Jensen Huang défie la panique irrationnelle du marché face à l'IA : pourquoi le SaaS ne s'effondrera pas

La récente chute du marché déclenchée par le lancement de l’outil de revue juridique d’Anthropic a mis en lumière un schéma préoccupant à Wall Street : les investisseurs réagissent à la changement technologique par une panique réflexe plutôt que par une analyse rationnelle. Lorsqu’une simple mise à jour de produit peut effacer 300 milliards de dollars de valeur boursière dans les actions de logiciels, quelque chose ne va pas dans la façon dont les marchés évaluent l’impact réel de l’IA sur les logiciels d’entreprise. Jensen Huang, PDG de Nvidia et voix expérimentée sur les capacités et limites de l’IA, a publiquement rejeté cette panique comme « la chose la plus illogique au monde », offrant une perspective qui mérite une considération sérieuse au-delà du bruit de la volatilité à court terme.

Le déclencheur : l’outil d’Anthropic et le récit apocalyptique de Wall Street

Le dévoilement par Anthropic d’une capacité de revue juridique a incité les analystes de Jefferies à employer une expression dramatique : « l’apocalypse SaaS ». Le marché a interprété cela comme une menace existentielle pour les fournisseurs de logiciels professionnels. Les géants du logiciel — du britannique Relx et de l’irlandais Experian à l’allemand SAP, en passant par l’américain ServiceNow et Synopsys — ont tous connu des ventes massives alors que les investisseurs fuyaient par peur. La supposition dominante était simple : si l’IA peut revoir des documents juridiques, elle peut remplacer les logiciels spécialisés dont dépendent les entreprises, et avec eux, les marges bénéficiaires qui rendent ces entreprises précieuses. La rapidité et la gravité de cette réaction ont surpris de nombreux observateurs du secteur. Voici une mise à jour de produit — pas une révolution du marché — qui déclenche une réévaluation complète de la viabilité d’un secteur entier.

La contre-argumentation de Jensen Huang : l’IA ne peut pas gérer l’ensemble du panorama de l’entreprise

La réponse de Jensen Huang à cette panique perce au travers du bruit avec une insight fondamentale : le fait que l’intelligence artificielle générale devienne plus capable ne signifie pas que les entreprises cesseront d’avoir besoin de logiciels spécialisés et verticaux. La capacité de Claude ou d’autres modèles d’IA à analyser et résumer des documents juridiques est souvent confondue avec la capacité à remplacer des plateformes complètes de gestion des risques juridiques — une surestimation importante des capacités actuelles de l’IA.

Considérons ce que fait réellement un logiciel d’entreprise au-delà de la revue de documents. Les logiciels juridiques professionnels gèrent des mécanismes de contrôle des risques, orchestrent des flux de travail complexes, appliquent des structures de responsabilité, et offrent un support après-vente et des conseils d’experts. Lorsqu’un système critique échoue ou qu’un litige nécessite un jugement nuancé, les entreprises ont besoin d’équipes de support dédiées, avec une expertise sectorielle, et non d’un chatbot générique fournissant une analyse superficielle.

L’analogie de Jensen Huang est particulièrement pertinente : personne ne réinventerait un tournevis entier simplement parce qu’il doit visser une seule vis. La stratégie d’Anthropic, qui tente de remplacer les géants établis du logiciel, rate complètement le point. Une voie plus logique et finalement plus rentable serait de vendre des capacités d’IA à ces acteurs existants, en les transformant en clients et partenaires plutôt qu’en concurrents. Cette approche — renforcer les plateformes existantes avec de l’IA plutôt que de les remplacer — a déjà fait ses preuves. Des entreprises comme Canva et Replit illustrent ce modèle en intégrant l’IA comme couche d’assistance, Replit allant jusqu’à licencier les modèles sous-jacents d’Anthropic pour améliorer l’efficacité de ses flux de travail.

