Bain prévoit 100 milliards pour l'IA agentique dans le SaaS

Un potentiel de marché colossal pour l'IA agentique dans le SaaS

Bain & Company, cabinet de conseil de renommée mondiale, a récemment publié une étude prévoyant un marché potentiel de 100 milliards de dollars pour les entreprises SaaS qui intègrent l'IA agentique aux États-Unis. Ce marché émergent se concentre principalement sur l'automatisation des tâches de coordination au sein des systèmes d'entreprise, un domaine où l'IA pourrait révolutionner les pratiques actuelles.

Cette estimation ambitieuse est issue du deuxième rapport d'une série de cinq, consacrée à l'analyse de l'industrie du logiciel à l'ère de l'intelligence artificielle. Bain explore comment l'IA agentique pourrait non seulement créer de nouveaux marchés, mais aussi offrir aux entreprises SaaS des opportunités inédites pour optimiser leurs opérations.

L'automatisation des tâches de coordination : un enjeu central

Selon Bain, le marché visé concerne essentiellement le travail manuel que les employés effectuent entre différentes applications d'entreprise. Ces flux de travail incluent souvent des systèmes tels que les ERP (Enterprise Resource Planning), CRM (Customer Relationship Management) et divers outils de support. Ils peuvent également intégrer des outils de gestion des fournisseurs et des plateformes de messagerie électronique.

Les tâches typiques dans ce contexte incluent l'extraction de données d'un système pour les vérifier par rapport à une autre source, l'interprétation de messages non structurés, et la prise de décisions telles que l'approbation, la réponse, l'escalade ou l'attente. Bain souligne que les méthodes d'automatisation traditionnelles, basées sur des règles ou des processus robotiques, montrent leurs limites face à des flux de travail comportant de l'ambiguïté et des informations disséminées à travers plusieurs systèmes.

L'IA agentique, en revanche, est capable d'interpréter des informations provenant de diverses sources, de coordonner des actions entre différents systèmes et de fonctionner dans le respect des politiques établies. Bain précise que l'IA agentique ne vise pas à remplacer les plateformes SaaS, mais plutôt à convertir le travail de coordination intensif en dépenses logicielles. Actuellement, les fournisseurs capturent déjà entre 4 milliards et 6 milliards de dollars de ce marché aux États-Unis, laissant plus de 90 % de potentiel inexploité.

Répartition du marché par fonction

Le potentiel de marché n'est pas uniformément réparti entre les différentes fonctions d'entreprise. Bain estime que le secteur des ventes représente la plus grande part, avec environ 20 milliards de dollars. Cette dominance est attribuée au nombre élevé d'employés dans ce domaine, plutôt qu'à un potentiel d'automatisation exceptionnellement élevé.

Les coûts des biens vendus et les opérations totalisent environ 26 milliards de dollars. La taille considérable de la main-d'œuvre opérationnelle signifie que même des taux d'automatisation modestes peuvent se traduire par un marché adressable important. D'autres fonctions, telles que la recherche et développement, l'ingénierie, le support client et les finances, représentent chacune entre 6 milliards et 12 milliards de dollars en taille de marché adressable.

Le support client et les domaines de la R&D ou de l'ingénierie présentent le plus grand potentiel d'automatisation, avec environ 40 % à 60 % des tâches pouvant être automatisées. Ces secteurs bénéficient de données structurées, de processus standardisés et de signaux de sortie clairs. Les finances et les ressources humaines se situent dans une fourchette de 35 % à 45 %, avec un potentiel d'automatisation plus élevé pour des tâches comme les comptes à payer et la paie, tandis que la planification financière et les relations avec les employés nécessitent davantage de jugement.

Les ventes et l'informatique ont un potentiel d'automatisation compris entre 30 % et 40 %. Bain souligne que la complexité des relations, la variabilité d'une affaire à l'autre et la nature imprévisible des incidents de sécurité limitent l'automatisation dans ces domaines. Le secteur juridique présente un potentiel d'automatisation global plus faible, entre 20 % et 30 %, en raison de la nécessité d'une supervision stricte pour éviter les erreurs coûteuses.

Les facteurs clés de l'automatisation selon Bain

Bain identifie six facteurs déterminants pour évaluer la part d'un flux de travail pouvant être automatisée par un agent IA. Parmi ces facteurs figurent la vérifiabilité des résultats, la conséquence de l'échec, la disponibilité des connaissances numérisées et la variabilité des processus.

Les flux de travail avec des signaux de vérification clairs sont plus faciles à automatiser que ceux nécessitant un jugement subjectif. Des exemples incluent la compilation de code, la réconciliation des factures et la résolution des tickets de support. Les flux de travail impliquant des risques réglementaires ou financiers nécessitent néanmoins une supervision humaine, même si les agents IA sont techniquement capables.

