Le grand paradoxe de l’IA
Début février 2026, alors que les cours du secteur logiciel s’effondrent, Jensen Huang prend la parole lors d’une conférence Cisco à San Francisco. Sa thèse est simple : l’idée que l’IA va remplacer le logiciel est « la chose la plus illogique au monde. » Les agents IA consomment des outils, ils ne les réinventent pas. Un robot utilise un marteau, il ne refabrique pas le marteau.
Il a raison sur le fond. Et pourtant, le marché ne l’écoute pas. Pourquoi ?
Parce que la question n’est pas de savoir si le logiciel disparaît. La question est de savoir si les hypothèses qui justifiaient ses valorisations tiennent encore.
Ce que le marché valorisait dans le logiciel
Le SaaS bénéficiait à la base d’une prime de valorisation spectaculaire, lisible directement dans les multiples boursiers. Cette prime reposait sur trois propriétés rarement réunies dans un même modèle.
La prévisibilité des revenus d’abord. La facturation par siège générait des flux annuels récurrents et contractualisés. Le Net Revenue Retention des meilleurs acteurs atteignait 110 à 130 % : sans signer un seul nouveau client, la base de revenus croissait d’elle-même par expansion naturelle des contrats.
Les marges ensuite. Un logiciel se déploie à coût marginal quasi nul. Les marges brutes atteignaient couramment 70 à 80 %, s’améliorant mécaniquement avec la croissance de la base clients (Source : Montpensier Arbevel – mars 2026)
La protection concurrentielle enfin. Intégrer un ERP comme SAP ou un CRM tel que Salesforce dans les processus d’une organisation coûtait des mois de déploiement et des années d’acculturation. Changer de fournisseur revenait souvent plus cher que de rester avec l’existent. Ces switching costs créaient une rente très appréciée des investisseurs.
Ce que l’IA remet en cause
L’IA agentielle attaque ces trois piliers. On ne le constate pas encore dans les comptes publiés, mais les hypothèses qui fondent les valorisations futures sont modifiées. La correction boursière est un signal d’anticipation, pas une lecture des fondamentaux actuels.
Le modèle par siège d’abord. Un agent IA s’interface directement avec l’API d’un logiciel et exécute les tâches sans licence utilisateur. Le lien mécanique entre croissance des effectifs d’un client et croissance du chiffre d’affaires de l’éditeur se rompt. Si une entreprise obtient le même résultat avec 50 licences et des agents qu’avec 500 licences et des humains, l’éditeur perd 90 % du contrat sans que son client ait changé de logiciel.
La bascule vers la facturation à l’usage ensuite. Contraints de s’adapter, les éditeurs migrent progressivement vers des modèles moins liés au nombre d’utilisateurs. Bain & Company documente cette tendance dans son Technology Report 2025 : le passage du « human + app » au « AI agent + API » érode structurellement la pertinence du modèle par siège. Or la facturation à l’usage est cyclique et peut détruire mécaniquement la qualité de visibilité des revenus de ces entreprises.
Les barrières à l’entrée enfin. Claude Code, GitHub Copilot, Cursor réduisent drastiquement le coût et le délai de développement logiciel. Quand recoder une alternative fonctionnelle devient moins onéreux, les switching costs s’érodent avec eux. C’est ce que résumait Dario Amodei à Davos en janvier 2026 devant The Economist : « Je pense que nous sommes à six à douze mois du moment où le modèle sera capable de faire la plupart, voire la totalité, de ce que font les ingénieurs logiciels de bout en bout. J’ai des ingénieurs chez Anthropic qui me disent qu’ils n’écrivent plus aucune ligne de code. »
Pas de refuge dans l’économie digitale ?
La cybersécurité semblait le candidat évident : la menace croît avec l’IA, les défenseurs devraient en bénéficier. Cette thèse a tenu jusqu’au 20 février, date à laquelle Anthropic lance Claude Code Security : un outil qui scanne automatiquement les codebases à la recherche de vulnérabilités. CrowdStrike, Cloudflare, Okta, SailPoint ont tous reculé de 8 à 9 % en une séance.
Le même mécanisme a frappé la legal tech lors du lancement des plugins légaux de Claude Cowork en janvier : Thomson Reuters a décroché de près de 16 % en une séance, RELX de 14 %. L’advisory et les services financiers ensuite : un outil de planification fiscale automatisée a suffi à faire reculer LPL Financial, Charles Schwab et Raymond James de 7 à 9 % en une journée. La fintech, la health tech, les fournisseurs de données partout le même raisonnement s’applique : si un agent peut exécuter le workflow pour lequel le client payait plusieurs licences, quelle est la trajectoire de croissance à long terme de l’éditeur ?
