La fin annoncée d'un modèle dominant
L'industrie du logiciel en tant que service traverse une mutation profonde. Après avoir dominé pendant plus de deux décennies, le modèle de tarification par siège (per-seat licensing) montre ses limites face à l'essor de l'intelligence artificielle. Cette transformation ne relève pas d'un simple ajustement tarifaire, mais d'une refonte complète de la proposition de valeur des éditeurs de logiciels.
Selon le rapport 2025 State of B2B Monetization de Growth Unhinged, la part des entreprises utilisant exclusivement la tarification par siège a chuté de 21 pour cent à 15 pour cent en seulement 12 mois, tandis que les modèles hybrides ont bondi de 27 pour cent à 41 pour cent. Cette évolution traduit une réalité incontournable : l'IA permet désormais d'accomplir avec moins d'utilisateurs humains des tâches qui nécessitaient auparavant des équipes entières.
Le paradoxe est frappant. Les entreprises adoptant des outils d'IA augmentent leur productivité tout en réduisant potentiellement leurs coûts logiciels, puisque moins de sièges sont nécessaires. Cette équation met les éditeurs SaaS face à un dilemme majeur : continuer sur le modèle traditionnel revient à s'auto-limiter dans un marché en pleine expansion technologique.
Pourquoi l'IA rend obsolète la tarification par utilisateur
La logique du pricing par siège repose sur une prémisse simple : chaque utilisateur humain génère de la valeur en utilisant le logiciel. Ce modèle a parfaitement fonctionné à l'ère des CRM, des ERP et des outils collaboratifs traditionnels. Mais l'intelligence artificielle bouleverse cette équation de trois manières fondamentales.
Premièrement, les agents IA effectuent des tâches sans nécessiter de "siège" au sens traditionnel. Un assistant IA peut traiter des milliers de requêtes clients, analyser des volumes massifs de données ou générer du contenu sans jamais occuper un poste de travail humain. Comment facturer ces capacités dans un modèle conçu pour des utilisateurs physiques ?
Deuxièmement, l'IA amplifie radicalement la productivité des utilisateurs existants. Un développeur équipé de GitHub Copilot peut accomplir le travail de plusieurs développeurs traditionnels. Un analyste utilisant des outils d'IA générative peut produire en quelques heures ce qui prenait des jours. Dans ce contexte, facturer au siège pénalise paradoxalement les entreprises les plus efficaces.
Troisièmement, la valeur créée devient décorrélée du nombre d'utilisateurs. Une PME de 50 personnes dotée d'outils IA performants peut désormais rivaliser avec des organisations de plusieurs centaines d'employés. L'ancienne équation "plus d'utilisateurs égal plus de revenus" ne tient plus face à cette réalité.
Les données du marché confirment cette tendance. Les entreprises maintenant des modèles traditionnels par siège pour leurs produits IA affichent des marges brutes inférieures de 40 pour cent et un taux de désabonnement 2,3 fois supérieur à celles ayant adopté des modèles basés sur l'usage ou les résultats.
Les nouveaux modèles tarifaires émergents
Face à cette disruption, trois grands modèles alternatifs se dessinent, chacun répondant à des logiques différentes de création de valeur.
La tarification à la consommation (consumption-based)
Ce modèle facture l'usage réel du service, qu'il s'agisse de tokens traités, de conversations gérées ou d'actions exécutées. Salesforce a marqué un tournant en octobre 2025 avec sa plateforme Agentforce, facturée 2 dollars par conversation d'agent IA, abandonnant ainsi le pricing par utilisateur qui constituait le socle de son modèle économique depuis des décennies.
Zendesk suit une approche similaire en facturant par ticket résolu par IA, tandis qu'Intercom applique un tarif de 0,99 dollar par résolution automatisée. Cette logique aligne directement le coût avec l'activité générée, offrant une prévisibilité budgétaire basée sur le volume d'opérations plutôt que sur la taille des équipes.
L'avantage principal réside dans la transparence et l'équité perçue : les entreprises paient proportionnellement à leur utilisation réelle, sans subventionner des sièges inactifs. Cependant, 65 pour cent des responsables IT interrogés rapportent avoir connu des dépassements budgétaires inattendus avec ces modèles, soulignant la nécessité d'une meilleure gouvernance de la consommation.
