SaaSpocalypse : quand le narratif précède l’analyse

Je suis tombé récemment sur une série de posts sur linkedin qui annonçaient de manière très péremptoire, comme il est de bon ton sur cette plateforme, la fin de l’industrie du logiciel qui allait être ravagée par l’IA.

Quelques faits isolés que l’on relie pour créer un narratif et une conclusion qui relève de la prophétie qu’on espère autoréalisatrice. Et c’est surtout cela qui me dérange. Je ne suis pas tombé de la dernière plus et je sais que pour nombre d' »IA Fanboys » c’est leur business et leur survie qui en dépend et que, parfois, c’est juste le plaisir de sans cesse bruler une idole pour en adorer une nouvelle. Je ne suis pas un fan du marketing de la peur (Si vous n’achetez pas mes produits et mes services, vous allez tous mourir) mais j’en comprends la logique voire le besoin même si les arguments sont parfois plus que légers (AGI, emploi, productivité : le grand bluff des prédictions IA).

Par contre ce qui me dérange c’est quand c’est fait sans effort d’analyse,à coup de bullets points qui sont autant de punchlines qu’on balance dans le visage de son lecteur en espérant qu’il en ressorte assez groggy pour ne pas avoir envie de s’intéresser au sujet et essayer de comprendre ce qui se passe vraiment.

En bref :

• Les discours annonçant la fin du SaaS reposent sur une lecture rapide de la montée des agents IA, de certaines annonces financières et des corrections boursières, mais ces éléments ne suffisent pas à conclure à une disparition structurelle du logiciel.
• La réaction des marchés est rationnelle face au risque de « compression des sièges », car le modèle historique du SaaS est fondé sur la facturation par utilisateur ; toutefois, cela implique surtout une révision des unités de valeur plutôt qu’un effondrement automatique des revenus.
• Le passage vers un modèle de type « Service-as-Software » traduit un déplacement de la facturation de l’accès à l’outil vers la production de résultats ou d’actions, comme l’illustrent certaines évolutions chez des acteurs établis, sans signifier la disparition des plateformes existantes.
• Les grands systèmes d’entreprise (ERP, PLM, mainframes) restent des architectures de responsabilité, de conformité et de traçabilité et les agents IA agissent comme utilisateurs avancés de ces systèmes plutôt que comme substituts capables de les remplacer intégralement.
• Les variations boursières reflètent des anticipations et des arbitrages de capital à court terme, mais les transformations industrielles sont progressives et la mutation actuelle concerne donc surtout la redéfinition de la captation de valeur et du contrôle de la couche d’orchestration, non la mort du logiciel.

On nous ressasse donc l’idée selon laquelle les agents d’OpenAI remplaceraient Salesforce, Adobe, Slack, Atlassian ou Workday. Une idée a désormais quitté le registre de la provocation pour entrer dans celui de l’analyse financière, à la faveur d’une séquence où déclarations stratégiques, levée de fonds hors norme et correction boursière sectorielle se sont superposées au point de donner l’impression d’un basculement historique.

Les annonces autour d’une valorisation de 600 milliards de dollars pour OpenAI, dans un tour de table soutenu notamment par Nvidia, Amazon et SoftBank, ont été largement relayées (OpenAI recalibrates growth path with $600 billion compute target – CNBC). Remarquons, encore une fois, cet investissement circulaire ou les acteurs font tourner l’argent entre eux pour cacher le fait que finalement les clients, eux, rechignent à ouvrir leur porte monnaie (Is A.I. Investment Getting Too Circular?).

Dans le même temps, plusieurs médias ont documenté ce que certains ont baptisé le « SaaSpocalypse », avec une destruction de capitalisation estimée à plus de 1 000 milliards de dollars sur les valeurs logicielles, et des chutes marquées pour Atlassian, Salesforce ou Adobe (SaaS Stocks Buried In AI Blizzard: Atlassian, Salesforce Hit 52-Week Lows et The ‘SaaSpocalypse’ Arrives: Why the Software Sector Is Facing a Brutal Reckoning)

On aurait donc la convergence parfaite : une ambition affichée de remplacement, une rotation sectorielle des capitaux, et une correction brutale des valeurs historiques. La conclusion semble s’imposer d’elle-même : fin d’une époque et mort du Saas. Mais elle est pourtant plus fragile qu’il n’y paraît.

