Newsletter · · Ashutosh Agarwal

ServiceNow explose les compteurs et le débat sur la SaaSpocalypse alors que Kimi K3 rebat les cartes des prix de l'IA - Récapitulatif hebdomadaire des podcasts SaaS et logiciels - Semaine du 26 juillet 2026

Récapitulatif hebdomadaire des podcasts SaaS / logiciels pour la période du 19 au 26 juillet 2026. Les enregistrements débattaient de la SaaSpocalypse, d'un modèle chinois moins cher appelé Kimi K3, du basculement de la tarification par siège vers la tarification au résultat, du trimestre exceptionnel de ServiceNow, et de la question de savoir jusqu'où les valorisations logicielles doivent encore chuter.

Récapitulatif hebdomadaire des podcasts SaaS / logiciels

Semaine du 26 juillet 2026 : ServiceNow explose les compteurs et le débat sur la SaaSpocalypse alors que Kimi K3 rebat les cartes des prix de l'IA

Période : du 19 au 26 juillet 2026.

Voici ce dont les podcasts débattaient réellement cette semaine dans le logiciel. Tout ce qui suit provient d'épisodes publiés au cours des sept derniers jours, avec des liens pour écouter le moment exact.

À la une cette semaine

Deux éléments ont traversé presque toutes les conversations sur le logiciel cette semaine : une peur et un chiffre.

La peur, c'était la « SaaSpocalypse », l'idée que l'IA est sur le point de vider les éditeurs de logiciels traditionnels de leur substance. Le sujet est revenu sur les émissions de fondateurs, les émissions d'investisseurs, et même sur les plateaux de CNBC, généralement formulé sous une variante de « le SaaS est-il mort ? ».

Le chiffre, c'était Kimi K3, un modèle d'IA chinois étonnamment performant et bien moins cher. Un podcast a cité une estimation selon laquelle sa sortie aurait effacé environ 314 milliards de dollars de ce que les investisseurs pensent qu'OpenAI et Anthropic valent, et a reformulé la question centrale du secteur : si une IA excellente devient bon marché et ouverte, qui conserve réellement le profit ?

Reliant ces deux éléments, un basculement plus discret mais très concret dans la manière dont le logiciel est facturé, en s'éloignant de la facturation « par personne » pour aller vers la facturation « à l'usage » ou « au résultat ». Salesforce a fait une véritable actualité sur ce point. Et l'action publique la plus discutée de la semaine, de loin, a été ServiceNow, qui a publié un trimestre exceptionnel et est devenu l'exemple type prouvant qu'« un bon logiciel peut encore gagner à l'ère de l'IA ». Des rapprochements dans la sécurité (Palo Alto rachetant Protect AI pour 700 millions de dollars) et une lecture brutale des valorisations des actions logicielles ont complété la semaine.

1. Thèmes dominants

Thème A : la « SaaSpocalypse », l'IA tue-t-elle le logiciel ?

Ce fut le sujet le plus bruyant de la semaine, avec des positions allant du catastrophisme à la défiance.

Le camp de la défiance venait de Rob Walling sur Startups For the Rest of Us (Ép. 842, « What is the Future of SaaS in an AI World? », 21 juillet). Son argument central : ce qui rendait le logiciel précieux n'a jamais été le code. « Le fossé concurrentiel n'a jamais été le code. C'était tout ce que vous ajoutiez au code... L'IA vient juste de faire de la partie évidente la partie la moins risquée de la construction d'un logiciel. » Il retourne la panique habituelle : le vrai danger, dit-il, ne guette pas les petites startups mais les gros acteurs installés boursouflés : « La véritable SaaS-pocalypse touche les grandes entreprises, les gros acteurs installés. Ce sont eux qui ont tellement augmenté leurs prix... ils ont une base de clients probablement silencieusement rancunière à propos des 3 dernières hausses de prix. Ce sont ces entreprises que les gens sont désormais motivés à remplacer, et l'IA vient de faire baisser le coût de construction de ce remplacement. » Sur l'affirmation populaire selon laquelle « les agents vont remplacer le SaaS », sa réponse est qu'un agent n'est jamais qu'un logiciel que l'on paie par abonnement, donc toujours du SaaS, et que les agents ont en réalité besoin du SaaS en dessous d'eux : « Un agent flottant dans le vide est inutile... il lui faut un backend sur lequel agir. Les agents ne vont donc pas tuer le SaaS. Ils ont besoin du SaaS. » Son verdict : « Internet n'était pas mort en 2000, et le SaaS n'est pas mort en 2026. » (Note : « SaaS » = software-as-a-service, le modèle standard consistant à louer un logiciel par abonnement mensuel ou annuel.)

