Le problème d’intégration de la Vertical AI et les stratégies concrètes utilisées par les fondateurs

(insights.euclid.vc)

10 points par GN⁺ 2025-06-25 | Aucun commentaire pour le moment. | Partager sur WhatsApp

Dans les très nombreux logiciels sectoriels (Vertical), le principal frein à l’expansion est la fermeture des systèmes de gestion existants (ERP/SOR) et les politiques de blocage des intégrations externes
La plupart des données clés sont enfermées dans des ERP legacy, ou seulement partiellement accessibles, si bien que les jeunes startups de Vertical AI ne peuvent pas se connecter aux systèmes centraux malgré la demande des clients
Les jeunes SaaS basés sur l’IA ont un besoin particulièrement fort d’intégration des données et font face à un nouveau défi : intégrer non seulement les API traditionnelles, mais aussi les données non structurées (e-mails, photos de terrain, appels, etc.)
Pour y répondre, les fondateurs mettent réellement en œuvre cinq stratégies : « utilisation des identifiants de connexion », « partenariats », « ciblage des SMB », « IA indépendante de l’ERP », « recours à l’infrastructure IA »
Les frameworks standardisés d’agents IA (comme MCP) et les modèles de RPA/opérateur basés sur l’IA sont perçus comme les futurs nouveaux modes d’intégration

Logiciels sectoriels et problème d’intégration

Selon le département américain du Travail, il existe plus de 1 000 secteurs d’activité, et dans chacun d’eux, les ERP/SOR (systèmes de gestion métier) jouent le rôle de « centre de gravité des données »
La plupart des ERP sectoriels limitent la fourniture d’API d’intégration externes ou n’autorisent que des modes d’accès coûteux et complexes
- Exemples : Epic dans la santé, Yardi dans l’immobilier, Dentrix dans le dentaire imposent une forte captation des données, bloquant l’intégration des jeunes SaaS ou ne l’autorisant qu’en partie
- Même si cela dégrade la satisfaction client (baisse du NPS), cette structure produit un effet de verrouillage qui rend la sortie de l’ERP difficile

Même les premiers clients demandent souvent : « si ce n’est pas intégré à l’ERP, on ne peut pas l’utiliser »
Les acteurs legacy hésitent à proposer des API publiques/intégrations, par crainte de la concurrence ou par manque de capacités techniques
Les équipes IT des entreprises, en particulier les CIO et dirigeants, se méfient aussi de l’accès aux données par des IA externes ou de jeunes SaaS

Par rapport aux SaaS classiques, les produits basés sur l’IA nécessitent aussi l’exploitation de données non structurées en dehors de l’ERP (e-mails, papier, photos, connaissances orales, etc.)
Les solutions IA mettent au contraire encore davantage en lumière la difficulté de l’intégration des données
Le périmètre de l’intégration s’élargit des « API officielles » vers des voies informelles + des données externes non structurées

Recevoir du client les identifiants/autorisations de connexion à l’ERP pour qu’un agent IA lise et écrive directement les données
Recours à des contournements comme le crawling automatisé ou l’injection directe en base de données
Cas réel : décision RTMS vs PointClickCare (jugement défavorable à un EHR ayant limité l’accès par l’IA, sur la base de la loi américaine sur l’ouverture des informations de santé)
Avantage : résultats rapides
Inconvénients : risques juridiques, conformité (HIPAA, GDPR, etc.), sécurité, impossibilité de monter à l’échelle à long terme

Conclure un partenariat officiel avec un ERP/une plateforme legacy, afin que l’IA fonctionne au-dessus de l’ERP
Argumentaire adressé à l’ERP : « l’IA est la tendance du moment, associez-vous à nous, fournissez les données et partagez une partie des revenus »
Avantages : possibilité d’une expansion plus rapide qu’un ERP seul, accès à de gros contrats
Inconvénients : barrières à l’entrée et lenteur propres à chaque secteur, risque de réaction défensive de l’ERP

Cibler des PME (SMB) avec des ERP plus ouverts via API et plus faciles à remplacer
Le marché SMB est moins verrouillé par les acteurs legacy ; la concurrence y est intense, mais les barrières à l’entrée sont plus faibles
Point d’attention : la taille de ce marché SMB doit être suffisante

Se concentrer sur une Vertical AI dans des domaines ne nécessitant pas d’intégration ERP/SOR
- Exemples : IA sectorielle pour la vente, IA pour le support client
Une facturation à la performance (génération de leads, volume de tickets traités, etc.) est aussi possible
Utilisation d’un mode où le client saisit lui-même les données dans l’ERP (hand-off)

Apparition de frameworks standardisés d’intégration IA (par ex. Anthropic Model Context Protocol, MCP)
- Ils réduisent la charge des intégrations ponctuelles vers de multiples SaaS/API et permettent une extension modulaire
Concept d’« utilisateur informatique » basé sur l’IA (Operator, CUA, etc.) : une évolution IA du RPA existant, qui dépasse l’automatisation de simples clics pour aller vers une manipulation fondée sur la reconnaissance d’image et de contexte
- Exemples : OpenAI ChatGPT Operator (automatisation de navigateur web), Adept (RPA IA pour l’entreprise)
Le domaine en est encore à ses débuts, mais on en attend un rôle significatif dans la Vertical AI d’entreprise

Le problème d’intégration ERP/SOR de l’IA sectorielle n’est pas seulement une question technique ou d’API, mais aussi de structure industrielle et de stratégie d’entrée sur le marché
Il faut définir une stratégie multicouche et flexible selon les clients, l’ERP, les données et le périmètre d’usage de l’IA
À l’avenir, les frameworks standardisés d’agents IA et les technologies de RPA/Operator basées sur l’IA pourraient s’imposer comme de nouveaux modes d’intégration
La combinaison et l’application de chaque stratégie (bricolage, partenariats, SMB, IA non intégrée, standards d’infrastructure) sont au cœur des cas de réussite réels