J’avais quelques idées sur le sujet mais au lieu de réagir à chaud comme les spécialistes de l’emballement catastrophiste j’ai préféré prendre mon temps, faire quelques recherches et valider mes hypothèses. Week end gaché mais ça en valait, je pense, la peine.

La panique est rationnelle

Commençons par le reconnaître : la réaction du marché n’est pas irrationnelle. En effet le passage des copilotes aux agents autonomes comme par exemple le Project Operator d’OpenAI ou des plug-ins de Claude chez Anthropic introduit une rupture fonctionnelle réelle. Un agent capable de naviguer dans des interfaces, d’appeler des API, d’enchaîner des tâches sans intervention humaine remet en question le modèle centré sur l’utilisateur qui clique (Enterprise on edge et The ‘Saaspocalypse’: How Claude’s Latest Plugins Shook Global Markets ).

Si un agent accomplit le travail de dix utilisateurs opérationnels, la fameuse « compression des sièges » (diminution des besoins en licences) devient une hypothèse crédible, ce que certains analystes décrivent explicitement comme « the death of the seat » (The Death of the ‘Seat’: How AI Agents Triggered the 2026 SaaSpocalypse for Salesforce and Adobe).

Or le SaaS d’entreprise a été valorisé pendant quinze ans sur la base d’une équation simple : nombre de sièges multiplié par revenu récurrent annuel, avec des marges brutes de 75 à 85 %. La perspective d’une réduction structurelle du nombre de licences justifie mécaniquement une révision à la baisse des anticipations de cash-flow.

Ajoutons à cela un différentiel de marge non négligeable. Les projections évoquées pour OpenAI mentionnent des marges autour de 52 % pour les produits d’IA en raison des coûts d’inférence et de calcul (OpenAI Tempers Compute Spending Target To $600 Billion, Projects $280 Billion Revenue By 2030 As Mega Funding Round Nears: Report)

On comprend que le marché réévalue les modèles et la panique est donc rationnelle. Mais ce qu’elle signifie peut être discuté.

Service-as-Software : déplacement de l’unité de valeur

La vision défendue par Sam Altman ne se limite pas à une amélioration d’interface. Elle propose un changement d’unité économique : passer du logiciel vendu comme accès à un outil au logiciel vendu comme résultat produit par cet outil. Cette approche du « Service-as-Software » est largement documentée et analysée (Why We’re Betting on Service-as-Software, Not SaaS).

Dans ce cadre, l’entreprise ne paie plus pour que ses collaborateurs disposent d’un CRM, mais pour que des leads soient qualifiés, plus pour un outil RH, mais pour que des processus soient exécutés, plus pour une interface créative, mais pour que des contenus soient produits.

Un déplacement qui touche la métrique de facturation et à la manière dont la valeur est perçue.

C’est à ce moment qu’il faut parler de Hubspot qui est régulièrement citée comme contre-exemple à la dynamique dite de « SaaSpocalypse ».

Concrètement, alors que plusieurs acteurs historiques voyaient leur valorisation chuter fortement sous l’effet des anticipations liées aux agents autonomes et à la compression des sièges, HubSpot a affiché une croissance de revenus d’environ 20 % et surtout a communiqué sur une transformation de son modèle économique. L’entreprise a progressivement déplacé une partie de sa facturation d’un modèle centré sur le nombre d’utilisateurs humains vers un modèle fondé sur des crédits, consommés en fonction du volume d’actions exécutées par des agents intégrés à sa plateforme.

Autrement dit, HubSpot n’a pas supprimé son CRM ni remplacé son logiciel par un service extérieur mais a intégré des agents spécialisés au sein de sa propre architecture (prospection, support, marketing automation) puis a ajusté son unité de mesure économique. La valeur n’est plus seulement l’accès à l’outil, mais le travail effectivement produit à l’intérieur de l’outil.

C’est en cela que l’exemple est intéressant car il montre trois choses.

D’abord, qu’un modèle proche du Service-as-Software peut fonctionner, à condition d’être adossé à une plateforme existante et à une base de données unifiée.

Ensuite, que la disparition du siège comme unité de facturation n’est pas synonyme d’effondrement du revenu, mais peut au contraire conduire à une redéfinition de la captation de valeur.

Enfin, que la mutation agentique n’implique pas nécessairement la destruction des éditeurs SaaS, mais peut être absorbée par eux, à condition qu’ils maîtrisent leur socle fonctionnel et leur base installée.