Le camp pessimiste venait de The Synopsis (« AI SaaS Risk (again), Atlassian, Duolingo, & Uber », 23 juillet), qui a construit un dossier baissier détaillé sur Atlassian (voir la section Noms pour les chiffres). Leur grille de lecture sur les logiciels les plus exposés mérite d'être rappelée : un logiciel est en difficulté quand « si j'avais un humain à temps plein assis à côté de moi capable de résoudre certains problèmes pour moi, alors ce serait un problème », ils citent Chegg (aide aux devoirs) comme victime classique. Un logiciel est plus sûr quand on veut encore s'asseoir soi-même avec les données, ils citent QuickBooks (comptabilité) comme survivant. Et ils avancent un argument plus large, à savoir que même les survivants deviennent plus risqués : « La distribution des résultats s'est élargie... dans un sens négatif. »

La version « opérateur » de la même anxiété venait de Futureproof Founder (Ép. 407, « The SaaSpocalypse », 21 juillet). La lecture brutale de l'invité : les applications « wrapper » superficielles (des produits qui se contentent de transmettre votre demande à ChatGPT et de renvoyer la réponse) sont terminées, « Les wrappers sont finis. » Il s'attend à « beaucoup de nettoyage chez les fournisseurs SaaS établis... pendant probablement les 18 prochains mois, deux ans » sur leur capacité à s'adapter. Ce qui survit, selon lui, c'est tout ce qui est difficile à copier : les données, la conformité et la confiance. Il a signalé une idée réellement nouvelle ici, des éditeurs de logiciels obtenant des « scores de confiance » formels et même des assurances pour leurs fonctionnalités d'IA (il a fait référence à une norme appelée AIUC-1, désormais soutenue par un consortium incluant MITRE) : « On ne peut pas se ‘vibe-coder' un chemin » vers des certifications de sécurité et de conformité. (Le « vibe coding » consiste à construire une application rapidement en la décrivant à une IA en langage courant, plutôt qu'en écrivant le code à la main.)

Thème B : la grande remise à plat des prix, du siège à l'usage jusqu'au résultat

Ce fut le thème le plus concret de la semaine, celui où l'argent est réellement sur la table.

L'explication la plus claire venait du Chat GPT Podcast (« How AI Native Startups Hit Billions Faster », 22 juillet), citant l'analyste Sean Kanungo. Pendant 20 ans, le logiciel s'est vendu « par siège », 50 employés, 50 licences. Ce calcul se casse avec l'IA : « Si un agent d'IA peut acheminer de manière autonome des tickets IT, rédiger des textes marketing et répondre aux e-mails clients, faisant littéralement le travail de cinq humains, pourquoi une entreprise paierait-elle pour des sièges humains ? » Le problème, c'est qu'un gros utilisateur d'IA « génère 100 fois les coûts de calcul, érodant activement votre marge à chaque clic. » La tarification bascule donc vers une facturation à l'usage (« un peu comme une facture de services publics ») ou, plus radicalement, au résultat : « Vous payez pour un ticket de support client résolu avec succès. Si l'IA hallucine et échoue à résoudre le problème, vous ne payez rien. » Le même épisode notait l'efficacité stupéfiante des entreprises nativement IA : 55 % génèrent plus de 400 000 dollars de revenu par employé, et les startups atteignent désormais une valorisation d'un milliard de dollars en environ 3,5 ans, soit la moitié des quelque 7 ans qu'il fallait auparavant. (Il citait aussi une statistique de RAND selon laquelle « 80 % des projets d'IA échouent encore à générer une valeur commerciale », donc les gagnants sont impressionnants, mais le taux d'échec est élevé.)