Le schéma récurrent : pourquoi Wall Street se trompe constamment sur l’IA

Ce n’est pas la première fois que les marchés réagissent de manière excessive à une disruption technologique, comme le suggère la logique de Jensen Huang. L’analyse de Bloomberg met en évidence un schéma troublant de parallèles historiques :

Lorsque Amazon a annoncé son expansion dans la santé, les actions liées ont chuté. Lors du lancement d’une fonctionnalité de rencontres par Facebook, la capitalisation boursière de Match Group a disparu de 20 % en un instant. Plus récemment, lorsque Google a dévoilé Project Genie pour la création de jeux, les actions du secteur ont perdu collectivement 40 milliards de dollars, avec une chute de près de 8 % pour Take-Two Interactive. La logique sous-jacente dans chaque cas était identique : une nouvelle technologie rend notre modèle obsolète. Pourtant, dans la majorité des cas, ces prédictions alarmistes ne se sont pas concrétisées comme prévu.

Comme l’ont noté les analystes de JPMorgan dans leur évaluation, les actions du secteur logiciel sont jugées « avant même le procès ». Wall Street semble incapable de faire la distinction entre capacité technologique et disruption du marché. Les fluctuations du marché oscillent entre panique extrême et euphorie irrationnelle, rarement entre une évaluation calme et analytique. Cela indique un problème structurel plus profond dans la façon dont les investisseurs institutionnels évaluent le rôle de l’IA dans des secteurs spécifiques.

Pourquoi la logique « l’IA remplacera tout » s’effondre sous l’examen

L’argument selon lequel le SaaS est voué à disparaître rapidement nécessite d’accepter une prémisse plus large et plus inconfortable : que l’IA finira par tout perturber — logiciels, main-d’œuvre, créativité, allocation du capital. Si l’on croit vraiment à cette disruption universelle inévitable, la question logique suivante est : pourquoi d’autres industries n’ont-elles pas été abandonnées aussi violemment ? Pourquoi cette panique est-elle concentrée spécifiquement sur le logiciel alors que, théoriquement, chaque secteur fait face à des menaces existentielles similaires ?

Cette incohérence souligne une incompréhension fondamentale de ce que représente réellement un logiciel professionnel au-delà du code.

Le défi au niveau du code est réel mais insuffisant. L’IA peut effectivement générer du code logiciel fonctionnel et même créer des logiciels avec 90 % de fonctionnalités équivalentes à celles des plateformes existantes. Mais les barrières du logiciel B2B dépassent largement le code source. Elles incluent des relations avec des milliers de clients d’entreprise, des insights sectoriels approfondis accumulés sur des années, et surtout, des structures de responsabilité et de responsabilité. Lorsqu’un logiciel échoue, les entreprises ont besoin de quelqu’un à appeler — une équipe de support qui comprend leur configuration spécifique, leurs exigences sectorielles et leur contexte commercial.

Les barrières architecturales et infrastructurelles sont redoutables. Pensez à l’architecture multi-cloud de Snowflake ou à l’infrastructure de collaboration cloud d’Adobe. Ces produits offrent une valeur bien au-delà de leur code, grâce à des protocoles de sécurité sophistiqués, une collaboration en temps réel interrégionale, et une intégration dans des écosystèmes d’entreprise complexes. L’IA peut-elle générer un logiciel avec des fonctionnalités équivalentes ? Peut-être. Mais ce logiciel généré peut-il naviguer dans des audits de sécurité, s’intégrer parfaitement dans des environnements cloud hétérogènes, et fonctionner de manière fiable dans plusieurs juridictions et plateformes ? Ces défis architecturaux restent largement non résolus par les approches actuelles de génération de code.