L’exemple HubSpot ne prouve donc pas que le SaaS meurt mais que le SaaS peut muter.

Mais ce déplacement de la valeur ne signifie pas nécessairement la disparition des systèmes sous-jacents.

Moins de licences n’implique pas moins de revenus

L’argument central du SaaSpocalypse repose sur un enchaînement simple : moins d’utilisateurs humains = moins de licence= chute des revenus = effondrement du modèle.

Ce raisonnement suppose que le pricing reste figé or l’histoire du logiciel montre exactement l’inverse. La transition vers le cloud a transformé des licences perpétuelles en abonnements récurrents. Les métriques sont passées du serveur à l’utilisateur, puis au bundle fonctionnel et rien n’indique qu’elles ne puissent pas évoluer de nouveau.

Certains acteurs ont déjà commencé. Salesforce a introduit des métriques comme les « Agent Work Units » dans le cadre de son initiative Agentforce (Salesforce & Nvidia CEOs dismiss ‘SaaS-pocalypse’ fears et Salesforce CEO ‘SaaSquatch’ Benioff says his company will monster the SaaSpocalypse)

HubSpot, on l’a dit, est un contre-exemple à la débâcle sectorielle, et a basculé vers un modèle de crédits en facturant le volume de travail effectué par les agents (HubSpot Defies ‘SaaSpocalypse’ With 20% Growth as Agentic Platform Replaces Legacy Seat Models).

Notons toutefois que Sam Altman est encore loins du compte dans ses prédictions car le modèle qui semble émerger aujourd’hui est plus un modèle à l’usage qu’au résultat et, si les choses vont surement largement évoluer dans les années à venir on peut se demander qui de l’entreprise ou de ses clients à plus à gagner avec l’un ou l’autre mais je ne suis pas loin de penser que dans l’état actuel des choses une facturation au résultat mènerait OpenAI et d’autre à la faillite. Je dis bien aujourd’hui.

Autrement dit, la disparition du siège comme unité de mesure ne signifie pas la disparition de la captation de valeur. A l’inverse, elle ouvre plutôt la voie à des modèles transactionnels, à la facturation au résultat ou par volume d’actions exécutées.

La question devient alors moins « combien d’utilisateurs humains ? » que « combien d’actions effectuées et quelle valeur générée ?« .

L’ERP comme « système de responsabilité »

C’est ici que se trouve l’angle mort de nombreux discours catastrophistes.

Un ERP ou un grand système d’entreprise n’est pas seulement une interface. C’est une architecture de droits, de traçabilité, de conformité et de consolidation. C’est ce que l’on pourrait appeler un système de responsabilité.

Même les défenseurs de l’IA agentique reconnaissent la nécessité de construire un mécanisme progressif d’autonomisation et de validation des actions exécutées par les agents (The Great Stabilization: Anthropic Reassures Wall Street as ‘Augmentation’ Narrative Ends the SaaS Selloff)

Un agent peut exécuter une tâche mais ne devient pas, par nature, le système qui garantit la cohérence comptable, la conformité réglementaire ou la responsabilité juridique.

Dans son analyse des arbitrages budgétaires, Frédéric Charles rappelle d’ailleurs que les DSI ne choisissent pas entre IA générative et ERP moderne, mais arbitrent sous contrainte, l’ERP restant la colonne vertébrale des processus critiques (IA générative ou ERP moderne : les DSI doivent-ils vraiment choisir ?).

La tension budgétaire est une réalité mais en déduire un mouvement de substitution pure et simple est une extrapolation hâtive.

Les agents comme “utilisateurs d’outils”

Ce qui nous amène à expliciter un point souvent sous-estimé (à dessein ?) dans les narrations de rupture. Jensen Huang, le dirigeant de Nvidia, a rappelé lui-même que les agents IA sont fondamentalement des « utilisateurs d’outils » intelligents. Autrement dit, ils n’opèrent pas dans le vide et ont besoin d’environnements structurés, de systèmes transactionnels, de bases de données cohérentes pour produire un résultat exploitable. L’agent ne remplace pas le logiciel, il s’en sert.

C’est une donnée fondamentale. Si l’agent devient l’utilisateur principal, alors Salesforce, SAP, Workday ou ServiceNow ne disparaissent pas mécaniquement. Ils deviennent les environnements normés dans lesquels l’agent agit. La valeur ne s’éteint pas, elle change de point d’entrée. L’interface peut se déplacer mais l’architecture reste nécessaire pour garantir la cohérence, la conformité et la traçabilité des actions exécutées. La narration sur la substitution masque donc en réalité une relation de dépendance forte des agents IA via à vis des systèmes dans lesquels ils évoluent.

