Bain & Company a estimé un marché de 100 milliards de dollars aux États-Unis pour les entreprises SaaS utilisant l’IA agentique. L’entreprise a déclaré que le marché est lié à l’automatisation du travail de coordination dans les systèmes d’entreprise.
L’estimation provient du deuxième rapport de la série en cinq parties de Bain sur l’industrie du logiciel à l’ère de l’IA. Le rapport examine dans quels domaines l’IA agentique pourrait créer de nouveaux marchés de logiciels et comment les entreprises SaaS peuvent les capturer.
Travail de coordination dans les systèmes d’entreprise
Bain a déclaré que le marché réside dans le travail manuel que les employés effectuent entre les applications de l’entreprise. Ces flux de travail couvrent souvent les systèmes ERP, CRM et de support. Ils peuvent également impliquer des outils de gestion des fournisseurs et la messagerie électronique.
Ce travail consiste à extraire les données d’un système et à les comparer à une autre source. Cela peut également impliquer d’interpréter des messages non structurés et de décider s’il faut approuver, répondre, faire remonter ou attendre.
Bain a déclaré que l’automatisation basée sur des règles et l’automatisation des processus robotiques sont limitées dans les flux de travail impliquant des ambiguïtés et des informations diffusées dans plusieurs systèmes. L’IA agentique peut interpréter des informations provenant de différentes sources, coordonner les actions dans les systèmes et fonctionner dans le cadre de garde-fous politiques.
Le rapport soutient que l’IA agentique ne remplace pas principalement les plates-formes SaaS, mais que le marché vient de la conversion d’un travail de coordination à forte intensité de main-d’œuvre en dépenses logicielles.
Il estime que les fournisseurs captent déjà entre 4 et 6 milliards de dollars du marché américain. Plus de 90 % restent inexploités, selon le cabinet.
En dehors des États-Unis, Bain estime que le Canada, l’Europe, l’Australie et la Nouvelle-Zélande pourraient ajouter un marché de taille similaire. Cela porterait le total dans ces régions et aux États-Unis à environ 200 milliards de dollars.
Taille du marché par fonction
Le marché n’est pas réparti de manière égale entre les fonctions de l’entreprise. Bain estime que les ventes représentent la part la plus importante, soit environ 20 milliards de dollars. Cela est principalement dû au nombre d’employés commerciaux et au potentiel d’automatisation non inhabituellement élevé.
Le coût des marchandises vendues et des opérations représente environ 26 milliards de dollars américains. La taille importante de la main-d’œuvre opérationnelle signifie que même des taux d’automatisation modestes peuvent se traduire par un vaste marché adressable. La R&D et l’ingénierie, le support client et la finance représentent chacun environ 6 à 12 milliards de dollars de taille de marché adressable. Ces fonctions disposent d’effectifs importants et d’un potentiel d’automatisation plus élevé dans des flux de travail spécifiques.
Le support client et la R&D ou l’ingénierie ont le potentiel d’automatisation le plus élevé, avec environ 40 à 60 % des tâches de flux de travail automatisables. Bain a déclaré que les deux domaines disposent de données structurées, de processus standardisés et de signaux de sortie plus clairs. Les finances et les ressources humaines se situent entre 35 et 45 %. Le rapport indique que les comptes fournisseurs et la paie ont un potentiel d’automatisation plus élevé, tandis que la planification financière et les relations avec les employés nécessitent davantage de jugement.
Les ventes et l’informatique se situent entre 30 et 40 %. Bain a souligné les nuances des relations, les variations d’une transaction à l’autre et la nature imprévisible des incidents de sécurité comme limites à l’automatisation dans ces domaines. Le secteur juridique a un potentiel d’automatisation global plus faible, de 20 à 30 %. Bain a déclaré que l’examen et le respect des contrats sont reproductibles, mais que les conséquences des erreurs créent la nécessité d’une surveillance plus stricte.
Facteurs d’automatisation de Bain
Le rapport identifie six facteurs qui déterminent dans quelle mesure un flux de travail peut être géré de manière réaliste par un agent IA. Ils incluent la vérifiabilité des résultats, les conséquences d’un échec, la disponibilité des connaissances numérisées et la variabilité des processus. Bain a déclaré que les flux de travail avec des signaux de vérification clairs sont plus faciles à automatiser que le travail impliquant un jugement subjectif. Les exemples incluent la compilation de code, les factures rapprochées et les tickets d’assistance résolus.
Les flux de travail impliquant des risques réglementaires ou financiers nécessitent une supervision humaine plus étroite, même lorsque les agents en sont techniquement capables, selon le rapport. Ceux-ci incluent les déclarations de revenus, la conformité légale et la réponse aux incidents de sécurité.
