Pourquoi l’AI ne mettra pas fin au SaaS et ne rendra pas les développeurs logiciels inutiles

La panique autour de la 'mort du SaaS' et du remplacement massif des développeurs par l'IA repose sur une vision trop étroite du logiciel. Les entreprises paient non seulement pour le code, mais pour un système qui doit être stocké, mis à jour, protégé et maintenu.

Pourquoi SaaS ne disparaîtra pas

L'idée de l'«apocalypse SaaS» est née d'une conclusion simple mais erronée : si les modèles sont devenus meilleurs pour écrire du code, alors le logiciel lui-même se transformera rapidement en marchandise bon marché. Sur cette base, il est facile de parvenir à la thèse suivante : que la plupart des équipes peuvent être réduites et que les applications seront assemblées presque automatiquement.

Le problème est qu'une telle vision ne voit que la couche d'interface et de logique métier, mais ignore tout l'environnement opérationnel sans lequel un produit ne peut pas exister dans une entreprise. SaaS reste précieux non pas parce que les utilisateurs n'ont pas accès à l'IA, mais parce que le service assume une longue liste de responsabilités.

Si vous supprimez cette couche, l'entreprise devra relancer les serveurs, organiser les sauvegardes, surveiller l'accès, gérer les mises à jour et garder des personnes pour maintenir tout le système. En d'autres termes, la disparition du SaaS ne libère pas une entreprise des coûts — elle les internalise simplement, rendant l'infrastructure plus coûteuse et complexe.

Ce pour quoi les entreprises paient

L'argument principal de l'auteur est qu'un abonnement SaaS est un paiement non pas pour un ensemble d'écrans, mais pour un fonctionnement stable d'un processus numérique. Un utilisateur voit un bouton, un formulaire et un rapport, mais derrière eux se trouvent des entrepôts de données, des calendriers de tâches, des droits d'accès, des journaux d'actions, des mécanismes de récupération et une couche d'intégrations avec d'autres systèmes.

Rien de tout cela ne devient inutile simplement parce qu'un modèle génératif peut assembler une interface plus rapidement ou écrire une fonction.

• Stockage et sauvegarde des données
• Contrôle d'accès et audit des actions
• Mises à jour, mise à l'échelle et surveillance
• Intégrations avec les services externes et les systèmes internes
• Sécurité, conformité et support utilisateur

C'est précisément ce périmètre invisible qui rend le modèle SaaS résilient. Même si le développement de modules individuels devient presque instantané, les entreprises achèteront toujours des services qui soulagent leur douleur opérationnelle. Les entreprises ne veulent pas revenir à une époque où chaque système devait être déployé manuellement, testé après chaque mise à jour et nécessitait une équipe séparée pour la maintenance. Pour elles, ce qui compte n'est pas le 'code bon marché' abstrait, mais la prévisibilité, la responsabilité et la continuité opérationnelle.

Où l'IA atteint ses limites

La deuxième ligne de raisonnement concerne non pas l'infrastructure, mais la nature même du travail d'ingénierie. L'auteur conduit à l'idée que le développement n'est pas simplement la production de lignes de code sur demande. Dans un produit actif, vous devez constamment choisir entre la vitesse et la fiabilité, entre la commodité et la sécurité, entre l'amélioration locale et les conséquences à l'échelle du système.

Ces décisions sont rarement entièrement documentées, souvent liées au contexte de l'équipe et exigent presque toujours une personne qui comprenne le coût de l'échec.

"SaaS n'est pas seulement l'accès au logiciel.

C'est l'infrastructure autour du code."

Par conséquent, l'IA peut réduire les coûts des étapes individuelles, accélérer le prototypage et aider les petites équipes à en faire plus, mais cela n'égale pas l'automatisation complète de la profession. Plus un système est critique pour l'entreprise, plus élevé est le coût des pannes, des violations et des décisions architecturales incorrectes. Dans de telles conditions, la valeur d'un développeur se déplace de la génération de code vers la conception, le test d'hypothèses, la compréhension des contraintes et le support produit après le lancement.

Et c'est précisément cette couche qui ne peut pas encore être achetée comme un bouton magique.

Ce que cela signifie

Le bruit autour de l'IA toute-puissante est utile, du moins, en forçant le marché à redéfinir ce pour quoi il paie. Écrire du code deviendra plus rapide et moins cher, mais la demande de SaaS, d'opérations et de forte responsabilité d'ingénierie ne disparaîtra pas. Plutôt l'inverse : plus la génération de code devient facile, plus la valeur de ceux qui peuvent la transformer en produits fiables et fonctionnels est élevée.