Imaginez un monde où plus personne ne passe des années à maîtriser l’interface complexe de Salesforce, ServiceNow ou SAP. Un monde où l’on pose simplement une question en langage courant à son ordinateur et où la réponse arrive instantanément, sans cliquer dans dix menus différents. Ce futur que beaucoup redoutent pour les géants du logiciel est déjà en train de se dessiner, et l’un des acteurs les plus puissants du secteur n’hésite pas à le dire haut et fort : l’IA va rendre le SaaS… invisible.
C’est Ali Ghodsi, co-fondateur et PDG de Databricks, qui a lâché cette petite bombe lors d’une récente interview. Alors que sa société vient d’annoncer un chiffre d’affaires annualisé record de 5,4 milliards de dollars avec une croissance de 65 % sur un an, il refuse de se laisser enfermer dans la case « simple SaaS ».
L’IA ne tue pas le SaaS, elle le rend transparent
Le message est clair : le SaaS n’est pas mort, mais son modèle traditionnel basé sur des interfaces propriétaires et des spécialistes certifiés risque de disparaître. Pour Ghodsi, le véritable bouleversement ne vient pas d’un remplacement brutal des systèmes de gestion existants, mais d’une métamorphose profonde de la façon dont les humains interagissent avec ces systèmes.
« Pourquoi quelqu’un irait-il remplacer son système d’enregistrement critique ? C’est extrêmement difficile à migrer », explique-t-il. Les bases de données qui stockent les transactions financières, les contrats clients ou les historiques de support ne vont pas être jetées du jour au lendemain. Ce qui va changer radicalement, en revanche, c’est la couche d’interaction.
« Les millions de personnes formées pendant des années sur ces interfaces… c’était la plus grande barrière à l’entrée des SaaS historiques. Avec le langage naturel, cette barrière s’effondre. »
Ali Ghodsi, PDG de Databricks
Cette phrase résume parfaitement le séisme qui se prépare. Pendant vingt ans, les éditeurs SaaS ont construit leur avantage compétitif autour de deux piliers : une base de données ultra-fiable et une interface utilisateur si spécifique qu’elle nécessitait une véritable expertise pour être maîtrisée. Aujourd’hui, l’arrivée des grands modèles de langage bouleverse ce deuxième pilier.
Genie : quand le data warehouse parle français (ou n’importe quelle langue)
Chez Databricks, cette révolution est déjà concrète grâce à un produit qui fait beaucoup parler de lui en interne et chez certains grands clients : Genie.
Genie n’est rien d’autre qu’une interface conversationnelle basée sur un LLM qui vient se poser directement sur l’énorme lac de données de l’entreprise. Au lieu d’écrire une requête SQL complexe ou de demander à un analyste de créer un dashboard, un directeur financier peut désormais taper :
« Pourquoi est-ce que notre consommation de stockage a explosé le 15 janvier et le 22 février ? »
En quelques secondes, Genie analyse les métadonnées, croise les informations d’usage, identifie les jobs qui ont tourné plus longtemps, et livre une explication claire avec les chiffres qui vont avec. Pas de code, pas de formation préalable, juste du langage naturel.
Ce type d’expérience n’est pas anecdotique : Ghodsi affirme que Genie est l’une des principales raisons de l’explosion d’usage observée sur la plateforme ces derniers mois. Plus les utilisateurs posent de questions, plus ils consomment de ressources de calcul… et plus la facture grimpe. Une belle ironie quand on sait que l’un des arguments historiques contre les data warehouses était justement leur coût.
- Augmentation massive des requêtes ad-hoc
- Utilisation par des profils non-techniques (marketing, finance, direction)
- Croissance exponentielle des crédits de calcul consommés
- Meilleure adoption globale de la plateforme
Ces quatre points forment aujourd’hui un cercle vertueux pour Databricks, mais aussi un avertissement pour tous les éditeurs SaaS qui n’ont pas encore entamé leur transition vers le langage naturel.
Lakebase : la base de données pensée pour les agents IA
Mais Databricks ne se contente pas d’adapter ses produits historiques. La société a également lancé Lakebase, une base de données spécifiquement conçue pour les agents autonomes IA.
Contrairement aux bases relationnelles classiques, Lakebase est optimisé pour des accès ultra-fréquents, des schémas évolutifs et des patterns d’écriture/lecture typiques des agents qui enchaînent des centaines d’opérations par minute. En seulement huit mois sur le marché, Lakebase a déjà généré deux fois plus de revenus que le data warehouse principal de Databricks… au même âge.