Fragmentation plutôt qu’extinction

Ce que confirment en revanche de nombreuses analyses, y compris du côté d’investisseurs comme Polar Capital, c’est une fragmentation croissante du marché et une rotation des capitaux vers l’infrastructure IA (2026: The year AI’s impact becomes impossible to ignore).

Les budgets IT ne sont pas extensibles et chaque dollar investi dans l’orchestration agentique est un dollar qui n’est pas investi ailleurs. Mais la réallocation n’est pas la fin d’un secteur.

Le mouvement de Polar Capital est souvent présenté comme un verdict définitif contre le SaaS ce qui est donc une lecture rapide et superficielle. Ce que l’on observe davantage, c’est une rotation stratégique vers les segments que le fonds estime les plus porteurs en termes de croissance future, en l’occurrence l’infrastructure IA et les modèles de fondation. Cela ne revient pas à décréter la disparition des logiciels applicatifs, mais à arbitrer entre profils de croissance et de risque. Un gestionnaire d’actifs ne « condamne » pas un secteur au sens industriel du terme, il réalloue du capital vers les zones où il anticipe un différentiel de performance. Que l’IA soit perçue comme un vecteur de croissance plus rapide à court ou moyen terme ne signifie pas que le SaaS cesse d’exister, mais que son potentiel d’expansion est jugé, à cet instant, moins attractif relativement aux nouvelles couches d’infrastructure.

Il est probable que certaines couches applicatives « légères », dont la valeur reposait principalement sur une interface et peu sur une profondeur fonctionnelle ou réglementaire, soient durablement fragilisées. Il est tout aussi probable que les grands systèmes intégrés intègrent les capacités agentiques et répercutent leur coût dans un pricing ajusté.

La bataille ne se joue pas entre agents et ERP mais dans le contrôle de la couche d’orchestration et dans la définition de la nouvelle unité de valeur.

Le paradoxe des disrupteurs

Il existe d’ailleurs une contradiction intéressante que les discours les plus radicaux évitent d’aborder. Les acteurs qui annoncent la fin du modèle par siège continuent eux-mêmes à facturer leurs offres Business selon une logique… par utilisateur. Les versions entreprise d’OpenAI ou d’Anthropic sont aujourd’hui commercialisées autour de 25 à 30 dollars par utilisateur et par mois.

Ce paradoxe apparent montre bien que l’économie de l’entreprise reste structurée autour d’identités humaines, de droits individuels et de responsabilité nominative. Le passage vers un modèle purement fondé sur le résultat produit n’est pas total et encore moins abouti. On observe plutôt une hybridation progressive : facturation par utilisateur enrichie de capacités agentiques, expérimentations sur des unités d’action, mais maintien d’une structure contractuelle centrée sur des comptes humains.

Autrement dit, même les disrupteurs évoluent à l’intérieur des cadres qu’ils prétendent dépasser. Ce décalage ne discrédite pas leur vision, mais il rappelle que la mutation économique est plus graduelle que les déclarations stratégiques ne le laissent entendre.

Le marché sanctionne aussi l’IA

Un autre élément mérite d’être rappelé pour éviter les lectures trop simplistes.

Ces derniers mois, des groupes comme Microsoft ou Oracle ont publié des résultats opérationnels solides, parfois supérieurs aux attentes, tout en voyant leur cours reculer. La raison n’était pas une faiblesse commerciale, mais l’ampleur des investissements consentis dans les infrastructures IA : montée en puissance des data centers, achats massifs de GPU et capex en forte accélération.

Le marché ne sanctionne donc pas uniquement les acteurs supposément « dépassés » mais s’interroge sur le rendement du capital engagé dans la course à l’infrastructure.

A l’inverse, la prudence relative de Apple, dont l’exposition aux investissements massifs dans l’IA générative apparaît plus mesurée, a été saluée par certains investisseurs. Ce contraste rappelle que la séquence actuelle ne distingue pas simplement les gagnants technologiques des perdants mais oppose surtout différentes lectures du risque et de la discipline financière dans un cycle où l’intensité capitalistique redevient centrale.

