Pourquoi ServiceNow, Atlassian et BMC redessinent le marché de l'ITSM et le débat sur les plateformes en 2026

Le débat sur ce que doit être un ITSM prêt pour l'IA en 2026 ne porte plus sur le choix d'un chatbot pour le support de premier niveau, mais sur une question d'architecture. Deux approches se sont imposées sur le marché : des outils clés en main, qui produisent rapidement des résultats sur les tâches courantes, et des plateformes où l'IA devient une couche pilotée à part, avec audit, politiques d'accès, choix des modèles et possibilité de lancer 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 nettement évolué. Elle servait surtout à classer les demandes et à suggérer des réponses à l'opérateur ; les éditeurs d'ITSM parlent désormais de routage prédictif, de clôture automatique des demandes standard, de génération de postmortems et de scénarios où l'agent ne se contente pas de répondre, mais exécute des actions dans le cadre des droits qui lui sont accordés. C'est pourquoi la discussion ne tourne plus autour des fonctions isolées, mais de la maîtrise, de la sécurité et de la capacité de passage à l'échelle de toute cette infrastructure d'IA.

L'article distingue deux scénarios de base. L'approche clé en main vise un lancement rapide : l'entreprise obtient des fonctions intégrées comme le résumé de tickets, les suggestions de réponses, l'assistant virtuel et la classification automatique, et le déploiement prend généralement quelques semaines seulement. L'inconvénient : la personnalisation est limitée et l'évolution dépend de la feuille de route de l'éditeur.

L'approche par plateforme demande plus de temps et de ressources au démarrage, mais offre en retour des outils de création d'agents maison, la connexion de différents LLM, des intégrations par API, un audit détaillé des actions et, dans certains cas, un fonctionnement en environnement local. Cette option intéresse davantage les grandes organisations, où l'IA doit servir non pas un seul service desk, mais plusieurs départements aux exigences différentes.

Parmi les acteurs mondiaux, ServiceNow, Atlassian et BMC Helix sont examinés comme les exemples de plateformes les plus mûrs. ServiceNow bâtit sa couche d'IA au-dessus de tout son écosystème et propose des outils pour créer des compétences et des agents sur mesure, mais les fonctions avancées sont payantes en supplément et le déploiement peut être long et complexe. Atlassian mise sur Rovo, une surcouche de Jira, Confluence et Jira Service Management, dont la valeur provient d'un graphe de données commun et d'un lien étroit avec les workflows existants.

BMC Helix occupe une position intermédiaire : il dispose à la fois d'une partie plateforme développée et d'un riche catalogue d'agents prêts à l'emploi, avec la possibilité de fonctionner aussi bien dans le cloud qu'à l'intérieur du périmètre de l'entreprise.

À l'autre extrémité se trouvent des solutions plus clés en main comme Freshservice. Leur principal atout est la rapidité : les processus standard s'automatisent vite et l'IA intégrée s'active sans lourde préparation architecturale. Mais cette simplicité se paie par un contexte limité : le système travaille bien avec les données déjà présentes dans le produit, mais convient moins aux scénarios complexes entre systèmes et à une personnalisation poussée selon les règles de l'entreprise.

Dans cette analyse, Ivanti est présenté comme un acteur à la croisée des deux modèles : l'entreprise réunit ITSM, gestion des terminaux et sécurité, mais son volet d'IA agentique est encore en développement et ne paraît pas aussi mûr que celui des leaders du marché.

Un volet distinct du débat concerne le marché russe. Le choix y dépend souvent non seulement du budget et des délais de lancement, mais aussi des exigences de déploiement local, de stockage des données sensibles et d'indépendance vis-à-vis d'un fournisseur occidental de modèles. Pour les clients russes, les arguments en faveur de l'approche par plateforme sont donc particulièrement forts : déploiement on-premise, audit des requêtes et des réponses, gestion des quotas, modèle d'accès par rôles et possibilité de remplacer un LLM par un autre sans réécrire les processus.

Comme exemple local, l'auteur cite SimpleOne, qui mise précisément sur cette architecture : environnement local, journalisation de chaque appel au modèle, abstraction au-dessus de différents LLM et processus d'IA visuels pour les scénarios types du service desk.

La principale conclusion de l'article est que le marché de l'ITSM avec IA s'éloigne des démonstrations de fonctions « intelligentes » isolées pour aborder la question d'une infrastructure mature. Pour un service desk petit ou moyen, la solution clé en main peut rester le meilleur choix si l'on veut un lancement rapide et que l'automatisation standard suffit. Mais pour les grandes entreprises, surtout dans les secteurs réglementés, le facteur décisif n'est pas la simple présence de l'IA, mais la capacité à la piloter : savoir quel modèle est utilisé, où les données sont traitées, qui répond des actions de l'agent et avec quelle facilité le système peut être adapté à de nouvelles exigences.