Le SaaS n’a pas dit son dernier MRR (1/2)

Mercredi, j'étais devant une salle d'investisseurs anges pour parler d'AI et du futur du SaaS.

Le titre du panel chez Anges Québec : Le SaaS n'a pas dit son dernier MRR.

J'étais en bonne compagnie avec Nicolas Bertrand et Marie-Laurence Lavigne-Couture, ma fondatrice à quatre noms préférée. Gros shoutout à Jean Gabriel Crevier, qui s'est prêté au jeu de modérateur et poseur de questions en chef.

J'avais préparé pas mal de stock pour les questions de Jean Gab. Sur ce que l'AI change dans l'économie d'un SaaS, ce qui reste difficile à remplacer, les équipes sur lesquelles je miserais.

J'en ai fait deux éditos. Des réponses peaufinées, avec quelques questions regroupées.

Aujourd'hui, on regarde ce que l'AI change dans la business d'un SaaS : la concurrence, les clients, les revenus, les opérations.

La semaine prochaine, on passe à la suite : comment s'adapter, pis sur quoi bâtir quelque chose qui va tenir.

Février ou août : le marché avait tort quand?

Février.

Petit rappel : les actions de compagnies software se faisaient ramasser en février, puis reprenaient du terrain en août.

Si tu me forces à choisir, je pense que février était trop pessimiste sur la vitesse à laquelle l'AI allait affecter les revenus des SaaS.

Mais faut rembobiner un peu.

Le hangover avait commencé avant les agents.

Le SaaS a longtemps été valorisé comme une sacrée belle machine. Et avec raison :

• Du revenu récurrent, donc cashflow relativement prévisible.

• Un produit bien imbriqué chez le client, qui reste longtemps.

• Des prix qui montent, des sièges qui s'ajoutent, des clients qui passent au forfait supérieur.

• Une barrière à l'entrée réelle : coder ET commercialiser un SaaS, c'était toute une job.

"Best business model in the world", plusieurs disaient.

Avec la Covid et les taux d'intérêt presque à zéro, cette machine-là était sur stéroïdes. Les attentes de croissance et les valorisations ont suivi.

Le retour sur terre était largement justifié. Même si ça a f*ck up la valo de mes Duda shares, eheh.

Les entreprises ont resserré leur ceinture : forfaits trop élevés, sièges inutilisés, petits SaaS utiles mais dispensables. Les attentes de croissance exceptionnelle soutenue tenaient moins bien. Et avec des taux plus élevés, les investisseurs pouvaient obtenir un meilleur rendement ailleurs en prenant moins de risque. Les profits futurs d'un SaaS valaient donc moins cher à leurs yeux, même sans client parti chez Claude.

Puis février a ajouté une autre couche de peur.

Les plugins de Claude Cowork arrivaient dans les ventes, le juridique, la finance. Opus 4.6 et GPT-5.3-Codex faisaient avancer les capacités des coding agents. Certaines tâches auparavant confiées à des logiciels spécialisés semblaient soudainement beaucoup plus accessibles.

Le mois a continué avec le scénario de crise de Citrini, un exercice fictif, puis Anthropic qui expliquait comment moderniser du COBOL avec Claude Code. Même de vieux systèmes profondément imbriqués dans les banques semblaient moins intouchables. Block annonçait de son côté plus de 4 000 suppressions de postes, en misant sur ce que de petites équipes pouvaient maintenant accomplir avec l'AI.

Ça alimentait une crainte assez compréhensible : moins d'employés à équiper (moins de sièges SaaS), des outils bâtis à l'interne, des tâches faites directement par des agents. De quoi remettre en question les futurs revenus SaaS, for sure.

Looking back, le marché anticipait surtout que les conséquences débarqueraient dans la place à MACH1000.

Entre ensuite en scène le concept du diffusion gap.

AKA l'écart entre ce que la technologie permet de faire et ce que les entreprises adoptent réellement.

Tu peux vibe-coder un CRM? Cool! Maintenant, transfère les données de celui en place, reprends les intégrations, les permissions, les règles d'affaires, puis fais changer les habitudes du monde qui travaille dedans.