Les risques liés à la conformité et à la propriété intellectuelle sont des lignes rouges non négociables. Les entreprises évaluent l’acquisition de logiciels sous l’angle de la gestion des risques. Lorsqu’elles adoptent du code généré par l’IA, des questions fondamentales restent sans réponse : le code généré enfreint-il des brevets existants ? Ses flux de travail respectent-ils les réglementations sectorielles ? Ce sont des responsabilités énormes, difficiles à standardiser et encore plus difficiles à remédier. Pour les multinationales, le coût de migrer vers un logiciel généré par l’IA, puis de découvrir une violation de brevet ou une non-conformité réglementaire, dépasserait largement toute économie réalisée sur l’abonnement logiciel.

Où l’IA apporte réellement de la valeur : l’amélioration, pas le remplacement

Pour être clair, il existe des cas d’usage authentiques où les solutions générées par l’IA ont du sens. Les applications grand public et les scénarios légers où le risque juridique et les normes professionnelles sont faibles peuvent effectivement remplacer certaines catégories de logiciels spécialisés. La donne change radicalement dans ces contextes.

Mais dans les environnements professionnels d’entreprise, la voie sophistiquée consiste à utiliser l’IA pour améliorer plutôt que pour remplacer entièrement. L’intégration de Copilot dans Dynamics 365 par Microsoft illustre ce principe. Historiquement, les données d’entreprise étaient fragmentées entre SAP ERP, les logs de communication Teams, les systèmes téléphoniques Cisco, et les documents Office. Connecter ces systèmes nécessitait des flux de travail manuels importants et une coordination interservices. Aujourd’hui, grâce à une intégration améliorée par l’IA, les utilisateurs peuvent donner des commandes en langage naturel comme « Envoyer la répartition des coûts du dernier trimestre pour la Xbox à Satya Nadella et recommander si le lancement du prochain produit doit viser 2026. »

Cela représente une véritable amélioration de l’efficacité : des processus complexes en plusieurs étapes deviennent des requêtes en langage naturel. Mais ce qui n’a pas changé, c’est l’architecture d’entreprise sous-jacente, le cadre de conformité, et la structure de responsabilité. Copilot opère dans ces limites, en renforçant la capacité humaine plutôt qu’en remplaçant les systèmes structurels.

Un logiciel généré par un chatbot IA peut-il atteindre ce niveau de sophistication ? Peut-il surmonter simultanément les contraintes de génération de code, de risques de brevets, d’audits de sécurité, et d’intégration aux systèmes d’entreprise ? La réponse, pour un avenir proche, semble non.

La verdict à long terme : le SaaS va évoluer, pas disparaître

Le bruit du marché finira par s’apaiser, comme ce fut le cas après des paniques similaires, par exemple lors de l’émergence de DeepSeek fin 2024. Les investisseurs finiront par reconnaître que la logique de Jensen Huang — basée sur la réalité technique plutôt que sur l’anxiété narrative — prédit mieux les résultats que les prédictions apocalyptiques.

Tant que l’architecture Transformer restera la base de l’IA, limitée par la prédiction probabiliste plutôt que par une déduction logique certaine, elle ne pourra pas totalement remplacer les logiciels verticaux conçus pour une certitude opérationnelle à 100 %. Les logiciels d’entreprise évolueront, intégrant l’IA comme couche d’amélioration puissante, mais le besoin fondamental de plateformes spécialisées, d’expertise humaine et de structures de responsabilité perdurera.

Ce n’est que lorsque l’architecture de l’IA dépassera les modèles Transformer actuels et atteindra une véritable capacité de raisonnement logique semblable à celle de l’humain qu’il y aura une réelle inquiétude quant à la survie des logiciels professionnels. Mais à ce moment-là, la conversation se tournerait probablement vers des domaines bien au-delà des logiciels d’affaires — les véritables préoccupations porteraient sur l’éthique sociale, la gouvernance, et l’avenir du travail humain lui-même.

D’ici là, la voix de Jensen Huang, celle de la raison, reste un contrepoids face à la tendance récurrente de Wall Street à confondre possibilité technologique et inévitabilité du marché.