Quels types de logiciels seront éliminés par l'IA ?

Depuis 2026, le repli du secteur logiciel diffère des corrections précédentes, souvent motivées par un « ralentissement de la demande / hausse des taux d’intérêt » : le marché semble davantage discuter de la valeur terminale — ces entreprises pourront-elles encore préserver leur bassin de profits dans dix ans, leur avantage concurrentiel sera-t-il redécoupé par une IA « agentique » ?

Selon les informations de ChaseWind Trading Desk, l’analyste de la division Recherche en Investissement Mondial de Goldman Sachs, Gabriela Borges, a écrit franchement dans un rapport du 16 : « Le marché remet en question la barrière d’entrée et le modèle économique des logiciels. » Elle a décortiqué les sept arguments baissiers les plus fréquemment avancés par les investisseurs, leur attribuant une note de risque de 1 à 5, en distinguant ceux qui concernent les applications logicielles étroites de ceux qui pourraient déborder vers l’infrastructure / la sécurité, voire le ROI lié aux dépenses en capital des fournisseurs de cloud.

Ce qui est intéressant, c’est que Goldman Sachs ne considère pas le « remplacement total par l’IA des logiciels système » comme un risque principal (score 1). Les inquiétudes plus aiguës portent dans deux directions : d’une part, la migration de la valeur du niveau « système d’enregistrement » (System of Record, SoR) vers une « couche d’OS/Orchestration agentique » (score 4) ; d’autre part, la vitesse d’itération technologique elle-même rendant la fin difficile à évaluer (score 5) — la valorisation étant difficile à fixer comme un « plancher ».

Dans cette incertitude, le rapport donne des leviers clairs : surveiller deux types de signaux — d’une part, la capacité des entreprises de logiciels à prouver que leur « expérience sectorielle » peut réellement générer des résultats agentiques de meilleure qualité ; d’autre part, la stabilité ou l’amélioration des fondamentaux financiers.

Ce repli du logiciel, c’est une « discussion sur la valeur terminale »

Selon Goldman Sachs : en 2026, cette baisse s’accompagne d’un changement de débat, passant du « profil de croissance à court terme » à « la question de savoir si la barrière d’entrée sera effacée par l’IA ». La discussion se concentre principalement sur les logiciels applicatifs, mais commence aussi à toucher l’infrastructure / la sécurité, ainsi que le ROI des investissements cloud.

Ainsi, le rapport ressemble à une « décomposition du sujet » : il liste les sept arguments baissiers, du « faux argument » au « vrai », leur attribue un score de risque, et tente de répondre à une question unique — qu’est-ce qui peut encore soutenir la valeur terminale ?

Le SoR ne sera pas facilement renversé, mais la « délocalisation de la valeur » est plus risquée

• A : Risque de remplacement du SoR « faible » (score 1)

Le premier argument baissier est le « rip and replace » : de nouveaux entrants utilisent l’IA pour reconstruire la couche d’enregistrement système, rendant obsolètes ERP/CRM/HR et autres systèmes fondamentaux. Goldman Sachs le considère comme un risque faible, pour une raison simple : l’IA générative ressemble davantage à un moteur d’analyse et de génération qu’à un moteur de transaction ; l’IA d’entreprise nécessite des données structurées, traçables, de haute qualité, et le SoR en est le conteneur et le système de gouvernance.

Le rapport reconnaît aussi que le vrai risque de remplacement n’est pas inexistant : si quelqu’un refait une architecture plus moderne, scalable, avec un coût total de possession plus faible au niveau du SoR, cela pourrait faire basculer la migration. L’exemple donné est la migration vers SAP S/4HANA Cloud : une migration d’envergure pour une grande entreprise dure 18 à 36 mois, coûteuse, longue, laissant une marge pour des alternatives plus rapides et moins chères.

