Le PDG d'Atlassian : le SaaS ne meurt pas, il se met au travail

Pourquoi le récit de l’apocalypse SaaS se trompe de cible

Mike Cannon-Brookes (PDG d’Atlassian) et Alex Rampell (associé général chez a16z) ont eu l’une des conversations les plus percutantes à ce jour sur ce que l’IA fait réellement à l’industrie du logiciel. Leur argument central : la panique des marchés confond trois types de sociétés SaaS fondamentalement différents, et la vraie histoire n’est pas la mort du logiciel — c’est le logiciel qui devient le travailleur.

Sur la métaphore du classeur qui cadre tout le débat : “The whole history of software from 1960 until 2022 was you would take a filing cabinet and you turn it into a database. The cool thing about everything that’s happening in AI land is that the filing cabinet can do work.” (Toute l’histoire du logiciel de 1960 à 2022, c’est qu’on prenait un classeur et on le transformait en base de données. Ce qu’il y a de formidable avec tout ce qui se passe dans le monde de l’IA, c’est que le classeur peut maintenant travailler.) Cannon-Brookes retrace la généalogie depuis Saber Systems (1960, réservations aériennes), les dossiers médicaux électroniques jusqu’à Salesforce — tout cela n’était que de la numérisation du stockage. Désormais, la couche de stockage peut agir. QuickBooks ne se contente plus de tenir vos livres de comptes ; il peut accomplir des tâches de manière autonome.

Sur les trois types de SaaS (le cadre d’Alex Rampell) :

1. Les licences liées aux résultats (Zendesk) — véritablement menacées. Si l’IA traite les tickets, le nombre de licences pourrait tomber à zéro. Mais pourrait aussi tripler ou quadrupler si le modèle passe à une tarification à la performance.
2. Les licences comme artifice tarifaire (Workday) — à l’abri. La tarification par employé semble équitable, mais les employés n’utilisent pas Workday pour produire des résultats. Le système d’enregistrement est la valeur. L’IA le rend encore plus indispensable, car Workday peut désormais effectuer des vérifications de références, des enquêtes de sécurité — des tâches qui nécessitaient des humains.
3. La zone intermédiaire (Adobe, Salesforce) — nuancée. Peut-être moins de licences en front-end, mais les données back-end sont irremplaçables.

Sur pourquoi le “vibe coding” ne tuera pas le SaaS entreprise : Rampell invoque la théorie des avantages comparatifs de David Ricardo (1817) : “You could also grow your own food. You could weld your own aluminum. But I have a comparative advantage filming podcasts with you.” (Vous pourriez aussi cultiver votre propre nourriture. Vous pourriez souder votre propre aluminium. Mais moi, j’ai un avantage comparatif à enregistrer des podcasts avec vous.) Le fond de l’argument : les logiciels d’entreprise intègrent des décennies de cas particuliers accumulés — « Que se passe-t-il en Indiana si la personne part en congé maternité ? » — qu’on ne peut pas reproduire en invitant un LLM. Ces règles ne sont pas publiées ; elles s’apprennent par l’expérience.

Sur les entreprises comme ensembles de processus, et non comme classeurs : Cannon-Brookes recadre toute la discussion. “Businesses are a set of processes. They’re not a system of record.” (Les entreprises sont un ensemble de processus. Ce ne sont pas des systèmes d’enregistrement.) Il distingue les processus contraints par les entrées (service client — demande fixe, optimiser le débit) des processus contraints par les sorties (travail créatif, ingénierie — potentiel illimité, prendre le gain d’efficacité et en faire davantage). Ce cadrage détermine si l’IA remplace les travailleurs ou amplifie la production.

Sur le goulot d’étranglement du design dont personne ne parle : L’enseignement le plus sous-estimé : les capacités de l’IA dépassent de loin l’expérience utilisateur capable de les délivrer. “Give people a chat box that can do unlimited power and they’re like, ‘tell me a dad joke.’” (Donnez aux gens une boîte de chat avec une puissance illimitée et ils vous demandent : “raconte-moi une blague nulle”.) Cannon-Brookes décrit le problème de confiance — des utilisateurs terrifiés à l’idée que l’IA envoie 15 e-mails sans supervision — et le « problème des 50 stagiaires » où la gestion des sorties des agents devient le vrai goulot d’étranglement. La solution d’Atlassian : des agents dans Jira avec lesquels vous pouvez dialoguer en cours de tâche pour instaurer la confiance progressivement.

Sur pourquoi la tarification à la consommation échoue : Les clients détestent les crédits IA parce qu’ils ne peuvent pas les contrôler ni les comparer. Cannon-Brookes les appelle des « jetons de casino » — opaques, non transférables, et gonflés quand les éditeurs ajoutent des fonctionnalités qui consomment des crédits sans prévenir. La tarification à la licence persiste parce qu’elle paraît équitable, même si elle est économiquement imprécise.

6 enseignements clés du PDG d’Atlassian sur l’IA et le SaaS

• Trois types de SaaS — Licences liées aux résultats (à risque), licences comme artifice tarifaire (à l’abri), zone intermédiaire (nuancée). Le marché ne fait pas la différence
• Le logiciel devient le travailleur — L’ère du classeur (1960-2022) stockait les données ; l’ère de l’IA fait passer ces données à l’action
• Le “vibe coding” ne remplacera pas le logiciel d’entreprise — Les cas particuliers accumulés sur des décennies ne peuvent pas être reproduits par des invites ; la théorie de l’avantage comparatif s’applique
• Les entreprises sont des processus, pas des archives — Les processus contraints par les entrées (à optimiser) et les processus contraints par les sorties (à amplifier) nécessitent des stratégies IA différentes
• Le design est le vrai goulot d’étranglement — La confiance, l’expérience itérative et la boucle humain-agent sont des problèmes de design non résolus, pas des problèmes technologiques
• La tarification à la consommation se retourne contre ses auteurs — Les crédits IA ressemblent à des « jetons de casino » ; les clients veulent une tarification prévisible, équitable et maîtrisable

Ce que cela signifie pour les organisations qui déploient des agents IA

Cannon-Brookes et Rampell convergent vers une conclusion qui concerne chaque organisation : la révolution IA ne consiste pas à remplacer votre pile logicielle — il s’agit que votre pile logicielle se mette à travailler. Les gagnants seront les plateformes qui résolvent le problème de design de la collaboration humain-agent, pas seulement le problème technologique des capacités de l’IA. Pour les entreprises qui évaluent l’adoption de l’IA, la question n’est pas « quel SaaS abandonner » mais « quels processus sont contraints par les entrées (à automatiser) ou par les sorties (à amplifier) ? » Cette distinction définit toute votre stratégie IA.