Marcus Belke
CEO de 2B Advice GmbH, moteur de l'innovation dans le domaine de la vie privée conformité et de la gestion des risques, et a dirigé le développement d'Ailance, la nouvelle génération de conformité plateforme.
Lorsque Satya Nadella, PDG de Microsoft, a déclaré en 2025 dans le podcast BG2 que les applications SaaS classiques s'effondreraient à l„“ ère des agents », le titre a rapidement fait la une : « Le SaaS est mort ».
En quelques jours, cette thèse a fait le tour des blogs, des réseaux sociaux et des magazines spécialisés dans les technologies. Beaucoup l'ont interprétée comme une prévision radicale d'un avenir dans lequel les agents IA rendraient les logiciels superflus et où les entreprises n'auraient plus besoin d'applications, mais uniquement de systèmes intelligents capables de tout faire.
Mais cette interprétation est réductrice. Le message réel est plus subtil et plus pertinent pour les entreprises que le titre provocateur.
Le SaaS n'est pas vraiment mort
Nadella ne décrit pas la fin du genre SaaS, mais un changement au niveau de l'interaction. De nombreuses applications SaaS actuelles fonctionnent selon le même principe : elles offrent des interfaces utilisateur pour des opérations simples sur des bases de données, qui sont entourées de logique métier et de masques de commande.
Si, à l'avenir, les agents IA adoptent cette logique, c'est-à-dire comprennent les objectifs, orchestrent les systèmes et exécutent les tâches, le point d'accès pour les utilisateurs changera. Au lieu d'ouvrir dix applications différentes, ils s'adresseront à un agent qui se chargera de la tâche.
Les plateformes situées en dessous ne disparaissent toutefois pas. Au contraire, leur importance augmente. En effet, lorsque tout converge vers le haut, il faut définir plus clairement que jamais comment les données sont reliées entre elles, qui prend quelles décisions et comment les processus s'imbriquent les uns dans les autres.
Dans le cadre de cette transition, les applications qui ont évolué au fil des ans pour devenir un code spaghetti instable, avec des dépendances entremêlées, des structures de données floues et une logique difficile à comprendre, sont particulièrement vulnérables. Ces applications sont mises sous pression, car les agents ne peuvent pas travailler de manière fiable dessus. En revanche, les plateformes stables et structurées gagnent en importance.
Pourquoi l'IA a besoin d'une structure
Les modèles d'IA modernes sont impressionnants. Mais ils ont un point commun : ils ne peuvent fonctionner qu'avec ce qu'ils trouvent. C'est là le cœur du principe. „ Garbage in, garbage out “ (si l'on entre des données erronées, on obtient des résultats erronés)“.
Lorsque les données d'entreprise sont incomplètes, contradictoires ou disparates, l'IA génère certes des formulations plausibles, mais pas de résultats fiables. C'est ce que vivent actuellement de nombreuses organisations : les projets pilotes fournissent des réponses qui semblent convaincantes, mais qui ne sont pas correctes dans les détails. La cause en est rarement le modèle d'IA utilisé, mais plutôt le manque de structure.
Un exemple simple illustre bien le problème :
Une IA peut connaître le terme „ prestataire de services “. Mais sans modèle illustrant comment ce prestataire est lié aux activités de traitement, aux contrats, aux risques ou aux mesures techniques, sa compréhension reste superficielle. Il manque le contexte sur lequel se basent les véritables décisions.
Pour fonctionner de manière fiable, l'IA a besoin de plus que des données : elle a besoin d'une Base de données structurée de l'entreprise.
Pourquoi une base structurée devient un facteur clé de succès
Les chercheurs et les analystes sont unanimes : ce n'est qu'une fois les données modélisées, les relations définies et les règles de gouvernance clairement établies que l'IA d'entreprise peut gagner en fiabilité. Les entreprises ont besoin de structures qui montrent comment les processus, les systèmes, les risques et les responsabilités sont liés entre eux.
C'est exactement ce que fait Ailance. Au lieu de documents éparpillés, on obtient un modèle cohérent de la réalité de l'entreprise, un graphe de connaissances dans lequel les activités de traitement, les systèmes, les fournisseurs, les risques et les autorisations sont reliés entre eux avec précision. Dans ce modèle, l'IA peut non seulement rechercher, mais aussi comprendre.
Cette structure offre un avantage décisif à l'ère des agents : le contexte.
Il rend l'IA non seulement plus efficace, mais aussi plus fiable et plus explicable.
Ce que l'IA peut soudainement accomplir grâce à cette structure
Une fois la logique de l'entreprise clairement modélisée, le rôle de l'IA change sensiblement.
Un agent peut alors non seulement répondre à des questions, mais aussi reconnaître des liens. Quelles Traitement Quels systèmes sont utilisés ? Où apparaissent certaines catégories de données ? Où trouve-t-on des modèles indiquant des risques ?
Il peut préparer des processus, rendre les décisions compréhensibles et fournir des réponses lors d'audits qui, aujourd'hui, ne peuvent être élaborées qu'au prix d'efforts considérables. En bref, il devient un véritable outil de travail.
Sans cette structure, l'IA reste superficielle. Elle impressionne jusqu'à ce qu'on lui pose des questions concrètes. C'est précisément pour cette raison que de nombreuses initiatives précoces en matière d'IA ont échoué lors de leur mise en œuvre pratique.
L'IA Shadow met le problème en évidence, Ailance le résout
L'utilisation d'outils d'IA par les employés de nombreuses entreprises en dehors des processus officiels („ Shadow AI “) est moins un Violation comme un symptôme : l'organisation ne leur offre pas de cadre structuré et sûr pour aborder l'IA.
Ce n'est qu'une fois clairement défini quelles données peuvent être utilisées à quelles fins, qui y a accès et comment les modifications restent traçables qu'une base fiable peut être établie.
Ailance modélise précisément cette base, afin que l'IA ne soit pas un outil fantôme, mais qu'elle soit intégrée dans un système responsable. L'IA devient ainsi partie intégrante d'un système responsable qui Transparence crée plutôt que de l'incertitude.
Conseil de lien : Gérez tous vos projets d'IA de manière centralisée, conforme à la législation et aux exigences d'audit grâce à Ailance AI Governance.
Le SaaS est-il donc mort ?
Le SaaS n'est pas mort. Mais le SaaS sans structure ne survivra pas à l'ère des agents.
L'avenir appartient aux plateformes qui mettent en réseau les connaissances, opérationnalisent la gouvernance et placent l'IA dans un contexte compréhensible pour elles.
Ceux qui créent des structures aujourd'hui gagneront demain en rapidité, en fiabilité et en sécurité d'action, et donc un avantage décisif dans un monde où l'IA devient la norme. Les entreprises qui continuent à miser sur des outils isolés et des environnements de données développés au fil du temps risquent d'obtenir des résultats peu fiables et de se heurter à une complexité croissante.
Les entreprises qui misent en revanche sur des plateformes structurées telles qu'Ailance créent une base fiable pour l'IA : des relations claires, des décisions compréhensibles et un ordre logique que les agents comprennent.
Source : Satya Nadella dans le podcast BG2
Marcus Belke est CEO de 2B Advice ainsi que juriste et expert en IT pour Protection des données et numérique Conformité. Il écrit régulièrement sur la gouvernance de l'IA, la conformité au RGPD et la gestion des risques. Pour en savoir plus sur lui, consultez son Page du profil de l'auteur.
German 
English 
Italian 
French