ServiceNow et Atlassian poussent l'ITSM vers les plateformes d'IA plutôt que les solutions clés en main

La question centrale de l'ITSM en 2026 n'est plus la présence de fonctions d'IA en tant que telle, mais le type d'architecture sur lequel elles reposent. En trois ans, le marché a abandonné les chatbots rudimentaires, qui se contentent d'essayer de deviner la catégorie d'un ticket, pour une couche d'IA intégrée à la plateforme de service elle-même. L'IA participe désormais au routage des demandes, prédit les incidents, clôt automatiquement les requêtes courantes et rédige les postmortems après les pannes. L'effet pratique devient lui aussi visible : les entreprises dotées de pratiques ITSM prédictives se remettent des incidents environ deux fois plus vite que celles qui s'appuient encore sur le traitement manuel.

Dans ce contexte, le marché s'est scindé en deux approches. La première est celle de la plateforme : l'entreprise dispose d'une couche d'IA ouverte, où elle peut brancher différents LLM, créer ses propres agents et définir des politiques, des limites et un audit pour chaque action. Cette option est plus complexe et plus longue à déployer, mais elle convient aux scénarios où l'IA doit servir plusieurs services à la fois, respecter les exigences de sécurité et, si nécessaire, fonctionner dans un périmètre fermé.

La seconde est l'approche clés en main : l'IA est déjà intégrée au produit et offre un démarrage rapide avec des scénarios prêts à l'emploi, comme la classification des tickets, les suggestions à l'opérateur, le résumé des conversations et l'assistant virtuel. C'est plus simple, mais la marge de personnalisation et de montée en charge reste généralement bornée par la feuille de route de l'éditeur.

Aujourd'hui, c'est ServiceNow qui illustre le mieux l'approche plateforme. Sa couche d'IA réunit ITSM, RH, finance et CRM, prend en charge des modèles propriétaires et tiers, et permet de créer des compétences et des agents sur mesure. Mais la flexibilité a un prix élevé : les capacités d'IA avancées sont facturées séparément, et le déploiement peut s'étirer sur des mois.

Atlassian mise sur Rovo, une couche d'IA commune au-dessus de Jira, Confluence et Jira Service Management. Sa force tient au contexte : les agents voient les liens entre tâches, pages, messages et applications externes, et peuvent donc non seulement répondre, mais aussi agir au sein de processus existants. La limite est simple : si l'organisation vit en dehors de l'écosystème Atlassian, l'intérêt de cette approche s'amenuise nettement.

BMC Helix paraît l'option la plus équilibrée : il associe une architecture de plateforme à un riche éventail d'agents d'IA prêts à l'emploi. HelixGPT peut être déployé dans le cloud comme en on-premise, et le client choisit lui-même son fournisseur de LLM. C'est particulièrement important pour les grandes entreprises, qui veulent ne pas dépendre d'un seul modèle et garder la maîtrise de leurs données.

Freshservice, à l'inverse, reste le modèle de l'approche clés en main : Freddy AI se lance vite, traite les demandes courantes via Slack, Teams et le portail de services, et le time-to-value se compte en semaines, pas en trimestres. Mais les limites sont celles d'un produit « en boîte » : l'IA travaille surtout avec les données du système lui-même et convient mal aux scénarios transverses complexes.

Ivanti tente d'occuper une position intermédiaire en réunissant ITSM, gestion des terminaux et sécurité, mais son volet d'IA agentique n'est pas encore tout à fait sorti du stade des promesses.

Pour le marché russe, ce débat est particulièrement concret. Les écosystèmes cloud occidentaux, les accords avec les grands fournisseurs de LLM et les scénarios d'entreprise habituels ne sont pas accessibles à tous, alors que les besoins n'ont pas disparu : les entreprises ont toujours besoin de clôture autonome des tickets courants, de recherche dans les connaissances internes, de classification automatique et d'agents qui agissent au lieu de simplement rédiger des réponses. D'où l'importance croissante du déploiement on-premise, d'un journal complet des actions du modèle, d'un accès aux fonctions d'IA par rôle et de la possibilité de remplacer un modèle par un autre sans réécrire les processus.

Des plateformes locales comme SimpleOne se construisent précisément autour de ces exigences, en misant non sur un bouton prêt à l'emploi, mais sur une infrastructure d'IA pilotable.

La conclusion est simple : le marché de l'ITSM prêt pour l'IA passe d'un assortiment de fonctions spectaculaires à une infrastructure dotée d'une gouvernance claire. Si une entreprise veut un résultat rapide pour une petite équipe de service, un produit clés en main peut rester le meilleur choix. Mais si l'IA doit fonctionner dans plusieurs services, traiter des données sensibles, passer des audits et évoluer avec le marché des modèles, l'approche plateforme devient décisive. En 2026, les gagnants ne seront pas les éditeurs qui alignent le plus de chatbots dans leur menu, mais ceux qui savent donner à l'entreprise le contrôle de chaque action de l'IA.