Les « mesures défensives » proposées par Goldman Sachs se concentrent aussi sur l’architecture : faire évoluer le SoR d’un simple registre passif vers un « système de raisonnement » (system of reason), passant d’un « AI-powered » (avec des extensions) à un « AI-native » (intégré dans l’architecture). Parmi les signaux évoqués : la replateformisation de Salesforce en 2024, la transition de Workday vers une architecture ouverte.

Un autre paramètre clé est la frontière des données d’entreprise. Si l’entreprise continue à « circonscrire » son avantage en données dans ses applications existantes (le rapport mentionne que Salesforce a modifié ses API Slack en mai 2025, limitant l’entraînement LLM et l’export en masse), alors le SoR, en tant que couche fondamentale, sera plus stable, mais le bassin de profits en surface pourrait être siphonné par une nouvelle couche.

• B : La valeur migre vers « couche d’orchestration/OS agentique » (score 4)

Goldman Sachs pense que le risque plus réaliste n’est pas la disparition du SoR, mais sa transformation en une « base de données conforme » (compliant data foundation), où la valeur se concentre dans une couche d’orchestration capable de raisonner, d’appeler des API, d’automatiser des workflows. L’agent peut lire/écrire entre plusieurs SoR, faire du rapprochement, sans que l’utilisateur ait besoin d’accéder directement à l’interface d’origine. La barrière historique, basée sur l’UI, les processus, la familiarité, sera affaiblie.

Le rapport illustre ce monde avec la métaphore « qui est assis sur qui » : Sierra est au-dessus de Salesforce, Anthropic Cowork au-dessus de Microsoft, et le budget additionnel sera plus souvent capté par le haut. Goldman Sachs rappelle aussi que le marché est particulièrement sensible à cette évolution, notamment parce que durant la période de faibles taux 2020-2021, plusieurs entreprises applicatives ont des barrières faibles, plus vulnérables à la décentralisation.

Les opportunités pour les acteurs traditionnels résident dans la « domain expertise + contexte » : le rapport cite plusieurs exemples pour illustrer « pourquoi le contexte a de la valeur » :

• Microsoft insiste sur le fait que rester dans le même écosystème réduit la latence, garantit la mise à jour des données, et donne plus de contexte aux LLM, mais la migration massive de données est souvent sous-estimée en coût et en friction ;
• HubSpot résume le principal frein à l’IA d’entreprise comme « manque de contexte », alors que la couche d’enregistrement peut agréger l’historique client et la collaboration, réduisant la nécessité de réentraîner l’IA ;
• Datadog, lors de l’analyste day du 12/2, a montré qu’un SLM entraîné sur des données internes donne de meilleurs résultats à coût moindre, soulignant que « l’expérience sectorielle » peut se traduire par une différenciation dans le modèle et les résultats.

Les logiciels verticaux seront plus résistants à court terme, mais « leur simplicité d’usage pourrait changer la donne en termes de prix » (score 2)

• Le troisième argument baissier est la « cannibalisation horizontale » : des plateformes horizontales utilisant l’IA pour que leurs clients construisent eux-mêmes des workflows sectoriels, érodant la capacité de fixation des prix des logiciels verticaux. Goldman Sachs évalue ce risque à 2, en rappelant que plusieurs barrières restent : données propriétaires, intégration profonde dans le workflow, réputation, régulation stricte.

Le rapport cite Guidewire comme exemple : ses clients gèrent environ 775 milliards de dollars de primes d’assurance (P&C) dans au moins un de ses produits, ce qui constitue une barrière difficile à reproduire pour un nouvel entrant. Goldman Sachs insiste aussi sur le fait que « le temps donné par le client » est un facteur : une intégration profonde dans un logiciel vertical se traduit souvent par des années, pas des mois, pour changer.

Mais le risque n’est pas négligé : le rapport liste aussi les nouveaux impacts liés à l’IA horizontale / générative, comme la collaboration entre Palantir et AIG ou Anthropic dans l’assurance ; ou encore le lancement de GenOS par Intuit, qui facilite la création de workflows verticaux dans des logiciels comptables horizontaux comme QuickBooks. La question clé : si l’IA d’une plateforme horizontale est « juste suffisante » et pas « clairement meilleure », pourra-t-elle quand même attirer des clients par une intégration plus simple et moins fragmentée ? La réponse influence la capacité de fixation des prix à long terme.

