investisseurs utilisent comme proxy d’exposition à Anthropic via la participation de Zoom à son tour de table de Série C).
Part 3: C’est un problème de modèle (économique)
D’ "action de croissance" à "action value"
Des entreprises SaaS comme Adobe, Salesforce, Workday et ServiceNow ont été traitées comme des actions de "croissance" pendant toute l’ère de la pandémie. La numérisation forcée par le COVID a condensé une décennie d’adoption de logiciels d’entreprise en 18 mois. Soudain, chaque entreprise avait besoin d’outils cloud de collaboration, de CRM, de RH et de création. Les actions SaaS ont été revalorisées à 30-50x les bénéfices prospectifs, sur l’hypothèse que cette trajectoire de croissance était permanente.
Mais ce scénario rêvé n’a pas duré, car la croissance a ralenti, tandis que les valorisations sont restées très élevées. Il était soutenu par deux vents porteurs temporaires : un environnement de taux bas qui rendait les flux de trésorerie futurs plus précieux, et la première phase de l’ère de l’IA (2023-2025) où les grands modèles de langage étaient nouveaux et promettaient une efficacité accrue pour les employés et les workflows existants.
Le récit était : "L’IA rend vos commerciaux Salesforce plus productifs, donc vous achetez plus de seats, pas moins."
C’est ce récit qui a conduit à la SaaSpocalypse le 30 janvier. Les cas d’usage d’IA en entreprise démontrés par Claude Cowork et OpenAI Frontier vont bien au-delà de ce que quiconque imaginait pendant la phase de lune de miel de ChatGPT.
Quand les dirigeants ont compris qu’il ne s’agissait pas seulement de boosters de productivité pour des travailleurs humains, mais d’agents autonomes qui remplaçaient entièrement les travailleurs humains, toute leur vision a changé presque du jour au lendemain.
Ils ont appris à faire la distinction entre une menace existentielle déguisée en vent porteur temporaire. Mieux vaut tard que jamais ?
Des entreprises qui se traitaient à 30-50x les bénéfices prospectifs sur la promesse de plus de 20% de croissance de chiffre d’affaires éternelle se traitent désormais à 12-20x, alors que le marché se demande si leur avantage concurrentiel est vraiment aussi profond qu’il le pensait auparavant.
Pour ajouter de l’huile sur le feu, les bases de code de ces entreprises ont mis des décennies à être construites, pour un coût de plusieurs milliards de dollars. Ce logiciel accumulé a été capitalisé en actifs incorporels dans les bilans SaaS, représentant une part importante de leur valeur d’entreprise.
Mais avec Claude Code ou Cursor, ce qui prenait des mois à des ingénieurs seniors peut désormais être fait en 48 heures, et les ingénieurs juniors arrivent généralement aux réunions produit avec le produit entièrement construit en utilisant Claude Code en quelques heures.
La barrière technique que ces acteurs du SaaS avaient est en train de disparaître, faisant du SaaS une couche de distribution plutôt que l’excellence produit d’avant qui justifiait des valorisations stratosphériques.
L’IA n’est pas encore toute-puissante
Il existe certaines inquiétudes à propos de l’IA qui empêchent les entreprises SaaS de tout perdre du jour au lendemain.
Tout d’abord, l’IA est massivement déficitaire, car OpenAI a terminé 2025 avec plus de 20 Md$ de revenus récurrents annualisés (ARR) mais fait face à des pertes 2026 projetées d’environ 14 Md$, et les pertes cumulées jusqu’en 2029 sont estimées à 115 Md$. La rentabilité n’est pas attendue avant 2030. Anthropic vise l’équilibre d’ici 2028.
Le coût d’entraînement des modèles de pointe continue d’augmenter, même si le coût de l’inférence par unité continue de baisser. Nous avons parlé de ce basculement vers l’inférence dans un précédent essai.
Cela donne un temps précieux aux entreprises SaaS "détentrices de données" pour rattraper leur retard et monétiser leurs positions (comme l’accord Intuit-OpenAI).