La deuxième partie prend du temps. Et ce temps-là varie énormément selon l'industrie, l'équipe, les contraintes et la valeur perçue à changer.

Actually, même la première partie—"tu peux vibe-coder un CRM"—prend du temps à atterrir dans la tête de plusieurs décideurs, dans plusieurs compagnies.

Ce décalage donne du temps aux SaaS pour s'adapter. Faut l'utiliser, ce temps-là.

En août, on voyait aussi des bons résultats chez les acteurs établis. Salesforce annonçait un deuxième trimestre record. Un exemple de compagnie qui continue de vendre et développe son offre AI pendant que son marché se transforme.

Je suis plus à l'aise de dire que février avait exagéré la vitesse du changement que de prétendre connaître le juste prix des actions en août.

Still, la transformation de notre industrie, elle, continue.

Qu’est-ce qui a changé pour les SaaS, leurs concurrents et leurs clients?

Concurrence : ton client a plus d’options

Vent de face

Ça change pas mal le rapport de force.

Avec quelques employés high-agency, qui prennent des initiatives et connaissent vraiment leur métier, une entreprise peut se bâtir des outils et des workflows avec l'AI. Pour certains besoins, elle peut faire ça sans embaucher des devs temps plein.

À la Conf, pendant notre live pod, Matt Biilmann me racontait ce qu'ils avaient fait chez Netlify. Des experts métier non techniques ont développé leur propre help desk, NetliDesk, qui a complètement remplacé Zendesk.

Ils voulaient surtout mieux contrôler ce que leur outil permettait de faire et les résultats du côté de l'expérience client. Pour eux, la motivation à build (vs. buy) allait au-delà de l'économie sur un abonnement. Ils manquent pas de $.

Of course, Netlify prêchent aussi pour leur paroisse : ils bâtissent littéralement une plateforme full-stack pour développer et déployer ce genre d'apps, avec l'infrastructure pour gérer la sécurité et plus encore. Y'ont aussi des pas pire ingénieurs capables de superviser la job de tooling interne.

Pour d'autres besoins, une business peut confier la tâche direct à Claude ou ChatGPT : extraire et visualiser des données, résumer des documents, produire un rapport, préparer des suivis. Toute cette poutine de knowledge work qui occupait du monde à cliquer, copier-coller, saisir et transférer de l'information.

Les petits SaaS spécialisés dans une tâche assez simple (point solutions) sont particulièrement exposés, surtout quand le résultat est facile à vérifier et que les conséquences d'une erreur sont limitées.

Donc pour le build vs buy, la concurrence arrive maintenant par en-dedans (chez ton client).

Mais zoom out, et la concurrence arrive encore par en bas et par en haut. Pis encore plus qu'avant.

Par en bas, plus de nouvelles équipes peuvent bâtir un produit plus facilement. Le code coûte moins cher à générer... MAIS acquérir des clients sans brand reste rough. GTM is hard.

Par en haut, les plateformes des gros labs prennent en charge de plus en plus de tâches qui justifiaient un outil dédié y'a quelques années. Ah, pis à titre de rappel, t'avais potentiellement déjà une pression par en haut d'autres plateformes plus gigantesques et gourmandes que toi.

Tout ça, c'est sans compter la concurrence directe que t'avais déjà via les autres SaaS dans le même boat without a moat que toi.

Alors ouais, ton client risque de se demander combien d'abonnements il veut réellement garder, ou s'il veut en garder tout court.

Revenus : des prix et des sièges à justifier

Vent de face

L'écoeurantite des subscriptions date pas d'hier. Le SaaS a peut-être un peu abusé de sa position de force : augmentations de prix, sièges supplémentaires, peu d'alternatives réalistes pour l'acheteur.

Et si—grâce à l'AI—ton client peut accomplir autant de travail sans les trois prochaines embauches prévues, tes trois prochains sièges payants viennent peut-être de prendre le bord. S'il réduit son équipe, il peut même en retirer. Ça met de la pression sur l'expansion de ton revenu par compte, ton ARPA.

L'AI redonne donc du choix, et du pouvoir de négociation, aux acheteurs.