Le coût réduit du code entraînera plus de concurrence, mais produire un produit ne fait pas une entreprise (score 2)

• Le quatrième argument est la « baisse du coût du code ». Goldman Sachs admet que les outils d’IA de codage réduisent la barrière d’entrée, attirent de nouveaux entrants, mais le risque reste modéré à 2, car : le génie logiciel ne se limite pas à écrire du code, une part importante du travail consiste à concevoir, déboguer, évaluer les risques, faire des revues ; l’efficacité accrue ne supprime pas les postes de développeurs.

Le rapport cite aussi une étude sur 10 000 développeurs : l’adoption de l’IA augmente de 21 % la productivité dans la réalisation des tâches, et de 98 % le nombre de pull requests fusionnées, mais augmente aussi de 91 % le temps de revue. L’efficacité accrue peut simplement déplacer le goulot d’étranglement vers d’autres étapes, notamment dans la livraison d’entreprise, où la sécurité, la maintenance, l’intégration, la gestion des workflows, l’écosystème, le GTM restent des activités difficiles.

« Le futur est à la personnalisation » pourrait aussi réduire le budget, et Palantir en fait une plateforme (score 3)

• Le cinquième argument est que « les entreprises préfèrent s’auto-construire ». La conclusion de Goldman Sachs est plus nuancée : la baisse du coût du code ne changera pas systématiquement la balance build vs buy, mais les entreprises dédieront plus de budget à l’auto-construction dans certains cas, avec un risque évalué à 3. La raison principale : le coût et la responsabilité de maintenance s’accumulent sur le long terme — même si l’efficacité agentique réduit ces coûts, les fournisseurs spécialisés continueront à baisser leurs coûts de maintenance, et la « frontière performance / coût » restera souvent chez eux.

Le rapport pense que la part de marché potentielle de l’auto-construction se situe dans la « zone intermédiaire » entre SoR traditionnels, nécessitant une coordination multi-départements, et des logiciels packagés peu connectés.

Palantir est présenté comme un exemple de la nouvelle approche « sur-mesure » : co-construction avec le client via AIP, ROI quantifiable. La croissance de Palantir aux US est de 109 % en 2025, et le rythme devrait dépasser 115 % en 2026. La société s’appuie sur ses ingénieurs déployés en front pour traduire la volonté client en systèmes opérationnels, puis capitaliser ces solutions spécifiques en capacités réutilisables ; malgré le débat « logiciel ou service », la marge brute tourne autour de 85 %.

Goldman Sachs rappelle aussi que la vague d’auto-construction pourrait atteindre un « pic local » : les SaaS comblent leurs capacités IA, la gouvernance des données et la sécurité (mentionnant A2A, MCP) évoluent, et les équipes IT remontent en compétence. ServiceNow a déjà annoncé qu’elle récupérait des budgets initialement alloués à l’auto-construction.

La « taxe LLM » comprimera la marge : à court terme, 12-24 mois, c’est plus réaliste, mais à long terme, la capacité à fixer les prix restera clé (score 3)

• Le sixième argument est la « restructuration de la marge brute ». Goldman Sachs prévoit une pression modérée sur 12 à 24 mois : pour accélérer l’adoption, les fournisseurs absorberont d’abord le coût de l’inférence GPU et des API de modèles tiers. Parce que l’IA transforme « l’intensité d’utilisation » en coût direct (tokens, complexité, fréquence), le SaaS passe d’un levier de coûts fixes à une économie proche du « pay-as-you-go ».

Le rapport cite Bessemer : certaines startups IA native ayant atteint 100 millions de dollars d’ARR ont une marge brute d’environ 25 %, voire négative ; des acteurs plus matures tournent autour de 60 %, mais restent en dessous des SaaS traditionnels.