Le cas Dassault Systèmes : confusion entre design génératif et ingénierie industrielle

J’ai vu il y quelques jours une vidéo d’un « expert » expliquant que la baisse du titre de Dassault Systèmes serait directement liée à l’essor de l’IA générative. L’argument est simple : si l’IA sait concevoir, modéliser et générer, alors les plateformes de conception seraient menacées. La conclusion est rapide et superficielle.

J’ai choisi ce cas à dessein car je le trouve caricatural et quiconque connaît CATIA ou la plateforme 3DEXPERIENCE sait que l’on ne parle pas d’un outil de dessin remplaçable par un prompt. CATIA est utilisé depuis des décennies dans l’aéronautique et l’automobile pour la conception d’ensembles industriels complexes. Airbus, par exemple, a historiquement conçu ses appareils avec CATIA, notamment lors du développement du programme A380, où les enjeux d’intégration numérique ont été déterminants.

Nous sommes ici dans des environnements de PLM (Product Lifecycle Management), c’est-à-dire de gestion complète du cycle de vie produit : conception, simulation, validation, industrialisation, maintenance. Le PLM n’est pas une interface graphique mais une architecture industrielle intégrée. Ces plateformes constituent le cœur des chaînes numériques industrielles et sont profondément ancrées dans les processus d’ingénierie critiques

L’IA générative peut accélérer la conception, proposer des variantes, assister l’optimisation mais elle ne remplace pas la gestion de configuration, la traçabilité réglementaire, la simulation physique ou l’intégration aux systèmes industriels. D’ailleurs, la conception générative et l’optimisation algorithmique existent dans l’ingénierie depuis bien avant la vague actuelle de GenAI. L’IA dans l’industrie manufacturière crée principalement de la valeur en améliorant les processus existants (maintenance prédictive, optimisation de production, contrôle qualité) plutôt qu’en se substituant aux systèmes structurants existants (AI: The next frontier of performance in industrial processing plants).

Autrement dit, le sujet n’est pas de savoir si l’IA impacte la conception car elle l’impacte déjà. Le sujet est par contre de savoir si elle rend obsolètes les plateformes qui structurent cette conception. Or dans des environnements industriels soumis à des exigences de conformité et de sûreté, l’intégration aux processus industriels pèse davantage qu’une simple amélioration d’interface.

Là encore, le schéma est identique à celui observé ailleurs : une capacité nouvelle apparaît, on projette son effet maximal, puis on extrapole à l’ensemble d’une architecture complexe. Dans le cas de Dassault Systèmes, l’IA modifie les modalités de conception mais ne supprime pas la nécessité des plateformes qui organisent cette conception. Il y a certainement des raisons logiques à cette baisse de l’action, à commencer par des résultats décevants, mais tout mettre sur le dos de l’IA est aller un peu vite en besogne.

Tant qu’on y est : le cas IBM, ou la tentation du raccourci

Tant qu’on parle de disruption et de réactions de marché, prenons un cas qui ne relève ni du CRM ni du SaaS applicatif, mais qui a pourtant été traité avec la même grille de lecture rapide : IBM et son activité mainframe.

A la suite d’annonces autour des capacités de modèles comme Claude à assister la modernisation de code, certains commentaires ont immédiatement extrapolé une menace existentielle pour le mainframe. Le raisonnement est désormais con u : si l’IA sait comprendre, traduire ou moderniser du COBOL, alors la plateforme historique devient obsolète. Et encore une fois la conclusion précède l’analyse.

Or les faits disponibles racontent autre chose.

Selon des données relayées par des analystes couvrant le segment, l’intérêt pour le mainframe a progressé fortement en 2025, avec une hausse de l’ordre de +52 % des demandes d’information liées à la plateforme par rapport à l’année précédente (Source Gartner). Les entreprises ne cherchent plus massivement à sortir du mainframe, mais à moderniser leur base de code et à réduire le déficit d’investissement accumulé ces dernières années. Les projets de « mainframe exit » restent complexes et fréquemment sous-estimés dans leur coût et leur durée, au point que les échecs sont rarement médiatisés mais bien connus des cabinets spécialisés.

Les outils de conversion du COBOL vers Java ne datent pas d’hier. Ils existent depuis plus de vingt ans, avec des promesses récurrentes d’automatisation. Toutes les analyses que j’ai pu trouver, notamment chez Gartner, rappellent régulièrement que ces outils ont leurs limites. Aujourd’hui, les solutions fondées sur l’IA générative apportent effectivement une aide précieuse car elles facilitent la compréhension du code, la documentation, certaines opérations de modernisation. Mais elles ne permettent pas encore de transformer entièrement, de manière autonome, des systèmes transactionnels complexes. Elles assistent mais ne remplacent pas.

