Pourquoi ServiceNow, Atlassian et BMC transforment le marché de l'ITSM et le débat sur les plates-formes en 2026

Le débat sur ce que devrait être l'ITSM prêt pour l'IA en 2026 ne porte plus sur le choix d'un chatbot pour le support de premier niveau, mais sur l'architecture. Le marché a développé deux approches : les outils boîtes qui livrent rapidement des résultats sur les tâches standard, et les plateformes où l'IA devient une couche séparée gérée avec audit, politiques d'accès, sélection des modèles et la capacité d'exécuter des agents autonomes au sein des processus métier. Au cours des trois dernières années, le rôle de l'IA dans les systèmes de service a notablement changé.

Si auparavant il était plus souvent utilisé pour classer les demandes et fournir des suggestions à l'opérateur, maintenant les fournisseurs d'ITSM parlent de routage prédictif, de fermeture automatique des demandes standard, de génération de post-mortems et de scénarios où l'agent ne se contente pas de répondre, mais exécute également des actions dans le cadre des autorisations assignées. C'est précisément pour cela que l'accent s'est déplacé des caractéristiques individuelles vers la question de savoir à quel point toute cette infrastructure d'IA est gérable, sécurisée et scalable. L'article met en évidence deux scénarios de base.

L'approche boîte est conçue pour un déploiement rapide : l'entreprise obtient des fonctions intégrées comme le résumé des tickets, les suggestions de réponses, un assistant virtuel et la classification automatique, et la mise en œuvre prend généralement seulement quelques semaines. L'inconvénient est que les options de personnalisation sont limitées, et le développement dépend de la feuille de route du fournisseur. L'approche plateforme nécessite plus de temps et de ressources pour se lancer, mais en retour offre des outils pour construire des agents personnalisés, connecter différents LLMs, des intégrations API, des audits détaillés des actions et, dans certains cas, le fonctionnement dans un périmètre local.

Cette option est plus attrayante pour les grandes organisations où l'IA doit servir non seulement un service d'assistance, mais plusieurs départements avec des exigences différentes. Parmi les acteurs mondiaux, ServiceNow, Atlassian et BMC Helix sont discutés comme les exemples de plateforme les plus matures. ServiceNow construit une couche d'IA sur tout son écosystème et propose des outils pour créer des compétences et des agents personnalisés, mais les capacités étendues nécessitent un paiement séparé, et la mise en œuvre peut être longue et complexe.

Atlassian parie sur Rovo—une superposition à Jira, Confluence et Jira Service Management, où la valeur émerge d'un graphe de données unifié et d'une intégration étroite avec les flux de travail existants. BMC Helix occupe une position intermédiaire : il dispose à la fois d'un composant plateforme développé et d'un riche ensemble d'agents prêts à l'emploi, plus la capacité de fonctionner à la fois dans le cloud et au sein du périmètre de l'entreprise. À l'autre extrémité du spectre se trouvent des solutions plus boîtes comme Freshservice.

Leur principal avantage est la vitesse d'obtention des résultats : les processus standard sont automatisés rapidement, et l'IA intégrée peut être activée sans préparation architecturale lourde. Mais la simplicité a un coût : un contexte limité. Le système fonctionne bien avec les données déjà au sein du produit, mais convient moins aux scénarios complexes inter-systèmes et à la personnalisation approfondie pour les politiques d'entreprise.

Ivanti est présenté dans cet aperçu comme un acteur à l'intersection des deux modèles : l'entreprise combine ITSM, gestion des points de terminaison et sécurité, mais sa direction agentic IA est encore en développement et ne semble pas aussi mature que celle des leaders du marché. Une couche distincte de discussion concerne le marché russe. Ici, le choix est souvent déterminé non seulement par le budget et le délai de mise en œuvre, mais aussi par les exigences de déploiement local, le stockage des données sensibles et l'indépendance vis-à-vis d'un fournisseur de modèles occidental spécifique.

Par conséquent, pour les clients russes, les arguments en faveur de l'approche plateforme sonnent particulièrement fortement : on-premise est important, audit des demandes et réponses, gestion des limites, modèle d'accès basé sur les rôles et la capacité de remplacer un LLM par un autre sans réécrire les processus. Comme exemple local, l'auteur cite SimpleOne, où l'accent est mis précisément sur cette architecture : périmètre local, journalisation de chaque appel de modèle, abstraction sur différents LLMs et processus d'IA visuels pour les scénarios standard du service d'assistance. La conclusion principale de l'article est que le marché ITSM avec IA s'éloigne de la présentation de caractéristiques « intelligentes » individuelles vers la discussion d'une infrastructure mature.

Pour un service d'assistance petit ou moyen, une solution boîte peut toujours être le meilleur choix si un déploiement rapide est nécessaire et que l'automatisation standard est suffisante. Mais pour les grandes entreprises, en particulier dans les secteurs réglementés, le facteur décisif devient non pas la simple présence d'IA, mais la capacité à la gérer : comprendre quel modèle est utilisé, où les données sont traitées, qui est responsable des actions de l'agent et à quel point le système peut être adapté aux nouvelles exigences.