Deuxièmement, l’IA est largement non régulée. Il n’y a pas de minimums de seats, pas d’exigences de licence, pas de standards professionnels pour déployer un agent IA qui gère le support client ou rédige des conclusions juridiques. Les barrières à l’adoption sont essentiellement nulles pour toute entreprise prête à expérimenter, ce qui accélère la cannibalisation des seats SaaS.
Si l’absence de régulation va accélérer la "substitution des workflows", elle ne pourra pas toucher les systèmes validés par la Food & Drug Authority américaine, l’infrastructure des bureaux de crédit ou le versant létal de l’usage militaire.
Enfin, et plus important encore, l’IA n’a pas son propre modèle économique établi. Malgré la taille de ces laboratoires de pointe, ils sont encore en phase "startup", sans modèle économique fixe, sans base de clients fixe, et avec des coûts qui explosent.
Pour répondre à cela, les laboratoires d’IA essaient d’être des fournisseurs d’infrastructure (comme Cisco pendant le boom des dotcom), des entreprises de plateforme (comme Palantir) et des éditeurs d’applications (comme les entreprises SaaS les meilleures de leur catégorie) tout cela en même temps.
Fait intéressant, Salesforce essaie de faire de "l’IA qui marche" un changement de modèle économique : au-delà de ne facturer que des seats humains, l’entreprise tarife la production agentique comme de l’usage, en faisant passer Agentforce d’un simple 2 $ par conversation à des Flex Credits tarifés par action d’agent (20 crédits par action, positionnés comme 0,10 $ par action).
La partie intelligente, c’est le pont entre l’ancien et le nouveau budget, parce que le Flex Agreement permet aux clients de convertir des licences utilisateur en Flex Credits et inversement, de sorte que le budget peut passer des licences humaines au travail numérique à mesure que les workflows s’automatisent.
Nous en sommes encore très tôt sur ce à quoi ressembleront les prochains modèles de tarification, Salesforce n’étant qu’un exemple. Voici quelques hypothèses sur ce à quoi pourrait ressembler le prochain modèle économique des entreprises de logiciels à l’ère des agents :
Tarification basée sur les résultats :
Vous payez pour le résultat, pas pour le processus. Pensez-y comme à un modèle de success fee en conseil M&A ou en chasse de dirigeants : l’éditeur de logiciel gagne un pourcentage de la valeur créée, pas un forfait mensuel quel que soit l’output. C’est à forte marge, mais difficile à standardiser.
Unités d’intelligence :
Vous payez pour les tokens consommés (des millions de tokens de traitement IA) ou des "unités de cognition", comme l’a décrit Elad Gil à McKinsey : "Au lieu d’acheter des seats de customer success, vous achetez des demandes de support client auxquelles on répond." Les Flex Credits de Salesforce et des modèles similaires en sont des versions précoces.
Tarification de plateforme sur mesure :
Des entreprises comme Palantir négocient des contrats personnalisés en fonction du cas d’usage spécifique de l’entreprise, des volumes de données et des exigences opérationnelles.
Ils obtiennent ces informations via leurs "Forward Deployed Engineers", qui sont des consultants techniques passant des semaines dans les entreprises prospectées, construisant un graphe extrêmement détaillé de la façon dont l’entreprise fonctionne et déchiffrant ses points de douleur opérationnels.
Anthropic a commencé à tester ce modèle économique, où ils déploient leurs FDEs chez Goldman Sachs pendant 6 mois, afin de co-développer des outils spécifiques dont leur organisation aura besoin.
C’est l’approche à la plus forte valeur, mais elle exige une intégration profonde et des cycles de vente longs. La valeur moyenne des contrats de Palantir augmente rapidement (180 contrats au-dessus de 1 M$ au T4, 61 au-dessus de 10 M$), et la rétention nette en dollars a atteint 139%.
La transition sera aussi douloureuse que le passage des logiciels on-premise au cloud en 2010-2015. Adobe en est l’exemple canonique : lorsqu’elle est passée des licences perpétuelles Creative Suite (2 599 $ en paiement unique) aux abonnements Creative Cloud (55 $ par mois) en 2013, l’action a reculé de 16% sur l’année suivante, car le chiffre d’affaires s’est temporairement effondré avant de remonter à des sommets historiques.