Bain a également identifié la disponibilité des connaissances numérisées comme une contrainte. Les agents doivent accéder à des données structurées et à un contexte documenté. Ils ont également besoin d’entrées lisibles par machine, notamment d’une logique de décision qui est souvent confiée de manière informelle à des employés expérimentés.
La complexité de l’intégration affecte l’automatisation lorsque les flux de travail passent par plusieurs systèmes et API. Les couches d’authentification et les processus de gestion des exceptions ajoutent encore à la complexité, et ces flux de travail sont plus difficiles à automatiser de bout en bout que les flux de travail contenus dans une seule plateforme. Les domaines de plus grande valeur sont concentrés là où aucun système d’enregistrement unique ne contrôle l’intégralité des résultats. Ces flux de travail couvrent souvent les systèmes ERP, CRM et de support, indique l’entreprise.
David Crawford, président de la division mondiale de technologie et de télécommunications de Bain, a déclaré que les entreprises SaaS ont passé les deux dernières décennies à se positionner autour des systèmes d’enregistrement, la prochaine source d’avantage étant le « contexte de décision inter-flux de travail », qui est défini comme la capacité d’interpréter et d’agir dans des flux de travail qui se déplacent à travers plusieurs systèmes.
Exemples d’entreprises et flux de travail adjacents
Le rapport cite Cursor, Sierra, Harvey, Glean, Salesforce, ServiceNow et Workday dans sa discussion sur l’adoption de l’IA agentique. Cursor a dépassé 16,7 millions de dollars de revenus mensuels moyens, selon Bain, après avoir doublé en un seul trimestre. Sierra a dépassé 150 millions de dollars par an, Harvey a dépassé 190 millions de dollars par an et Glean 200 millions de dollars par an.
Le rapport a également cité GitHub comme exemple d’une entreprise utilisant les données d’un flux de travail de base existant pour passer à un travail adjacent. L’activité principale de GitHub est la collaboration des développeurs et le contrôle des sources, mais ses données de référentiel et de flux de travail ont contribué à soutenir l’expansion de la productivité des développeurs et de l’automatisation de la sécurité assistées par l’IA.
Bain a déclaré que les entreprises SaaS peuvent se développer grâce à deux types d’automatisation des flux de travail. La première consiste à automatiser les flux de travail de base, pour lesquels ils disposent déjà d’une connaissance du domaine et de la confiance des clients. Bain a déclaré que les intégrations de systèmes existantes peuvent prendre en charge l’automatisation des flux de travail de base. La seconde consiste à automatiser les flux de travail adjacents que l’entreprise ne gère pas directement actuellement. Ces domaines peuvent être plus difficiles à identifier car ils nécessitent une cartographie détaillée des flux de travail des clients et des données sous-jacentes qui soutiennent les décisions.
Les modèles de tarification peuvent changer lorsque les agents fournissent des résultats finalisés. Bain a déclaré que la tarification basée sur les résultats et l’utilisation peut devenir plus pertinente lorsque les agents résolvent des problèmes ou traitent des factures. Le rapport compare cela à la tarification traditionnelle basée sur les sièges et les connexions.
Les recommandations de Bain pour les entreprises SaaS
Bain a recommandé aux entreprises SaaS de commencer par identifier les flux de travail des clients qui sont désormais automatisables grâce à l’IA agentique. L’entreprise a déclaré que les entreprises devraient évaluer l’automatisation au niveau des sous-processus et ne pas traiter des fonctions entières comme également automatisables.
Le rapport indique également que les entreprises devraient évaluer la qualité de leurs données. Bain a déclaré que les facteurs pertinents incluent si les données sont complètes, liées aux résultats et utilisables pour l’automatisation.
Bain a déclaré que les entreprises pourraient combler les écarts de compétences grâce au développement interne, aux acquisitions ou aux partenariats. Le rapport cite le développement interne par AppLovin de sa plateforme Axon, l’acquisition de Moveworks par ServiceNow et le partenariat de Salesforce avec Workday comme exemples d’approches différentes.
L’entreprise a également souligné le besoin de talents en ingénierie en IA, d’une architecture cloud native pour l’orchestration multi-agents et de financement pour la formation et l’inférence de modèles. Il a déclaré que les entreprises devraient aligner les prix et les incitations commerciales sur les résultats basés sur l’IA et non sur les anciens modèles basés sur les sièges.
Bain a déclaré que les entreprises SaaS auront également besoin de bases de données et de produits conçues pour les flux de travail agents, y compris des transferts lisibles par machine et des systèmes qui capturent les décisions et les résultats de chaque exécution de flux de travail.
Crawford a déclaré que le délai pour les entreprises SaaS est « mesuré en trimestres et non en années », car les entreprises natives de l’IA collectent davantage de données de déploiement avec chaque flux de travail client qu’elles automatisent.
(Photo par Engin Akyurt)
