ERP, CRM, SIRH, finance, supply chain, cybersécurité… : les annonces de ces derniers mois convergent. L’intelligence artificielle ne constitue plus seulement une fonctionnalité ajoutée aux logiciels BtoB existants. Les agents commencent à exécuter des tâches, à intervenir dans les processus métier et à dialoguer avec plusieurs applications. Cette évolution déplace-t-elle progressivement le centre de gravité des logiciels des applications ?
Pendant deux ans, l’intégration de l’intelligence artificielle dans les logiciels d’entreprise a surtout pris la forme de copilotes. Résumer un document, rédiger un courrier, interroger une base documentaire, générer un compte rendu ou rechercher une information : l’IA assistait l’utilisateur, mais celui-ci restait aux commandes.
Les annonces observées depuis quelques mois marquent une nouvelle étape. Les éditeurs de logiciels ne présentent plus seulement des assistants. Ils déploient des agents capables d’exécuter des actions dans les applications. Divalto prévoit par exemple des agents capables de consulter les données de ses ERP et CRM, d’appliquer des règles métier, de proposer un plan d’action puis de déclencher certaines opérations. Dans la supply chain, ketteQ propose avec Quintus un agent capable d’interroger plusieurs systèmes, parmi lesquels SAP IBP, Kinaxis, o9 Solutions ou Blue Yonder, d’analyser les données de la supply chain et de proposer des scénarios de planification et d’exécution.
Chez Salesforce, l’évolution apparaît dans les statistiques d’utilisation. Selon l’Agentic Enterprise Index publié par l’éditeur, le nombre moyen d’agents activés par organisation est passé de cinq à treize entre début 2025 et avril 2026. Un agent dispose désormais en moyenne de six compétences distinctes, contre deux auparavant.
Le changement modifie progressivement la place même des logiciels dans l’entreprise.
Du logiciel qui assiste au logiciel qui agit
Depuis l’apparition du SaaS, la plupart des applications professionnelles reposent sur une logique assez stable : l’utilisateur se connecte à un logiciel, consulte des informations, prend une décision puis déclenche une action.
L’IA agentique remet en cause cette séquence. Un agent peut recevoir un objectif, rechercher les informations nécessaires, solliciter plusieurs applications, interpréter une situation et effectuer tout ou partie des actions nécessaires. Dans un CRM, il qualifie une opportunité, recherche des informations complémentaires, prépare une proposition puis déclenche une relance. Dans un ERP, il détecte une anomalie, rapproche plusieurs données et lance une procédure corrective. Dans le domaine de la supply chain, il identifie les commandes menacées par un incident de production, recherche des scénarios alternatifs puis propose des stratégies pour respecter la promesse client. Dans la finance, il examine une facture fournisseur, vérifie sa conformité, la valide automatiquement ou transmet les cas suspects aux équipes concernées.
La frontière entre application, automatisation et travail humain devient donc beaucoup moins nette. Cette évolution explique la stratégie actuelle de nombreux éditeurs qui intègrent des agents métier à leurs solutions. La bataille ne porte plus seulement sur la richesse fonctionnelle de leurs applications mais aussi sur une autre question : quelle plateforme sera capable d’orchestrer le travail entre les salariés, les logiciels et les agents ?
Les logiciels métier disposent d’un avantage : ils connaissent l’entreprise
Cette évolution pourrait sembler favorable aux grands acteurs de l’intelligence artificielle. OpenAI, Anthropic ou Google disposent de modèles puissants et de capacités d’investissement considérables. Mais l’IA agentique remet paradoxalement les logiciels métier au centre du jeu car un agent ne peut agir correctement que s’il dispose du contexte de l’entreprise. C’est précisément ce que possèdent les ERP, CRM, SIRH, logiciels financiers, WMS ou autres outils de gestion documentaire.
La valeur se déplace donc progressivement vers une combinaison plus complexe : modèle d’IA + données métier + processus + connecteurs + droits d’accès + règles de gouvernance. Dans cette configuration, la connaissance du métier et la profondeur fonctionnelle redeviennent des actifs stratégiques.