Opérations : ton équipe aussi peut en profiter

Vent de dos

Une équipe startup bien outillée peut aller plus loin, accélérer ses opérations, réduire certaines dépenses et retarder des embauches.

Dans un SaaS, tu as aussi l'expertise logicielle à l'interne pour développer et encadrer ce genre d'initiatives. Certains petits outils maison sont presque jetables : tu les abandonnes, tu les refais ou tu retournes à un produit off-the-shelf. D'autres prennent assez de place dans la business pour qu'on choisisse d'y investir pour vrai.

Faut juste surveiller le coût d'opportunité. Pendant que ta dev ou ton experte métier ajuste l'outil maison, elles travaillent pas sur ton produit, tes clients ou tes ventes.

C'est une bonne raison de payer un SaaS spécialisé : son équipe passe ses journées à comprendre ce problème-là et à améliorer sa solution. Tu lui délègues une responsabilité qui n'est peut-être pas au cœur de ta propre business. Prends ça en note pour ton positionnement, BTW.

Côté embauche, j'ai aussi l'impression que recruter est redevenu plus accessible depuis la surchauffe de 2021–2022. Ça veut pas dire que les bons seniors coûtent moins cher.

Adoption AI : tes clients avancent à différentes vitesses

Vent de... ben ça dépend

Presque toute industrie dont le travail passe par un ordinateur, Internet et le cloud peut être transformée. En santé, en droit ou en défense, ça demande davantage de contrôles, d'évaluations et de supervision autour des modèles. Sure. Mais je pense que les incitatifs sont assez forts pour qu'on investisse beaucoup dans cet échafaudage.

À plus long terme, je vois aussi la robotique prolonger ça dans le monde physique. J'ai pas de date de livraison à te donner : fabriquer, déployer et entretenir des machines fiables et sécuritaires ajoute toute une couche de difficulté.

NÉANMOINS, dans les entreprises, les attentes et la vitesse d’adoption varient beaucoup.

L'industrie, la maturité technologique et l'exposition à l'AI comptent pas mal. La géographie peut jouer, too. Ma règle de pouce c'est genre : plus tes clients sont Twitter-tech-savvy et proches de SF, plus tu vas sentir la pression AI.

Certains clients veulent brancher leurs agents à ton produit et payer à l'usage ou au résultat. D'autres sont très contents de leur fonctionnement actuel. La sécurité, la conformité, la gouvernance, le contrôle des modèles et la souveraineté des données peuvent aussi peser plus lourd qu'on pense.

Le vieux conseil tient encore : parle à tes clients. Montre-leur ce qui devient possible, teste leur réaction, fais un pilote, etc.

Capital : et pour financer tout ça?

Certains investisseurs avec qui je parle sont plus frileux : ils trouvent les futurs gagnants moins évidents.

Au Canada, le VC comptait moins de transactions en 2025 qu'en 2023, malgré davantage de dollars investis. Aux États-Unis, près des deux tiers des dollars de VC allaient à l'AI en 2025. Ces données couvrent le VC au-delà du SaaS et montrent une concentration du capital; elles prouvent pas nécessairement que l'AI cause la baisse des transactions au Canada.

Anyway, de gros montants investis ne veulent pas automatiquement dire que ton SaaS se finance facilement.

À l’inverse, où l'impact de l'AI est-il actuellement surestimé?

Sur l'emploi, je pense? On passe parfois vite de « cette équipe est plus productive » à « on va avoir besoin de moins de monde partout ».

Une équipe peut effectivement retarder des embauches. Mais quand produire du logiciel, faire une analyse ou tester une idée coûte moins cher, ça permet aussi d'entreprendre du travail qu'on aurait laissé tomber avant.

Ça fait penser au paradoxe de Jevons : utiliser une ressource plus efficacement peut finir par augmenter sa consommation totale. Appliqué à l'AI, on pourrait se mettre à demander beaucoup plus de travail aux machines.

Et tout ce travail-là demande encore des choix :

• Quel problème on essaie de régler?

• Quelles instructions et contraintes on donne?

• Est-ce que le résultat fait du sens?

• Qui corrige, qui valide et qui assume la responsabilité?