Bain souligne également que la disponibilité des connaissances numérisées est cruciale. Les agents IA ont besoin d'accéder à des données structurées et à un contexte documenté, ainsi qu'à des entrées lisibles par machine, souvent détenues de manière informelle par des employés expérimentés.

La complexité d'intégration est un autre facteur important, surtout lorsque les flux de travail traversent plusieurs systèmes et API. Les couches d'authentification et les processus de gestion des exceptions ajoutent une complexité supplémentaire, rendant ces flux de travail plus difficiles à automatiser de bout en bout. Les domaines à plus forte valeur se concentrent là où aucun système d'enregistrement unique ne contrôle l'ensemble du résultat, englobant souvent les systèmes ERP, CRM et de support.

David Crawford, président de la pratique mondiale de technologie et de télécommunications de Bain, a déclaré que les entreprises SaaS ont passé les deux dernières décennies à construire des positions autour des systèmes d'enregistrement. La prochaine source d'avantage réside dans le « contexte décisionnel inter-flux de travail », c'est-à-dire la capacité d'interpréter et d'agir dans des flux de travail qui traversent plusieurs systèmes.

Exemples d'entreprises et de flux de travail adjacents

Le rapport de Bain cite plusieurs entreprises comme Cursor, Sierra, Harvey, Glean, Salesforce, ServiceNow et Workday pour illustrer l'adoption de l'IA agentique. Cursor, par exemple, a dépassé 16,7 millions de dollars de revenus mensuels moyens après avoir doublé ses revenus en un seul trimestre. Sierra a atteint 150 millions de dollars par an, Harvey 190 millions de dollars, et Glean 200 millions de dollars.

Bain mentionne également GitHub comme un exemple d'entreprise utilisant des données d'un flux de travail central pour s'étendre vers des activités adjacentes. Bien que son cœur de métier soit la collaboration des développeurs et le contrôle de version, GitHub a utilisé ses données de dépôt et de flux de travail pour soutenir l'expansion vers la productivité des développeurs assistée par IA et l'automatisation de la sécurité.

Selon Bain, les entreprises SaaS peuvent s'étendre par deux types d'automatisation des flux de travail. Le premier type consiste à automatiser les flux de travail centraux, où elles possèdent déjà des connaissances de domaine et la confiance des clients. Les intégrations de systèmes existants peuvent soutenir cette automatisation. Le second type concerne l'automatisation de flux de travail adjacents que l'entreprise ne dessert pas actuellement directement. Ces domaines peuvent être plus difficiles à identifier, car ils nécessitent une cartographie détaillée des flux de travail des clients et des données sous-jacentes qui soutiennent les décisions.

Les modèles de tarification pourraient évoluer lorsque les agents livrent des résultats complets. Bain note que la tarification basée sur les résultats et l'utilisation pourrait devenir plus pertinente lorsque les agents résolvent des problèmes ou traitent des factures, contrastant avec la tarification traditionnelle basée sur les sièges et les connexions.

Recommandations de Bain pour les entreprises SaaS

Bain recommande aux entreprises SaaS de commencer par identifier quels flux de travail clients peuvent désormais être automatisés grâce à l'IA agentique. La firme suggère d'évaluer l'automatisation au niveau des sous-processus, plutôt que de considérer l'ensemble des fonctions comme également automatisables.

Le rapport souligne également l'importance d'évaluer la qualité des données. Bain indique que les entreprises doivent vérifier si leurs données sont complètes, liées aux résultats et utilisables pour l'automatisation.

Pour combler les lacunes de capacité, Bain propose plusieurs approches : le développement interne, les acquisitions ou les partenariats. Le rapport cite des exemples tels que le développement de la plateforme Axon par AppLovin, l'acquisition de Moveworks par ServiceNow, et le partenariat de Salesforce avec Workday.

Enfin, Bain insiste sur la nécessité de talents en ingénierie IA, d'une architecture cloud-native pour l'orchestration multi-agents, et de financements pour l'entraînement et l'inférence des modèles. La firme recommande d'aligner la tarification et les incitations commerciales sur les résultats pilotés par l'IA, plutôt que sur des modèles hérités basés sur les sièges.

Bain conclut que les entreprises SaaS devront également développer des fondations de données et de produits conçues pour des flux de travail agentiques, incluant des transferts lisibles par machine et des systèmes qui capturent les décisions et les résultats de chaque exécution de flux de travail.

David Crawford a souligné que le calendrier pour les entreprises SaaS est « mesuré en trimestres, pas en années », alors que les entreprises natives de l'IA collectent davantage de données de déploiement avec chaque flux de travail client qu'elles automatisent.