Les startups d'IA verticale gagnent par la propriété du workflow, pas par la qualité du modèle

L'IA verticale — un logiciel conçu pour une seule industrie plutôt qu'une fonction horizontale comme le CRM ou le support — croît jusqu'à 400 % d'une année sur l'autre selon certaines estimations, et devient la division la plus nette dans le logiciel d'entreprise : le SaaS traditionnel, le SaaS augmenté par l'IA qui greffe un modèle sur un workflow existant, et les plateformes IA-natives conçues pour exécuter le workflow de manière autonome dès le départ. Mais l'histoire la plus intéressante en 2026 n'est pas le taux de croissance. C'est ce qui crée réellement la défendabilité, car l'ancien manuel de verrouillage SaaS s'effondre en même temps.

L'ancienne douve s'érode

La défendabilité SaaS traditionnelle venait du coût de changement : les mois de configuration, d'intégrations et de mémoire institutionnelle qu'une entreprise investissait dans une plateforme rendaient son arrachage coûteux, indépendamment de la qualité supérieure du produit concurrent. Les agents d'IA démantèlent discrètement cette douve. Un navigateur agentique ou une couche d'automatisation peut, en principe, observer comment une équipe utilise une plateforme héritée, documenter le workflow et le reproduire sur un système différent — effondrant des coûts de changement qui nécessitaient auparavant tout un projet de transformation numérique pour être surmontés. Si la réplication de workflow devient bon marché, alors posséder un workflow simplement en étant l'acteur en place cesse d'être un avantage durable.

Cela force une véritable scission stratégique parmi les startups d'IA verticale. Certaines construisent ce qui équivaut à une couche d'interface plus intelligente sur des données et processus existants — véritablement utile, mais réplicable une fois que les agents deviennent assez bons pour observer et copier le comportement. D'autres construisent des plateformes qui possèdent quelque chose qu'un agent ne peut pas facilement copier : des données faisant autorité et réglementées ; une gouvernance appliquée et des pistes d'audit ; et la coordination d'activité commerciale réelle entre plusieurs parties, pas seulement la génération d'insights pour un utilisateur.

À quoi ressemble le verrouillage durable maintenant

Les startups qui accumulent réellement un avantage dans des verticales comme la santé, le juridique et la finance partagent un schéma spécifique : elles ne se contentent pas de faire remonter des insights à partir de données que le client possède déjà, elles deviennent le système d'enregistrement dont d'autres parties dépendent. Une plateforme d'IA verticale qui coordonne les autorisations entre un hôpital, un assureur et une pharmacie n'automatise pas seulement une tâche interne d'une entreprise — elle se situe dans un workflow multipartite où changer signifie renégocier avec chaque autre partie de la boucle, pas seulement reformer une équipe. C'est un type de verrouillage structurellement différent de « notre interface est plus jolie » ou « notre modèle est 5 % plus précis », et il survit à la capacité d'un agent à copier des fonctionnalités.

La friction réglementaire, souvent traitée comme un pur inconvénient, devient sa propre douve. Les régimes de conformité comme HIPAA et GDPR ont été écrits pour l'interaction humain-à-humain et ne s'appliquent pas proprement aux agents autonomes agissant dans un workflow réglementé. Les startups qui ont déjà construit les pistes d'audit, la gestion du consentement et les couches de gouvernance nécessaires pour faire fonctionner un agent d'IA dans un processus réglementé ont une longueur d'avance qu'un concurrent plus rapide mais naïf en conformité ne peut pas raccourcir — la paperasse et la structure de responsabilité doivent exister avant que l'agent puisse agir légalement, et leur construction prend un temps réel indépendamment de la qualité du modèle.

Le modèle de tarification change aussi

La tarification SaaS par siège supposait qu'un humain faisait le travail et payait pour la licence d'un outil qui l'aidait. Quand un agent d'IA fait le travail de manière autonome, la tarification par siège cesse d'avoir un sens — il n'y a pas de siège. Les startups qui réussissent cela passent à une tarification basée sur l'usage ou les résultats : payer par réclamation traitée, par contrat révisé, par transaction coordonnée. Cela exige une discipline FinOps bien plus forte en interne (il faut vraiment connaître le coût par unité de production pilotée par l'IA pour la tarifer avec profit), mais cela aligne le prix sur la valeur capturée bien mieux qu'un ancien modèle par siège greffé sur un produit agentique.

Ce que cela signifie pour les fondateurs et les acheteurs

Pour les fondateurs construisant de l'IA verticale : un meilleur modèle est un avantage temporaire, pas une entreprise. La position défendable consiste à posséder des données que d'autres parties doivent pouvoir approuver, à se situer dans un point de coordination multipartite qui ne peut pas être remplacé unilatéralement par un client changeant d'outils, et à construire l'infrastructure de conformité avant qu'un concurrent ne soit contraint de rattraper son retard sous pression temporelle. Pour les acheteurs d'entreprise évaluant des fournisseurs d'IA verticale : posez moins de questions sur les benchmarks de modèles et davantage sur qui d'autre dépend du bon fonctionnement de cette plateforme, et si la posture de conformité du fournisseur est un atout réel ou une réflexion après coup. Sur un marché où la parité des fonctionnalités n'est qu'à un cycle d'observation d'agent, ce sont les questions qui prédisent réellement quel fournisseur comptera encore dans trois ans.