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 traditionnelles s'effondreraient à l„“ ère des agents », le titre a rapidement fait le tour des médias : « Le SaaS est mort ».
En l'espace de quelques jours, cette thèse a fait le tour des blogs, des réseaux sociaux et des magazines spécialisés dans les technologies. Beaucoup y ont vu une prévision radicale d'un avenir dans lequel les agents d'IA rendraient les logiciels obsolètes et où les entreprises n'auraient plus besoin d'applications, mais uniquement de systèmes intelligents capables de tout gérer.
Mais cette interprétation est réductrice. Le message réel est plus subtil et plus pertinent pour les entreprises que ce titre provocateur.
Le SaaS n'est pas vraiment mort
Nadella ne décrit pas la fin du modèle SaaS, mais un changement de niveau d'interaction. De nombreuses applications SaaS actuelles fonctionnent selon le même principe : elles proposent des interfaces utilisateur permettant d'effectuer des opérations simples sur des bases de données, encadrées par une logique métier et des écrans de commande.
Si, à l'avenir, les agents d'IA adoptent cette logique, c'est-à-dire s'ils comprennent les objectifs, coordonnent les systèmes et exécutent les tâches, le point d'accès pour les utilisateurs et utilisatrices changera. Au lieu d'ouvrir dix applications distinctes, ils s'adresseront à un agent qui se chargera de la tâche.
Les plateformes situées en aval ne disparaissent toutefois pas. Au contraire : leur importance ne cesse de croître. En effet, si tout converge vers le haut, il faut définir plus clairement que jamais, en aval, comment les données sont reliées entre elles, qui prend quelles décisions et comment les processus s'articulent les uns aux autres.
Dans ce contexte de mutation, les applications qui, au fil des années, se sont transformées en un « code spaghetti » instable sont particulièrement vulnérables ; elles présentent des dépendances entremêlées, des structures de données floues et une logique difficile à suivre. Ces applications sont mises sous pression, car les agents ne peuvent pas fonctionner de manière fiable sur celles-ci. 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'à partir des données dont ils disposent. C'est là l'essence même du principe „ Si les données d'entrée sont erronées, les résultats le seront aussi “.
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 constatent actuellement de nombreuses organisations : les projets pilotes fournissent des réponses qui semblent convaincantes, mais qui, dans le détail, ne tiennent pas la route. La cause en est rarement le modèle d’IA utilisé. C’est plutôt l’absence de structure.
Un exemple simple illustre bien le problème :
Une IA peut connaître le terme „ prestataire de services “. Mais sans modèle illustrant le lien entre ce prestataire et les opérations de traitement, les contrats, les risques ou les mesures techniques, cette compréhension reste superficielle. Il manque le contexte sur lequel reposent les véritables décisions.
Pour que l'IA puisse fonctionner de manière fiable, elle a besoin de bien 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 que les données ont été modélisées, que les relations ont été définies et que les règles de gouvernance ont été clairement établies que l'IA d'entreprise gagne en fiabilité. Les entreprises ont besoin de structures qui mettent en évidence les liens entre les processus, les systèmes, les risques et les responsabilités.
C'est exactement ce que propose Ailance. Au lieu d'une multitude de documents dispersés, 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 est non seulement capable d'effectuer des recherches, mais aussi de 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 compréhensible.
Ce que l'IA est soudain capable de faire grâce à cette structure
Lorsque la logique de l'entreprise est clairement modélisée, le rôle de l'IA évolue sensiblement.
Un agent peut alors non seulement répondre à des questions, mais aussi identifier des contextes. Quel Traitement Quels systèmes sont utilisés ? Où apparaissent certaines catégories de données ? Où trouve-t-on des modèles indiquant des risques ?
Il permet de préparer des processus, de rendre les décisions compréhensibles et d'apporter, lors d'audits, des réponses qui ne peuvent aujourd'hui 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 fait forte impression 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.
« Shadow AI » 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 que lorsque les règles sont clairement définies – quelles données peuvent être utilisées à quelles fins, qui y a accès et comment garantir la traçabilité des modifications – 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 un SaaS dépourvu de structure ne survivra pas à l'ère des agents.
L'avenir appartient aux plateformes qui mettent en réseau les connaissances, rendent la gouvernance opérationnelle et replacent l'IA dans un contexte qu'elles peuvent comprendre.
Ceux qui mettent en place une structure aujourd’hui gagneront demain en rapidité, en fiabilité et en assurance dans l’action, et bénéficieront ainsi d’un avantage décisif dans un monde où l’IA devient la norme. Les entreprises qui continuent de s’appuyer sur des outils isolés et des environnements de données hétérogènes risquent d’obtenir des résultats peu fiables et de se heurter à une complexité croissante.
En revanche, les entreprises qui misent 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 peuvent comprendre.
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, RGPD-Conformité et la gestion des risques. Pour en savoir plus sur lui, rendez-vous sur son Page du profil de l'auteur.
German 
English 
Italian 
French