Mais Goldman Sachs ne voit pas cela comme une chute définitive : Epoch AI montre que le coût de l’inférence LLM diminue de 9 à 900 fois par an ; le prix pour atteindre des performances proches de GPT-4 (MMLU) baisse d’environ 40 fois par an. La question de la reprise à long terme de la marge dépendra toujours du « pouvoir de fixation des prix » = différenciation. Le rapport souligne aussi l’avantage structurel de Microsoft : intégration verticale + partenariat avec OpenAI leur permet de capter une part plus grande de la valeur, tout en limitant la fuite de la « taxe LLM » vers des tiers.

Ce qui est le plus difficile à fixer, c’est la vitesse technologique : l’incertitude elle-même pèse sur la valorisation (score 5)

• Le septième argument, considéré comme le plus risqué par Goldman Sachs, est que l’évolution technologique est trop rapide pour prévoir une fin claire. Le rapport liste plusieurs mises à jour depuis le début d’année — Anthropic (Cowork, Opus 4.6, plugins sectoriels), OpenAI (Frontier, OpenClaw), Google DeepMind (Deep Think), Meta (Avocado). Il cite le rapport de Bridgewater de novembre 2025 : la loi de l’expansion du pré-entraînement continue de s’appliquer ; et il mentionne des modèles récents avec des scores de référence (ex : GPQA Diamond > 90%).

Il illustre cette imprévisibilité avec deux « points de rupture » liés aux « bandes de packaging » : ChatGPT a démocratisé la capacité via une interface simple ; Cowork pousse cette capacité en interface GUI pour que les non-techniques expérimentent. En remontant plus loin, la diffusion d’agents auto-hébergés comme OpenClaw, évoquée dans le rapport et par le CEO de Cloudflare Matthew Prince, pourrait suivre une trajectoire similaire à celle de ChatGPT, avec une vitesse de diffusion comparable dans les trois prochaines années. La contrainte principale à court terme reste la sécurité.

L’incertitude pourrait aussi ouvrir de nouveaux marchés (TAM). Le rapport cite l’exemple de l’équipe MAI de Microsoft, qui a obtenu un taux de réussite de 85 % dans un défi médical publié dans le NEJM, et estime que le TAM potentiel, basé sur l’intégration de ChatGPT dans leur blog et autres indicateurs, pourrait atteindre 50 à 200 milliards de dollars par an (scénario haut : 150-200 milliards). Mais Goldman Sachs ne mise pas sur un « scénario précis » : l’incertitude même rendra la valorisation plus difficile, et une forte incertitude correspond souvent à une sous-évaluation.

Les signaux à surveiller pour « stabiliser » : la concrétisation de l’expérience sectorielle, la stabilité ou l’amélioration des fondamentaux

Goldman Sachs synthétise deux signaux de stabilité observables : d’une part, la capacité des entreprises de logiciels à prouver par leurs produits et cas d’usage que leur expérience sectorielle génère des résultats agentiques de meilleure qualité ; d’autre part, la stabilité ou l’amélioration des fondamentaux financiers, notamment en vérifiant par les résultats trimestriels. Avant cela, elle privilégie une « barrière d’architecture » — la barrière ne se limite pas à l’interface ou au workflow, mais s’étend à la structure technique et plateforme sous-jacente.

Ce contenu provient de ChaseWind Trading Desk.

Pour une analyse plus détaillée, en temps réel, avec des insights de première ligne, rejoignez le « ChaseWind Trading Desk▪Membership annuel »

![](https://img-cdn.gateio.im/social/moments-405e5113af-27450a9e61-8b7abd-d8d215)

Avertissement de risque et clause de non-responsabilité

Le marché comporte des risques, l’investissement doit être prudent. Cet article ne constitue pas un conseil en investissement personnalisé, ni une recommandation spécifique tenant compte de la situation financière ou des objectifs de chaque utilisateur. L’utilisateur doit juger si les opinions, points de vue ou conclusions présentés ici sont adaptés à sa situation. En suivant ces conseils, il en assume l’entière responsabilité.