SaaS 2.0 - Du Software-as-a-Service au Specialist-and-a-Spreadsheet

• Les produits SaaS traditionnels comme Salesforce finissent, au fond, par combiner la gestion de plusieurs listes avec un savoir-faire métier intégré (playbook)
• La plupart des SaaS fournissent à la fois des outils pratiques aux utilisateurs (listes, notes, gestion des tâches, etc.) et une perspective d’expert (méthodes de travail, règles, frameworks, etc.)
• Mais les SaaS existants sont conçus selon des règles générales destinées à une équipe moyenne, ce qui rend difficile la prise en charge des besoins spécifiques de chaque organisation ou des exceptions fines
• Le SaaS du futur évoluera vers une forme de « spécialiste + tableur », dans laquelle des agents experts basés sur l’IA effectueront le travail à la place des utilisateurs et fourniront des workflows personnalisés ainsi qu’une gestion des listes sur mesure
• Dans cette nouvelle ère du SaaS 2.0, les services centrés sur l’expérience, où un expert IA prend directement en charge les listes et les tâches sans que l’utilisateur ait à manipuler une UI complexe, deviendront dominants

---

La nature profonde de Salesforce : listes et playbooks

• Le produit phare de Salesforce (outil de gestion de la relation client) est, au fond, composé de plusieurs listes
  • liste de clients, liste de prospects, liste de produits, historique des communications, etc.
  • la structure combine le rôle de base de données des listes avec une UI permettant de les lire et de les modifier
• En pratique, les listes elles-mêmes pourraient être mises en œuvre dans un tableur, mais pour la gestion fiable de listes complexes à grande échelle, le SaaS est plus efficace
• Salesforce fournit une valeur de 37,9 milliards de dollars par an et représente une concentration de gestion complexe de listes et de fiabilité

L’autre facette du SaaS : l’intégration du savoir-faire métier (playbook)

• Il ne se contente pas de fournir des listes : il embarque aussi les processus complexes et les règles de collaboration nécessaires au travail commercial réel
  • Ex. : prospection, mise en relation, réunion, suivi, préparation des documents, etc., soit toute la séquence du processus commercial
  • Les frameworks standards du secteur (BANT, CHAMP, FAINT, NEAT, SPICED, SPIN, etc.) sont intégrés dans les paramètres par défaut du produit
• Salesforce impose la création d’« opportunités », leur association à des comptes, leur progression par étapes, ainsi que la saisie obligatoire de certains champs (montant du contrat, etc.)
• Ces listes ne sont pas de simples inventaires : ce sont des listes orientées, qui intègrent structurellement des règles et procédures disant “voilà comment il faut travailler”
• Beaucoup de SaaS traduisent ainsi le savoir-faire d’experts dans l’UI, les fonctionnalités et les paramètres par défaut, afin de guider les utilisateurs dans leur travail

Les limites structurelles du SaaS

• Les SaaS comme Salesforce sont des produits conçus pour « l’équipe moyenne »
  • En réalité, le terrain commercial est rempli de contexte fin, d’exceptions et d’étapes intermédiaires, mais le système n’enregistre que des étapes simplifiées (par ex. : Prospecting → Qualification) et quelques champs
  • Toutes les équipes ne travaillent pas de la même manière (MEDDIC, MEDPICC, etc.), pourtant les SaaS imposent des règles standardisées et des valeurs par défaut
  • Les exceptions ou situations particulières sont gérées par des contournements de champs ou des saisies de façade, mais le contexte réel n’est pas reflété dans le système
• Pour adapter parfaitement Salesforce à sa propre équipe, l’utilisateur doit engager des coûts et des efforts supplémentaires, par exemple en recrutant des consultants
  • Un marché du conseil s’est développé autour de cette personnalisation, et le seul marché de la personnalisation de Salesforce représente environ 18 milliards de dollars par an

L’alternative : un SaaS sur mesure, puis l’expert IA

• Une meilleure approche consisterait à construire soi-même une version totalement personnalisée de Salesforce, mais cela exige en pratique beaucoup de coûts et de ressources
• Autre option : embaucher directement un expert commercial de type Salesforce pour lui confier la gestion des listes, afin de se concentrer sur le travail lui-même sans être enfermé dans le cadre du système
  • L’expert peut juger, gérer les exceptions et réagir avec souplesse selon les situations
  • Il suffit à l’utilisateur de dire « il se passe ceci », et l’expert gère les listes ainsi que les conseils nécessaires
• On ne peut pas recruter un nombre illimité d’experts dans le monde réel, mais que se passerait-il si l’IA pouvait répliquer à l’infini ces experts et prendre ce rôle à sa place ?
  • Un bot IA suivrait précisément le playbook commercial et gérerait quotidiennement les listes sous forme de tableur
  • De la mise au point avant une réunion jusqu’aux jugements, conseils et propositions de suivi, et gestion des exceptions qu’un expert ferait selon chaque situation, l’IA les exécuterait directement
  • Le cœur du produit deviendrait une base de données + une description explicite du workflow + des prompts d’expert
• Comme dans cette angoisse selon laquelle « si ce n’est pas dans Salesforce, alors cela ne s’est pas vraiment produit », les utilisateurs veulent voir eux-mêmes les listes et le système
  • Pourtant, pour l’e-mail aussi, les personnes vraiment importantes ne s’appuient pas sur des outils comme Gmail ou Superhuman, mais sur un expert (EA) qui gère tous leurs mails
  • L’utilisateur ne manipule plus directement l’UI ni les listes : il transmet simplement le résultat souhaité à un expert IA, qui se charge de tout
• En pratique, ce type de service fondé sur des agents experts apparaît déjà dans la gestion des e-mails, le dating, la vente, etc.

Exemple : l’application de dating Sitch

• Sitch ne se limite pas à un simple modèle « liste + matching » comme les applications de dating classiques : il reproduit avec l’IA l’expertise d’un matchmaker humain
• L’utilisateur répond à environ 50 questions détaillées adressées à l’IA, et celle-ci propose des mises en relation personnalisées à partir de ces réponses et de son savoir-faire
• Si les deux parties sont d’accord, l’IA crée un groupe de discussion, puis affine encore la personnalisation à partir des retours ultérieurs
• L’IA prend entièrement en charge la gestion des listes et du matching, et l’utilisateur n’a plus qu’à faire confiance au résultat
• L’idée clé est d’avoir implémenté avec l’IA un modèle où l’expert gère la liste

SaaS 2.0 : le logiciel à l’ère du « spécialiste + tableur »

• À terme, le logiciel idéal sera un service d’expert basé sur l’IA où l’utilisateur « dit seulement ce qu’il veut, et le reste est géré automatiquement »
  • Dès lors que l’utilisateur exprime son objectif, l’IA exécute tout : listes, tâches, décisions et gestion des exceptions
  • Plus besoin de s’obséder sur une UI complexe, la consultation des listes ou l’infrastructure opérationnelle
• Cela signifie que le logiciel ne sera plus simplement une fonctionnalité hébergée, mais une structure où la combinaison « expert + tableur » exécute un travail personnalisé pour l’utilisateur
• En fin de compte, le SaaS 2.0 deviendra un modèle où des services IA combinant experts et tableurs prendront en charge l’ensemble du travail et de la gestion des listes