L’agent peut agir : il faut désormais pouvoir le contrôler
Ce changement de nature crée cependant un nouveau problème. Une erreur peut être commise suite à une mauvaise réponse d’un chatbot. Un agent IA doté de droits d’accès peut modifier une donnée, lancer une commande, envoyer un message, exécuter du code ou déclencher une opération dans un système tiers. Qui est responsable en cas d’erreur ?
En parallèle, les outils d’intelligence artificielle font évoluer la nature et l’ampleur des attaques. Les incidents récents l’illustrent. Des cybercriminels ont utilisé un agent IA pour automatiser certaines phases d’attaques contre plusieurs entreprises. OpenAI travaille sur des mécanismes capables d’interrompre automatiquement l’exécution d’agents dont le comportement sortirait du cadre prévu.
Quel agent peut accéder à quelles données ? Quelles actions peut-il exécuter ? Avec quelles applications peut-il communiquer ? Jusqu’à quel montant peut-il engager une dépense ? Quelles opérations exigent une validation humaine ? Comment reconstituer ses décisions après un incident ? Ces questions commencent à donner naissance à un nouveau segment du marché autour de la gouvernance, de l’observabilité et de la sécurité de l’IA agentique.
L’infrastructure redevient stratégique
Une autre évolution apparaît derrière la généralisation de l’IA : le retour de l’infrastructure au premier plan. Le SaaS avait progressivement rendu la puissance informatique presque invisible pour les utilisateurs. Le fournisseur de logiciel gérait son infrastructure et le client achetait essentiellement un service.
L’IA modifie cet équilibre. Les capacités de calcul nécessaires au fonctionnement des modèles deviennent un actif stratégique et une source de coûts significative. Les engagements annoncés autour d’Anthropic et des fournisseurs de cloud spécialisés se chiffrent désormais en dizaines de milliards de dollars.
Dans le même temps, les entreprises utilisent plusieurs modèles selon leurs besoins. F5 indique que les organisations interrogées dans son étude 2026 utilisent en moyenne sept modèles d’IA. Stripe a annoncé l’acquisition d’OpenRouter, dont la technologie choisit le modèle à solliciter selon le coût, la performance, la rapidité ou la disponibilité.
Un nouveau niveau d’orchestration apparaît donc, celui des modèles eux-mêmes, qui devrait limiter les risques de dépendance à un modèle unique.
Consolidation : chacun cherche les briques qui lui manquent
La multiplication des acquisitions observées sur le marché ces derniers mois s’inscrit aussi dans cette transformation. Peu d’entreprises disposent seules de toutes ces briques. D’où les rapprochements actuels. Cribl a ainsi acquis des actifs technologiques de Radiant Security afin de renforcer l’automatisation de ses opérations de sécurité. Nasuni a repris DryvIQ pour compléter ses capacités de gouvernance des données non structurées. Palo Alto Networks poursuit sa stratégie d’acquisitions autour de nouvelles capacités de sécurité. Cette consolidation devrait se poursuivre.
Le prochain ERP : un futur système d’orchestration ?
Il serait prématuré d’annoncer la disparition des logiciels tels que nous les connaissons. Les données devront toujours être stockées. Les transactions devront rester enregistrées. Les processus auront besoin de règles et les entreprises de référentiels. ERP, CRM, SIRH, WMS et applications financières ne vont donc pas disparaître.
Mais leur interface et leur rôle pourraient profondément changer. Une part croissante des utilisateurs pourrait ne plus naviguer directement dans toutes les fonctions du logiciel. Ils formuleront un objectif à un agent qui utilisera plusieurs applications et plusieurs modèles pour accomplir la tâche demandée.
Dans cette architecture, le logiciel métier devient à la fois le réservoir de contexte et de données pour les agents et le système d’enregistrement des actions réalisées. Le véritable enjeu pour les éditeurs ne consiste donc plus seulement à « ajouter de l’IA ». Il consiste à déterminer quelle place leur logiciel occupera dans cette nouvelle chaîne de valeur.
Certains resteront sur un modèle où les agents viendront interroger leurs applications. D’autres deviendront les plateformes depuis lesquelles ces agents seront créés, contrôlés et orchestrés. À ce stade, tout évolue très vite et bien malin qui peut aujourd’hui anticiper ce que deviendra le marché des logiciels B2B dans les prochaines années.