Bien sûr, Ghodsi prend soin de préciser qu’il s’agit de « comparer des bébés », mais le signal est fort : les entreprises commencent à construire des architectures où les agents IA deviennent des citoyens de première classe, avec leurs propres besoins en stockage et en performance.
Pourquoi les gros SaaS historiques sont-ils vulnérables ?
Revenons à la thèse centrale de Ghodsi : la vraie menace pour les Salesforce, Workday, SAP et consorts ne vient pas d’un concurrent qui propose exactement la même chose en mieux marché. Elle vient du fait que l’interface disparaît.
Quand un commercial pourra demander à son assistant IA : « Montre-moi tous les deals qui risquent de churner ce trimestre et propose-moi un plan d’action », peu importe que les données proviennent de Salesforce, HubSpot ou d’un ERP maison. L’expérience utilisateur devient agnostique à la plateforme sous-jacente.
« Les produits SaaS vont devenir comme la plomberie : indispensables, mais invisibles. »
Ali Ghodsi
Cette invisibilité est à double tranchant. D’un côté elle menace les barrières à l’entrée construites patiemment par les leaders. De l’autre, elle ouvre la porte à de nouveaux entrants capables de proposer une meilleure intégration avec les agents et les LLM.
Une guerre des valorisations qui se déplace
Databricks en est la parfaite illustration. Alors que l’entreprise était historiquement valorisée comme un acteur du big data et du data warehousing, les investisseurs la considèrent désormais majoritairement comme une société d’IA. Sa dernière levée de fonds de 5 milliards de dollars à 134 milliards de valorisation en témoigne.
En parallèle, la société a sécurisé une ligne de crédit de 2 milliards de dollars supplémentaires. Objectif affiché : disposer d’une trésorerie suffisamment importante pour traverser sereinement une éventuelle nouvelle crise financière, comme celle de 2022.
« Ce n’est pas le bon moment pour entrer en bourse », reconnaît Ghodsi. Une prudence qui contraste avec l’euphorie ambiante autour de l’IA, mais qui montre aussi une maturité stratégique rare dans l’écosystème tech actuel.
Et les autres ? Les stratégies de défense des géants SaaS
Face à cette vague, les grands éditeurs historiques ne restent pas les bras croisés. Salesforce a multiplié les annonces autour d’Einstein GPT, ServiceNow pousse Vancouver avec des capacités GenAI natives, SAP mise sur Joule… Mais la question reste entière : arriveront-ils à temps ?
Leur principal avantage reste la profondeur de leurs systèmes d’enregistrement et la confiance accumulée auprès des directions financières. Tant que les entreprises n’auront pas confiance en un agent IA pour modifier directement un bon de commande ou valider une note de frais à six chiffres, les bases historiques conserveront leur place centrale.
- Confiance dans la traçabilité et l’auditabilité
- Intégrations historiques avec des milliers d’applications tierces
- Contrats pluriannuels très difficiles à remplacer
- Équipes internes formées et certifiées
Ces quatre remparts protègent encore les forteresses SaaS, mais chacun d’eux est en train d’être sapé par l’avancée des agents autonomes et des LLM de plus en plus fiables.
Vers un monde d’« agents-first »
Si l’on pousse la logique de Ghodsi jusqu’au bout, nous nous dirigeons vers des architectures où les agents IA deviennent les principaux utilisateurs des systèmes d’information. Les humains ne seraient plus que des superviseurs occasionnels.
Dans ce scénario, les bases de données doivent être repensées pour supporter :
- Des volumes d’écritures 10 à 100 fois supérieurs
- Des schémas qui évoluent toutes les heures
- Des requêtes extrêmement courtes mais ultra-fréquentes
- Une traçabilité complète pour chaque décision automatisée
C’est exactement ce que vise Lakebase, et c’est sans doute la raison pour laquelle ce produit décolle aussi vite malgré son jeune âge.
Conclusion : s’adapter ou disparaître ?
L’histoire de la tech est remplie d’exemples d’entreprises qui ont dominé un paradigme… puis ont été balayées par le suivant. Les minitel, les annuaires papier, les serveurs sur site, les logiciels on-premise… tous ont fini par devenir marginaux.
Le SaaS tel que nous le connaissons depuis vingt ans n’échappera probablement pas à cette règle. Mais ceux qui sauront le plus rapidement réinventer leur couche d’interaction, embrasser le langage naturel et préparer l’arrivée massive des agents IA ont toutes les chances de rester au sommet.
Databricks semble avoir pris une longueur d’avance. Reste à savoir combien de temps les géants historiques mettront à réagir… et si certains d’entre eux survivront à la transition.
Une chose est sûre : le logiciel d’entreprise ne sera plus jamais comme avant.