La compression des marges et le ralentissement de la croissance seront similaires, mais la reprise sera sélective : seules les entreprises qui détiennent des données propriétaires ou occupent la couche d’orchestration seront revalorisées.
Enfin, la question qui pourrait hanter ces entreprises d’IA pendant des années : les effectifs.
Le déploiement de Claude Cowork et d’OpenAI Frontier dans les entreprises du Fortune 500 réduira les effectifs des travailleurs du savoir. McKinsey estime que les technologies d’IA actuelles pourraient automatiser environ 57% des heures de travail aux Etats-Unis. Goldman Sachs projette que 300 millions d’emplois à temps plein dans le monde sont exposés.
Le rythme d’adoption de l’IA va bien plus vite que le niveau de préparation de ces entreprises, avec les volumes de seats SaaS pris entre deux feux.
Entreprises à surveiller
(notre sélection de gagnants et de perdants soumise à la revalorisation des modèles économiques sous l’effet de l’IA)
Petites entreprises dans lesquelles investir
Pour aller plus loin sur les petites entreprises appelées à bénéficier de cette revalorisation des modèles économiques sous l’effet de l’IA, créez votre propre StockScreener comme nous l’avons fait :
Bonus : ETFScreener
Pour en savoir plus sur les ETF disponibles pour indexer cette revalorisation des modèles économiques sous l’effet de l’IA, créez votre propre ETF Screener comme nous l’avons fait :
Notre analyse
La transition d’une tarification par utilisateur vers une tarification fluide, basée sur les résultats, sera douloureuse, et elle prendra des années. Cette revalorisation structurelle est comparable, par son ampleur, au passage d’Adobe des licences perpétuelles aux abonnements en 2013, mais avec un tranchant plus marqué : le modèle économique va devenir plus fluide et davantage axé sur les résultats pour s’adapter à une main-d’œuvre agentique, plutôt qu’au modèle d’abonnement statique par utilisateur.
Ce qui a soutenu les cours de ces actions jusqu’ici, c’est un mélange unique de vents porteurs qui s’est désormais inversé : la digitalisation forcée par le COVID a créé l’illusion d’une accélération permanente de la demande. Les taux d’intérêt bas ont gonflé la valeur actuelle des flux de trésorerie futurs. Les acteurs en place étaient massivement mal préparés à cette expansion de l’IA sur leurs activités, ce qui leur a donné un faux sentiment de sécurité. Et la première vague de l’IA (2023-2025) a été perçue comme additive (plus de productivité par utilisateur) plutôt que substitutive (moins d’utilisateurs nécessaires).
Cette vision s’effondre depuis le 30 janvier et le 6 février.
Le marché revalorise désormais l’ensemble du secteur logiciel à travers le prisme d’une question simple : votre modèle économique survit-il dans un monde où des agents IA remplacent des travailleurs humains ?
Les entreprises qui détiennent les données propriétaires dont l’IA a besoin (Thomson Reuters, RELX, Wolters Kluwer, Intuit, Experian) émergeront comme gagnantes. Les entreprises qui orchestrent l’IA au sein des entreprises (Palantir, Databricks, Snowflake) construiront la prochaine génération d’infrastructure d’entreprise.
Mais les entreprises qui ne font que fournir des outils de workflow facturés par utilisateur, sans barrière de données propriétaires et sans verrouillage de plateforme, font face à une transition longue et douloureuse que le marché ne commence qu’à peine à intégrer.
Comme l’a écrit hier Ron Eliasek de Jefferies : l’IA sera transformationnelle, mais les éditeurs de logiciels avec des douves profondes, des marques de confiance et les meilleurs talents sont encore bien positionnés pour prospérer.
Nous sommes d’accord avec la première moitié. La seconde dépend entièrement du type d’entreprise logicielle dont on parle. C’est le modèle (à la fois le modèle économique et le modèle d’IA), pas le secteur.
Restez investis, prudemment.
—
(1) Le billet de blog d’Anthropic lançant les plugins Claude Cowork : https://claude.com/blog/cowork-plugins
