Depuis dix-huit mois, un même mot revient dans les comités de direction : rationaliser. Réduire le nombre d'éditeurs, couper les licences dormantes, regrouper les usages sur moins de plateformes. Le discours est cohérent et les budgets sont sous tension. Pourtant, les données de terrain racontent une trajectoire différente. Le portefeuille applicatif moyen n'a jamais été aussi large.
Ce que disent les chiffres
L'index annuel publié par Zylo en 2026 mesure les applications réellement présentes dans les organisations, y compris celles qui échappent à la direction informatique1. Le constat surprend : une organisation utilise en moyenne 305 applications SaaS, et en ajoute environ neuf par mois, soit une croissance annuelle de l'ordre de 34 %2. Dans le même temps, 36 % des licences achetées restent inutilisées au regard des seuils d'usage recommandés. Traduit en devise, cela représente en moyenne 19,8 millions de dollars gaspillés par an et par organisation, sur des licences que personne n'active.
Chez les grandes entreprises, l'écart se creuse. Zylo estime que 43 % des licences ne servent jamais, pour un coût moyen d'environ 80,6 millions de dollars par an.
| Périmètre | Licences inutilisées | Gaspillage annuel moyen |
|---|---|---|
| Organisation moyenne | 36 % | 19,8 M$ |
| Grande entreprise | 43 % | 80,6 M$ |
Source : Zylo, 2026 SaaS Management Index.
Un détail de cet index mérite l'attention. L'application la plus dépensée en 2026 n'est plus un CRM ni une suite bureautique, mais ChatGPT. Les outils nés avec l'IA entrent dans les portefeuilles plus vite qu'aucune catégorie précédente.
Pourquoi le stack regonfle
La contradiction n'est qu'apparente. Les équipes financières et les directions informatiques rationalisent bien les catégories historiques, mais l'adoption d'outils d'IA se fait par le bas, poste par poste, souvent sans passer par un achat central. Un commercial souscrit un assistant de rédaction, une équipe produit teste un générateur d'images, un analyste branche un connecteur. Chaque abonnement est modeste, la somme ne l'est plus. C'est le retour du shadow SaaS, cette fois alimenté par l'IA3.
Le portefeuille se réduit donc d'un côté et se remplit de l'autre, à un rythme que les tableaux de bord d'achat ne captent pas toujours. Beaucoup d'organisations pilotent une centaine d'applications officielles alors que la découverte réelle en révèle bien davantage.
Le facteur qui va durcir la pression
Au 1er juillet 2026, Gartner a chiffré la contrainte à venir. Le cabinet estime que 234 milliards de dollars de dépenses en logiciels applicatifs sont exposés à ce qu'il appelle l'arbitrage agentique d'ici 2030, soit environ 20 % de la dépense SaaS applicative à cet horizon4. Le raisonnement tient en une phrase : quand un agent d'IA exécute une tâche à travers plusieurs logiciels sans qu'un humain ouvre chaque interface, la valeur du siège facturé s'érode. Gartner ajoute que plus de 40 % des projets d'IA agentique pourraient être abandonnés d'ici 2027, faute de retour sur investissement clair ou de gouvernance.
Ces deux mouvements se combinent mal pour un acheteur. D'un côté, le stack gonfle avec des outils d'IA dont l'usage réel reste difficile à mesurer. De l'autre, le modèle de facturation au siège que la plupart de ces outils utilisent encore est déjà annoncé comme fragile.
Ce que ça change pour une PME ou une ETI
Une structure de taille intermédiaire n'a pas 305 applications, mais la mécanique reste la même à son échelle. Trois réflexes tiennent la route.
D'abord, mesurer l'usage avant de renouveler. Un abonnement reconduit par habitude coûte autant qu'un abonnement utilisé. La donnée de connexion existe presque toujours, il suffit de la regarder.
Ensuite, nommer un responsable par catégorie d'outils. Le gaspillage vient rarement d'une mauvaise décision, plus souvent d'une absence de décision. Sans propriétaire, une licence dort.
Enfin, traiter les nouveaux outils d'IA comme des dépenses à instruire, et non comme des gadgets gratuits. Un assistant à quinze euros par mois et par personne devient une ligne budgétaire sérieuse dès qu'une équipe entière l'adopte.
Notre lecture
Le récit de la rationalisation est utile, mais il masque une réalité que nous observons chez nos clients : le portefeuille SaaS ne rétrécit pas vraiment, il change de composition. Les outils lourds d'hier laissent la place à une nuée d'abonnements d'IA plus petits et plus difficiles à suivre. Pour une PME ou une ETI qui a déjà consolidé son socle de gestion autour d'un ERP unique, l'enjeu 2026 se déplace vers la périphérie : qui achète quoi, pour quel usage mesuré, et à quel modèle de prix. La question n'est pas de bloquer l'IA, mais de la faire entrer par la porte plutôt que par la fenêtre. Ceux qui installeront cette discipline maintenant aborderont l'arbitrage agentique annoncé par Gartner avec une longueur d'avance, parce qu'ils sauront enfin ce qu'ils paient et pourquoi.
Retrouvez nos autres analyses du marché SaaS sur notre blog.
Sources
- Zylo, 2026 SaaS Management Index : https://zylo.com/news/2026-saas-management-index
- Gartner, "Gartner Says $234 Billion in Enterprise Application Software Spend Is at Risk from Agentic AI" (1er juillet 2026) : https://www.gartner.com/en/newsroom/press-releases/2026-07-01-gartner-says-us-dollars-234-billion-in-enterprise-application-software-spend-is-at-risk-from-agentic-artificial-intelligence
- CIO Dive, "Agentic AI to disrupt $234 billion in SaaS spending: Gartner" : https://www.ciodive.com/news/agentic-ai-disrupt-234-billion-saas-spending/824530/
Footnotes
-
Le 2026 SaaS Management Index de Zylo mesure les applications découvertes par l'analyse des flux financiers et des accès, ce qui inclut les abonnements souscrits hors du contrôle de la direction informatique. ↩
-
Cette croissance porte sur le nombre d'applications distinctes présentes dans le portefeuille, et non sur le montant total dépensé. ↩
-
Le shadow SaaS désigne les logiciels en abonnement utilisés dans l'entreprise sans validation ni suivi par les équipes informatiques ou achats. ↩
-
Gartner définit l'arbitrage agentique comme le report de valeur qui se produit quand des agents d'IA accomplissent des tâches à travers plusieurs applications, réduisant le besoin d'interagir directement avec chacune. ↩