Si on bouge vers ça, y'aura de nouveaux rôles et des besoins d'expertise pour orienter, surveiller et évaluer ce que les agents font. Des experts métier, des développeurs AI, des médecins, des avocats, name it. Le contexte, le jugement et la confiance gardent une place.

Dan Shipper développe cette idée dans After Automation : l'abondance de production automatisée multiplie aussi les occasions où il faut du jugement humain.

Est-ce que ça donnera plus d'emplois au total? Je sais pas. Pas sûr.

Davantage d'usages et de besoins d'expertise nous disent pas combien de personnes seront nécessaires pour y répondre. C'est là que je me garde un gros point d'interrogation.

La suite

Okay, donc une partie de ce qui faisait la force du modèle SaaS est sous pression. En même temps, les outils qui donnent plus d'options à tes clients donnent aussi plus de moyens à ton équipe.

Ça peut faire du vent de face et de dos pour la même compagnie. Tout dépend du problème qu'elle règle, des clients qu'elle sert et de ce qu'elle fait de ces nouvelles capacités.

La semaine prochaine, on regarde comment s'adapter : ce qui reste difficile à remplacer, les façons de renforcer son SaaS et les équipes sur lesquelles je miserais.

—

Quelque chose à ajouter? Good. Laisse un commentaire ou réponds à ce courriel direct.

Cheers,

Frank 💜

Y'a de la job chez gaiia 🛠️

gaiia embarque comme employeur premium SaaSpasse.

C'est un vertical SaaS qui fait rouler les opérations des fournisseurs Internet pis des télécoms : facturation, gestion client, opérations terrain, automatisations avec l'AI. L'équipe derrière oxio. Plus de 120 personnes, 100 % remote, une série B de 40 M$ annoncée en mai.

Si SaaSpasse disparaissait demain, c'est une des seules places où j'appliquerais.

On est allés tourner avec eux le mois passé : un mini-pod avec deux des cofondateurs, pis des capsules où l'équipe raconte son quotidien. Leur CEO, Marc-André Campagna, est aussi passé sur le pod en juillet.

Six postes ouverts en ce moment, tous remote :

Ton condo reste en dehors de ça 🏠

Tes crédits d'impôt R&D vont finir par rentrer. Dans 12 à 18 mois, quand le gouvernement va te rembourser.

Finalta Capital te les avance tout de suite, pis tu rembourses quand les crédits arrivent. Zéro dilution. Aucune garantie personnelle sur ton condo.

Dans la capsule, David Leblanc passe à travers le fonctionnement, les critères minimums, pis deux cas concrets : un SaaS qui vient de lever 4 M$ en VC, et un bootstrappé pas encore rendu à 100 k$ de MRR. Deux profils à l'opposé, même levier.

Quatre minutes. Moins long que ton prochain call avec la banque.

Il te reste un trimestre 🍂

La rentrée, c'est le moment où les projets reportés en juin reviennent sur la table. Pis souvent, l'AI est sur la liste.

Ce que Baseline voit le plus souvent : « l'idée est bonne, le besoin est réel ». Sauf qu'avant de développer quoi que ce soit, faut savoir où l'AI va créer de la valeur, quelles données sont disponibles, pis comment ça va s'intégrer dans tes opérations.

C'est la job qu'ils font en amont avec leurs clients : diagnostic, identification des opportunités, priorisation, cahier de charges. « Pour que le projet qui part soit le bon. »

Il reste un trimestre pour lancer quelque chose cette année.

Rejoins les SaaSpals 👇

Merci tellement à tous nos SaaSpals. Votre support nous motive BIG TIME.

Partenaires certifiés SaaSpasse 💜

HUGE merci à tous nos partenaires certifiés pour cette année :

• Le Chiffre 🧾

• Leviat 👨‍⚖️

• Baseline 🤖

• Unicorne 🌩️

• Finalta Capital 💰

Podcast

Voici le dernier épisode du pod :

→ Ep.189 - Des larmes aux leads (event tech, data & premier chèque)

Pas encore abonné au pod? Let’s go :

• Spotify

• Apple Podcasts

• YouTube

Okay bobye!