L’essor de l’IA générative et des agents autonomes bouleverse le modèle économique de l’industrie du logiciel. Longtemps fondés sur la vente de licences et les abonnements facturés par utilisateur, les éditeurs doivent désormais s’adapter à des solutions capables non seulement de fournir des fonctionnalités, mais aussi d’exécuter directement des tâches et de produire des résultats. Cette évolution remet en question les modes de tarification traditionnels et les oblige à repenser la manière de monétiser la valeur créée par l’IA.
C’est l’un des constats majeurs ressortis d’une table ronde consacrée à la monétisation de l’IA dans le secteur du logiciel, réunissant Anne Grèze, directrice des partenariats chez Lefebvre Dalloz, Michael Mansard, directeur de la stratégie chez Zuora, et François Candelon, partner chez Seven2. Les échanges ont notamment fait ressortir un paradoxe. Alors que les entreprises accélèrent leurs investissements dans l’IA, elles peinent encore à en mesurer les retombées économiques. L’augmentation des budgets ne se traduit pas nécessairement par un retour sur investissement à la hauteur des attentes.
La facturation par utilisateur remise en question
Pendant des décennies, les éditeurs de logiciels ont principalement tiré leurs revenus de la vente de licences, puis d’abonnements SaaS facturés selon le nombre d’utilisateurs. Avec l’arrivée des agents IA, ce modèle montre aujourd’hui ses limites. En prenant en charge des tâches jusque-là réalisées par des salariés, ces agents peuvent réduire le nombre de licences nécessaires dans les entreprises. Le service client en offre une illustration concrète. Alors que les logiciels traditionnels mettaient des outils à la disposition des conseillers pour les aider à traiter les demandes, les agents IA sont désormais capables d’en résoudre directement une partie. Selon Michael Mansard, ils peuvent ainsi prendre en charge de manière autonome 60 à 70 % des demandes, en fonction des solutions et des contextes.
Cette évolution change profondément la nature de l’offre des éditeurs. Ils ne vendent plus seulement un outil destiné à faciliter le travail des collaborateurs, mais une solution capable d’effectuer certaines tâches à leur place. La facturation par utilisateur perd donc de sa pertinence. Si les agents IA réduisent le nombre de licences humaines nécessaires, les revenus récurrents des fournisseurs risquent de diminuer, même lorsque leurs solutions créent davantage de valeur. Le modèle économique se complique également du côté des coûts. Contrairement aux logiciels traditionnels, dont le coût marginal par utilisateur supplémentaire reste généralement limité, les solutions d’IA générative engendrent des dépenses variables, liées notamment au volume de requêtes, à la complexité des traitements et à la consommation de tokens. Comme le souligne Michael Mansard, « le prix des tokens a tendance à chuter, mais la consommation augmente beaucoup plus vite que la chute des prix ». La baisse du coût unitaire ne compense donc pas nécessairement la hausse des usages.
Quatre grandes approches de tarification
Face à ces évolutions, plusieurs modèles de facturation se dessinent. Le premier consiste à facturer l'agent IA comme une ressource supplémentaire, à l'image d'un collaborateur. Une approche simple à comprendre, mais qui peut rapidement montrer ses limites lorsque l'activité de l'agent entraîne une hausse importante des coûts d'utilisation. Une deuxième possibilité repose sur la facturation à la consommation. Le client paie alors en fonction des ressources utilisées, qu'il s'agisse du nombre de requêtes, de tokens ou d'opérations réalisées. Ce modèle permet aux éditeurs de mieux répercuter leurs coûts d'exploitation, mais ne garantit pas que le montant facturé corresponde à la valeur réellement produite. « Ce n'est pas parce que mon IA tourne que je crée de la valeur », rappelle Michael Mansard.
Une troisième approche consiste à facturer les opérations effectuées par l'IA : une demande client traitée, une fiche mise à jour ou une tâche accomplie. La facturation ne porte plus uniquement sur les ressources techniques mobilisées, mais sur un service concret rendu au client. Enfin, certains fournisseurs envisagent une facturation directement liée aux résultats obtenus. Le client paie alors en fonction des performances ou des économies réalisées, éventuellement dans le cadre d'un partage des gains. Si cette approche paraît séduisante, elle reste difficile à mettre en œuvre. Elle suppose de définir précisément les résultats attendus, de pouvoir les mesurer et de s'accorder sur la part de valeur attribuable à l'IA. Les intervenants estiment donc que ce modèle ne devrait pas s'imposer à court terme.
Les modèles hybrides prennent le dessus
Aucune de ces approches ne s'impose aujourd'hui comme une solution universelle. Les éditeurs privilégient plutôt des formules combinant plusieurs modes de facturation, afin de concilier stabilité des revenus et maîtrise des coûts. Ces modèles hybrides associent généralement un abonnement de base, qui garantit un niveau minimal de service, à une facturation complémentaire liée à la consommation. Les fournisseurs sécurisent ainsi une partie de leurs revenus tout en tenant compte des coûts variables générés par les usages. De leur côté, les clients conservent une certaine visibilité sur leurs dépenses.
Selon les estimations présentées lors de la table ronde, ces formules représenteraient désormais 70 à 80 % du marché. Les systèmes de crédits prépayés suscitent également un regain d'intérêt. Les entreprises achètent à l'avance un volume de ressources qu'elles utilisent ensuite selon leurs besoins, dans une logique qui rappelle les anciens forfaits de téléphonie mobile.