L'IA transforme les contrats SaaS en engagements en matière d'infrastructure.

Le SaaS était censé être le remède contre la dépendance vis-à-vis des fournisseurs traditionnels. Payer au mois, bénéficier de mises à jour régulières, résilier son abonnement avec un préavis de 90 jours. Tout ce modèle reposait sur la flexibilité. Mais l'IA est en train de démanteler discrètement cette promesse — non pas en modifiant les conditions figurant en première page de votre contrat, mais en changeant la nature même de ce que vous achetez réellement.

Lorsque votre fournisseur de services cloud intègre un agent IA à sa suite bureautique, que votre fournisseur de CRM inclut un assistant IA capable d'apprendre à partir des données de votre pipeline, ou que votre fournisseur d'ERP déploie un workflow automatisé qui gère les décisions d'achat, cet « abonnement logiciel » commence à ressembler fortement à un contrat d'approvisionnement en électricité. Vous pouvez théoriquement changer de fournisseur, mais le coût réel d'un tel changement est désormais bien plus élevé que ce que l'on imagine au moment du renouvellement.

« Le contrat que vous avez signé l'année dernière n'a plus rien à voir avec celui que vous appliquez aujourd'hui — et la plupart des entreprises ne s'en sont pas encore rendu compte. »

Voici le principal défi auquel sont actuellement confrontés les responsables des achats, des finances et des technologies au sein des entreprises : les fonctionnalités d'IA transforment les relations SaaS, passant d'une logique d'abonnement à une logique d'infrastructure. Les organisations qui prendront conscience de cette évolution dès le début négocieront de meilleures conditions, mettront en place des architectures plus résilientes et éviteront de tomber dans une nouvelle forme de dépendance vis-à-vis des fournisseurs. Celles qui ne le feront pas se retrouveront prisonnières de conditions qu'elles n'avaient jamais eu l'intention d'accepter.

Pour comprendre à quel point les choses ont changé, il est utile de rappeler pourquoi le SaaS a bouleversé le marché des logiciels sur site au départ. Ce n’était pas le coût réduit qui faisait toute la différence, mais la fongibilité. Si votre fournisseur de logiciels RH augmentait ses prix ou prenait du retard sur les fonctionnalités, vous pouviez mener une évaluation comparative, migrer vos données et être opérationnel sur une nouvelle plateforme en moins de trois mois. Les coûts de changement étaient bien réels, mais ils étaient limités et prévisibles.

Les pratiques d'approvisionnement des entreprises se sont adaptées en conséquence. Les contrats à durée plus courte sont devenus la norme. La tarification à l'utilisation a offert aux acheteurs la flexibilité nécessaire pour évoluer sans s'engager de manière excessive. Les modèles axés sur les projets pilotes ont permis aux organisations de vérifier la pertinence d'une solution avant de signer des contrats pluriannuels. L'ensemble des stratégies d'approvisionnement a été conçu en partant du principe que les fournisseurs de SaaS étaient, dans une large mesure, interchangeables.

Cela fonctionnait parce que la valeur d'un produit SaaS reposait sur l'accès à des fonctionnalités logicielles : un ensemble de fonctionnalités, une interface utilisateur, une bibliothèque d'intégrations. Le logiciel ne vous connaissait pas. Il n'apprenait pas de vous. Vos données étaient stockées dans le système, mais l'intelligence du système ne s'enrichissait pas grâce à elles. Changer de fournisseur revenait à transférer des enregistrements structurés d'une base de données à une autre, et non à démanteler la compréhension de votre activité acquise par un modèle entraîné.

Le passage du modèle d'abonnement à celui de l'infrastructure ne s'opère pas par le biais d'un mécanisme unique. Il s'agit de la convergence de trois forces structurelles qui se renforcent mutuellement. Chacune d'entre elles est importante en soi. Ensemble, elles constituent une nouvelle réalité en matière d'approvisionnement.

1. Gravité des données

Lorsqu'un modèle d'IA est entraîné, affiné ou amélioré en continu à partir de vos données propriétaires — vos dossiers clients, vos tickets d'assistance, vos transcriptions d'appels commerciaux —, la migration cesse d'être un simple problème d'exportation de données pour devenir un enjeu d'architecture des données.