La réponse du marché est dans les chiffres. La valorisation agrégée du secteur logiciel aux US, est passé de 30.4x le PER début janvier 2026 à 24x à fin février : une compression de plus de 20 % en moins de deux mois, sans que les bénéfices publiés aient matériellement changé. A titre de comparaison, le secteur des biens de consommation de base aux Etats-Unis se traite quasiment au même niveau de valorisation à cette même date.
La croissance future n’a pas disparu. Elle a changé d’adresse.
Le débat sur les pertes de revenus SaaS est pour l’instant mal posé. Les comptes publiés des grands éditeurs ne montrent pas encore de déclin. Ce que le marché anticipe, c’est un plafonnement de la croissance à moyen terme. Cette anticipation est alimentée par une donnée que personne ne peut ignorer : la croissance se matérialise ailleurs, à une vitesse sans précédent dans l’histoire du secteur technologique.
Anthropic en est l’illustration la plus frappante. La société affichait 87 millions de dollars de revenus annualisés début 2024. Lors de sa levée de 30 milliards de dollars en février 2026 à une valorisation de 380 milliards, Dario Amodei l’annonçait publiquement : « Notre run-rate de revenus est aujourd’hui de 14 milliards de dollars, avec une croissance de plus de 10x par an chacune de ces trois dernières années. ». Claude Code seul atteint 2,5 milliards de dollars de revenus annualisés en février 2026, un chiffre qui a plus que doublé depuis le début de l’année.
Cette accélération n’est pas due seulement à l’amélioration des modèles. Les ponts que ces labs IA ont créés entre agents IA et applications sont probablement le facteur le plus important (les MCP, model context protocol permettant l’échange entre IA et applications externes). Anthropic a ainsi forcé son intégration dans la chaine de valeur du logiciel, s’imposant peu à peu comme moyen privilégié pour interagir avec et accaparant une part du gâteau. Aujourd’hui, il faut un abonnement pour utiliser l’IA. Nous pouvons considérer que ces abonnements sont « sponsorisés », aidant à l’adoption. De l’autre coté, la connexion au LLM via API (Application Programming Interface) est facturée à la consommation de tokens (1 token est environ égal à un mot pour faire simple). Evidemment, plus le modèle traite des taches complexes plus c’est consommateur de tokens et peut faire exploser la facture.
OpenAI suit une trajectoire similaire : 2 milliards de dollars d’ARR fin 2023, 20 milliards fin 2025, avec un objectif annoncé de 100 milliards en 2027. Nous pouvons aussi citer Alphabet et son modèle Gemini qui connait une adoption fulgurante avec près de 750 millions d’utilisateurs actifs. Nous noterons que Meta s’est engagée dans une voie différente : celle de l’open source avec son modèle Llama et ne le monétise pas directement. Les avancées en IA chez Meta permettent une meilleure monétisation de sa régie publicitaire en offrant aux annonceurs un ciblage plus pertinent (résultats salués par le marché lors de la dernière publication trimestrielle).
Ces chiffres ne prouvent pas que Salesforce ou ServiceNow vont perdre des clients demain. Ils prouvent que des dizaines de milliards de dollars de dépenses technologiques s’orientent vers une couche nouvelle, à des vitesses que l’on n’a jamais connues. La part du budget IT qui ira aux LLM plutôt qu’aux licences applicatives est encore marginale. Mais sa trajectoire rend la question inévitable dans cinq ans, qui capturera la valeur : l’agent ou l’application qu’il pilote ?
C’est précisément ce que le marché est en train de pricer. Pas la mort du logiciel. Le début d’une redistribution. Tout cela explique aussi cette rotation de marché qui s’est opérée vers les titres dits « HALO » (Heavy Asset and Low Obsolence). Ces derniers offrent des qualités similaires au SaaS de l’époque : visibilité et barrières à l’entrée.
Glossaire :
SaaS (Software as a Service) : Modèle de distribution où le logiciel est hébergé dans le cloud et facturé par abonnement. Salesforce, Slack, ServiceNow en sont des exemples typiques.
LLM (Large Language Model) : Grand modèle de langage. Système d’IA entraîné sur de vastes corpus pour comprendre et générer du langage naturel. Claude, GPT-4, Gemini et Llama en sont des exemples.
API (Application Programming Interface) : Interface permettant à deux systèmes logiciels de communiquer. Un agent IA interagit avec un logiciel via son API sans interface graphique ni licence utilisateur dédiée.
MCP (Model Context Protocol) : Protocole standardisé développé par Anthropic pour connecter des agents IA à des applications externes. Il constitue le pont technique entre un LLM et l’écosystème logiciel existant.
Token : Unité de base du traitement dans un LLM, approximativement un mot. La facturation des APIs IA s’effectue au token consommé : plus la tâche est complexe, plus le coût est élevé.