La tarification par résultat (outcome-based)
Plus radical encore, ce modèle facture non pas l'usage mais le résultat obtenu. Il représente l'aboutissement logique de la proposition de valeur SaaS : les clients paient pour des objectifs atteints plutôt que pour des fonctionnalités accessibles.
Certains éditeurs proposent désormais de facturer au lead qualifié généré, au bug corrigé automatiquement, ou au contrat conclu grâce à l'IA. Cette approche transforme fondamentalement la relation client-fournisseur : l'éditeur devient partenaire de la performance de son client, partageant les risques et les bénéfices.
L'adoption reste encore limitée en raison de la complexité de mesure et d'attribution des résultats, mais les analystes prévoient une croissance significative de ce modèle à mesure que les capacités d'IA deviennent plus prédictibles et mesurables.
Les modèles hybrides
Dans la pratique, nombreux sont les éditeurs qui optent pour des approches hybrides combinant plusieurs logiques tarifaires. Le modèle le plus répandu associe une base d'abonnement par siège pour les utilisateurs humains avec une facturation à la consommation pour les agents IA ou les fonctionnalités avancées.
Zendesk illustre parfaitement cette stratégie en facturant les agents humains au siège tout en appliquant un tarif par ticket pour les résolutions automatisées par IA. Cette approche permet de gérer la transition sans rupture brutale tout en préparant l'avenir.
D'autres combinent un engagement minimal (committed usage) avec une facturation supplémentaire au-delà d'un certain seuil de consommation. Les entreprises achètent par exemple un nombre de crédits d'IA inclus dans leur abonnement, puis paient à l'usage au-delà de cette enveloppe.
Implications stratégiques pour les DSI et les équipes techniques
Cette transformation des modèles tarifaires impose aux organisations de repenser leur approche de gestion des logiciels et de gouvernance IT. Les directions informatiques doivent développer de nouvelles compétences de pilotage centrées sur la mesure de la valeur plutôt que sur le simple décompte des licences.
La première priorité consiste à établir une visibilité précise sur la consommation réelle. Contrairement aux sièges qui sont statiques et facilement comptabilisables, les modèles à l'usage nécessitent des outils de monitoring sophistiqués pour tracker les appels API, les tokens consommés ou les actions exécutées. L'absence de cette visibilité expose les organisations à des dépassements budgétaires importants.
Ensuite, l'optimisation devient continue. Là où un contrat par siège restait stable sur toute sa durée, les modèles à la consommation requièrent un ajustement permanent. Les équipes doivent identifier les usages inefficaces, arbitrer entre différents fournisseurs sur la base du coût par résultat, et adapter dynamiquement l'allocation des ressources.
L'architecture applicative elle-même doit évoluer. Les développeurs doivent désormais intégrer la dimension coût dans leurs décisions de conception, en optimisant les prompts pour réduire la consommation de tokens ou en mettant en cache intelligemment les résultats pour limiter les appels API coûteux. Le FinOps, discipline jusqu'ici cantonnée au cloud infrastructure, s'étend désormais aux applications SaaS.
Enfin, la négociation contractuelle change de nature. Au-delà des remises sur volume traditionnelles, les contrats doivent désormais inclure des clauses de plafonnement de consommation, des garanties de performance (SLA basés sur les résultats) et des mécanismes de révision tarifaire liés à l'évolution des usages.
Vers un équilibre entre innovation et prévisibilité
L'industrie ne converge pas vers un modèle unique mais vers une diversité d'approches adaptées aux différents types de valeur créée. Les outils collaboratifs traditionnels comme Slack ou Microsoft Teams conserveront probablement un pricing par siège, tandis que les plateformes d'IA pure adopteront massivement la facturation à l'usage ou au résultat.
Les éditeurs qui réussiront cette transition seront ceux qui parviendront à concilier trois impératifs apparemment contradictoires : l'alignement avec la valeur client, la prévisibilité des revenus et la simplicité de compréhension. Un modèle tarifaire trop complexe, même théoriquement optimal, échouera face à la résistance des acheteurs et à la difficulté de gestion.
L'année 2026 sera déterminante. Les premiers retours d'expérience sur les modèles innovants de Salesforce, les évolutions de positionnement des leaders du marché et l'émergence de standards de mesure de consommation dessineront les contours du SaaS de demain. Pour les organisations, le message est clair : la maîtrise de ces nouveaux modèles économiques devient un enjeu stratégique aussi important que l'adoption technologique elle-même.
Articles connexes
Pour approfondir le sujet, consultez également ces articles :