Dans le même temps, IBM rappelle que le mainframe reste au cœur d’infrastructures critiques mondiales, notamment dans la banque, l’assurance et le secteur public, et que 70 % des clients étendent leurs workloads plutôt que de les réduire. La plateforme continue d’évoluer et de s’adapter aux architectures hybrides. IBM met en avant des outils destinés à faciliter la modernisation du code et l’intégration avec des environnements plus récents et l’IA apparaît ainsi comme un levier d’amélioration et d’adaptation progressive, plutôt que comme un mécanisme de remplacement.

Plus largement, les mainframes continuent de gérer une part disproportionnée des workloads critiques. Selon IBM, près de 70 % des workloads informatiques de production mondiaux seraient traités sur des environnements mainframe, notamment dans les secteurs bancaires, dans l’assurance et le public, ce qui illustre leur rôle central dans les infrastructures à haute criticité.

Ce qui m’amuse (ou me désespère…) c’est la similarité du mécanisme. Une annonce technologique devient le déclencheur d’un scénario d’extinction puis une réaction boursière est interprétée comme validation d’une obsolescence structurelle. Et enfin, en examinant les chiffres, on voit que les barrières à l’entrée, les coûts de migration et de la dépendance organisationnelle, eux, n’ont pas bougé d’un iota.

Autrement dit, le mainframe n’est pas « tué » par Claude pas plus que l’ERP ne l’est par un agent conversationnel. Dans les deux cas, l’IA agit comme utilisateur avancé d’un environnement structuré. La question n’est pas la disparition de la plateforme mais sa capacité à intégrer la nouvelle couche et à en capter la valeur.

Ce que le cours ne dit pas

Les variations de cours ne sont ni un référendum sur le présent, ni une prophétie sur le futur, encore moins une mesure intrinsèque de la valeur d’une entreprise. Elles traduisent une agrégation d’anticipations, de comparaisons, de rotations sectorielles et parfois d’effets de narration.

Un titre peut baisser alors que les résultats sont solides, monter alors que les fondamentaux sont fragiles car le marché ne juge pas une architecture industrielle mais il réévalue un couple croissance-risque à un instant donné.

Dans les phases de rupture technologique, les valorisations bougent plus vite que les structures et les anticipations s’ajustent avant que les modèles économiques n’aient eu le temps d’évoluer. Confondre mouvement de cours et verdict industriel conduit à des conclusions hâtives et souvent fausses.

L’histoire des technologies montre que les marchés ajustent leurs anticipations en quelques jours alors que les transformations industrielles prennent des années.

Qui nous dit que dans un an les mêmes personnes n’écriront pas que le SaaS est une valeur refuge dans le contexte de l’effondrement d’Open AI qui peut entrainer un effet de dominos ? Personne avec certitude. Et l’inverse non plus.

Conclusion

Les marchés ajustent leurs anticipations en quelques jours alors que les transformations industrielles prennent des années, et c’est dans cet écart que prospèrent les récits de fin du monde, parce qu’ils offrent une explication simple à une recomposition complexe.

Ce que l’on observe aujourd’hui n’est pas la mort du logiciel, ni même la mort du SaaS, mais une remise en cause de certaines unités de mesure et de certaines rentes, au premier rang desquelles la licence « par siège » lorsqu’elle ne correspond plus à l’unité réelle de production de valeur, et une bataille beaucoup plus structurante pour le contrôle de la couche d’orchestration, c’est-à-dire le point de passage obligé entre les agents et les systèmes d’entreprise, là où s’organisent les processus, où s’agrègent les données et où se capte la valeur économique.

On peut donc prendre au sérieux la mutation en cours sans avaler la prophétie qui l’accompagne, et surtout sans confondre un mouvement de capitalisation avec un verdict industriel. Le sujet n’est pas de savoir qui « meurt », mais qui s’adapte, comment la valeur se déplace et comment on la capture. C’est moins spectaculaire que les punchlines, mais c’est ce qui mérite qu’on s’y attarde.

Pour répondre à vos questions…

Crédit visuel : Image générée par intelligence artificielle via ChatGPT (OpenAI)