La migration SaaS traditionnelle consistait à transférer des données structurées. À l’ère de l’IA, la migration implique de se demander : où va le contexte appris par notre modèle ? Dans de nombreux cas, la réponse est qu’il ne va nulle part. Il reste chez le fournisseur, intégré à un système qu’aucun format d’exportation ne peut capturer. Votre investissement dans l'amélioration des performances de cette IA — l'étiquetage, les boucles de rétroaction, l'entraînement personnalisé — représente des coûts de changement qui n'apparaissent sur aucun bilan, mais qui sont bien réels lorsque vous essayez de partir.

« Changer de fournisseur de services cloud nécessite de repenser l'architecture de l'infrastructure. Changer de SaaS natif pour l'IA exige de plus en plus la même chose. »

2. Intégration des flux de travail

Les copilotes et assistants IA ne se contentent pas d'exécuter des tâches : ils transforment la manière dont les gens travaillent. Lorsqu'une équipe commerciale passe douze mois à travailler aux côtés d'une IA qui rédige ses e-mails de suivi, met en évidence les risques liés aux transactions et recommande les prochaines étapes, ses membres réorganisent leurs habitudes professionnelles en fonction des résultats fournis par l'IA. Le coût de transition n'est plus seulement technique. Il est comportemental et organisationnel.

Il s'agit d'une forme de dépendance qui est plus difficile à quantifier que la migration des données, mais qui peut s'avérer plus importante. Les employés subissent une perte de productivité à chaque fois qu'un processus de travail change ; lorsque ce changement implique le démantèlement d'un système d'IA avec lequel ils ont coévolué pendant des années, cette perte de productivité est profonde, prolongée et difficile à inverser.

3. Dépendance au modèle

La troisième force, et la plus sous-estimée, est la dépendance vis-à-vis des modèles. Lorsque les agents d'IA prennent des décisions lourdes de conséquences — rédaction de contrats, tri des demandes d'assistance client, élaboration de prévisions financières —, les organisations deviennent dépendantes non seulement de la plateforme logicielle, mais aussi du comportement, du calibrage et des schémas de raisonnement d'un modèle spécifique.

Votre équipe apprend à se fier aux résultats d'un modèle particulier. Vos processus s'articulent autour de ses taux d'erreur et de ses cas limites. Vos cadres de gouvernance sont adaptés à ses tendances spécifiques. Lorsque ce modèle est mis à jour — ou lorsque vous envisagez de passer à un concurrent dont le modèle se comporte différemment —, vous ne vous contentez pas de changer de logiciel. Vous introduisez une incertitude systématique dans les décisions sur lesquelles votre organisation a appris à s'appuyer.

Reconnaître cette évolution est la première étape. Pour y donner suite, il faut que les équipes chargées des achats, des finances et des technologies modifient leur approche des relations avec les fournisseurs de SaaS basés sur l'IA — et ce, dès la phase de négociation du contrat, et non après le déploiement.

Les contrats doivent comporter des clauses adaptées aux infrastructures

La portabilité des données, la transparence des modèles et des accords de niveau de service (SLA) pertinents doivent être négociés avec la même rigueur que celle que les entreprises réservaient autrefois aux contrats relatifs aux centres de données. Cela implique des dispositions explicites concernant l'exportation non seulement de vos données, mais aussi de vos artefacts d'entraînement, de vos configurations de modèles et de votre logique d'intégration. Cela implique également des droits d'audit sur la manière dont vos données sont utilisées pour améliorer les systèmes d'IA du fournisseur. Enfin, cela implique des SLA qui couvrent la qualité et la cohérence des résultats de l'IA, et pas seulement la disponibilité de la plateforme.

L'évaluation des fournisseurs doit s'inscrire dans une perspective à long terme

Évaluer un fournisseur de SaaS natif IA implique désormais d'examiner son fournisseur d'IA, ses politiques de mise à jour des modèles, ses pratiques en matière de gouvernance des données et sa feuille de route produit — et pas seulement son ensemble de fonctionnalités actuel. Un fournisseur s'appuyant sur un modèle de base provenant d'un fournisseur aux cycles de mise à jour agressifs présente un profil de risque différent de celui d'un fournisseur garantissant la stabilité de la version du modèle. Ces questions doivent figurer dans l'appel d'offres, et non dans l'évaluation post-déploiement.

Le coût total de sortie est le nouvel indicateur

Les équipes chargées des achats qui continuent d'évaluer les solutions SaaS uniquement en fonction du coût des licences et de l'adéquation des fonctionnalités passent à côté du principal facteur de risque. L'indicateur qui compte à l'ère de l'IA est le coût total de sortie : le coût économique global lié au fait de quitter un fournisseur, qui inclut la migration des données, la reconversion du personnel, la refonte des processus et le savoir-faire institutionnel actuellement intégré dans les résultats générés par l'IA. C'est la capacité à modéliser ce chiffre avant la signature — et non après le renouvellement — qui distingue les acheteurs avisés du reste.

La gouvernance doit s'étendre au comportement de l'IA

Lorsqu'une IA formule une recommandation ayant des conséquences importantes, la question de la responsabilité ne se résout pas d'elle-même. Les contrats devraient préciser les engagements relatifs aux versions des modèles, afin que les organisations sachent quand l'IA sur laquelle reposent leurs décisions évolue. Ils devraient inclure des obligations de contrôle humain pour les décisions dépassant des seuils définis. Et ils devraient établir des droits d'audit suffisamment solides pour garantir la conformité réglementaire dans les secteurs où les décisions générées par l'IA feront l'objet d'une surveillance de plus en plus étroite.

« Les entreprises qui considèrent dès le départ l'IA en mode SaaS comme une infrastructure négocieront de meilleures conditions, mettront en place des architectures plus résilientes et éviteront de se retrouver dans une nouvelle forme de dépendance vis-à-vis des fournisseurs. »

Tout cela ne constitue en rien un argument contre l'adoption de l'IA. Les gains de productivité sont bien réels, les avantages concurrentiels ne cessent de s'amplifier, et les entreprises qui restent sur la touche pendant que d'autres déploient l'IA à grande échelle en paieront le prix d'une autre manière.

Mais adoption et intentionnalité ne sont pas incompatibles. Les organisations qui tirent actuellement le meilleur parti de l’IA n’évitent pas de s’engager : elles le font de manière délibérée, en appliquant dès le départ à leurs relations avec les fournisseurs la même rigueur que celle requise pour leurs infrastructures. Elles négocient la portabilité des données avant même d’avoir produit des données qui méritent d’être migrées. Elles évaluent les coûts de changement avant de s’engager de manière irréversible. Elles posent les questions difficiles concernant la gouvernance des modèles avant que l’IA ne soit intégrée à leurs flux de travail.

Les entreprises qui vont rencontrer des difficultés ne sont pas celles qui se sont lancées trop vite dans l'IA. Ce sont celles qui ont évolué au rythme des abonnements, tandis que leurs priorités se sont discrètement déplacées vers le développement de l'infrastructure.

Votre prochain renouvellement SaaS n'est pas un simple contrat logiciel. C'est un choix architectural pour les cinq prochaines années. Votre équipe l'aborde-t-elle de cette manière ?

Considérations relatives aux achats : l'ère de l'abonnement face à l'ère de l'IA dans le domaine du SaaS

Liste de contrôle en 5 points pour l'examen des contrats SaaS liés à l'IA

Avant de signer ou de renouveler un contrat SaaS intégrant l'IA, votre équipe doit être en mesure de répondre à ces questions.

• Ce contrat prévoit-il des droits explicites en matière de portabilité des données si nous décidons de résilier le contrat ?
• Quels sont les modèles d'IA qui sous-tendent ces fonctionnalités, et quelle est la politique du fournisseur en matière de mises à jour ou de changements de version des modèles ?
• Quels sont nos droits en matière d'audit concernant les résultats et les recommandations générés par l'IA ?
• Avons-nous pris en compte l'ensemble des coûts liés au changement, notamment la migration des données, la reconversion du personnel et la refonte des processus ?
• Notre contrat prévoit-il des obligations en matière d'intervention humaine pour les décisions prises par l'IA ayant des conséquences importantes ?