Le vrai titre de l'actualité ici, c'était Salesforce, disséqué sur Insights for IT Negotiations (« What Salesforce's Pay-Per-Resolution Model Really Means », 23 juillet). L'agent de service client Agentforce de Salesforce facturera désormais 2 dollars par résolution (un problème résolu) au lieu de 2 dollars par conversation, et surtout, « Vous ne payez rien à Salesforce à moins qu'un problème ne soit résolu... quel que soit le type d'escalade, vous ne payez pas pour cela. » Le verdict de l'analyste Adam Mansfield fut étonnamment positif : « bien joué, Salesforce. » Sa lecture des raisons de ce choix est révélatrice pour tout le secteur, les clients craignent les factures de consommation ouvertes : ils « voient les histoires d'horreur qui circulent sur OpenAI, Anthropic et la consommation... des entreprises qui ont commencé à utiliser ChatGPT Enterprise et qui se retrouvent soudain avec une facture de 4 millions de dollars qu'elles n'attendaient pas. » La tarification à la consommation, a-t-il expliqué, ralentissait en réalité les cycles de vente de Salesforce parce que les acheteurs ne pouvaient pas prévoir ce qu'ils devraient payer. Le bémol qu'il a souligné : il y a des petites lignes. Il subsiste un élément « proche de la consommation » (on prépaie des lots d'au moins 1 000 résolutions), et la définition de « résolution » cache une véritable mécanique, « même si on est basé sur le résultat... les clients devraient quand même se pencher sur ce qui constitue une résolution. »

Le directeur produit de ServiceNow a fait la même remarque macro sur The Product Podcast (Amit Zavery, 22 juillet) : chaque changement technologique passé a modifié le modèle économique, et celui-ci fait basculer la tarification « de l'abonnement... vers une tarification davantage pilotée par la consommation. Quand je l'utilise, je veux vous payer. »

Thème C : Kimi K3 et la « marchandisation de l'intelligence »

L'histoire la plus marquante des marchés de la semaine a fait l'objet d'une analyse complète sur The Rundown (« Did China Break the AI Trade Again? », 25 juillet). Kimi K3, issu d'une startup pékinoise appelée Moonshot AI (environ 300 employés, une valorisation d'environ 20 milliards de dollars, fondée par Yang Zhilin, 33 ans, docteur de Carnegie Mellon ayant travaillé chez Meta et Google Brain), est un modèle à poids ouverts de 2,8 billions de paramètres, le plus grand modèle ouvert publié à ce jour. Des benchmarks indépendants le classent 3e au monde, derrière seulement Fable 5 d'Anthropic et GPT-5.6 d'OpenAI, et il bat les deux sur certains tests de codage. La surprise, c'est le prix : Moonshot facture environ 15 dollars par million de tokens en sortie, contre environ 30 dollars pour le modèle phare d'OpenAI et 50 dollars pour Fable 5 d'Anthropic, une remise de 50 à 70 %. (« Poids ouverts » signifie que les entreprises peuvent télécharger le modèle et le faire tourner sur leur propre matériel au lieu de payer l'éditeur à chaque fois ; les « tokens » sont les unités de texte que traite l'IA, et l'unité standard sur laquelle l'usage de l'IA est facturé.)

Pourquoi c'est important pour le logiciel : les entreprises peuvent désormais faire tourner la majorité de leur travail sur un modèle bon marché et réserver les modèles de pointe coûteux aux seules tâches les plus difficiles. Cela se produit déjà : « DoorDash a déclaré utiliser les modèles Moonshot pour le travail de niveau inférieur, et les modèles d'Anthropic pour leurs tâches de pointe les plus difficiles. Airbnb fait la même chose. Leurs agents de service client fonctionnent en majorité sur le modèle Qwen d'Alibaba », et « même Microsoft teste, dit-on, si Kimi K3 pourrait un jour alimenter certaines de ses fonctionnalités au sein de Copilot. » Un analyste a estimé qu'environ 314 milliards de dollars ont été effacés des estimations de valorisation d'OpenAI et d'Anthropic le lendemain de la sortie de Kimi. Le contrepoint optimiste dans le même épisode : contrairement à la frayeur DeepSeek du début de 2025 (qui avait brièvement coûté à Nvidia environ 600 milliards de dollars de valeur boursière, sur des craintes que l'IA nécessite moins de matériel), Kimi est un modèle énorme nécessitant environ 1,4 téraoctet de mémoire pour fonctionner, si bien que via le paradoxe de Jevons (des ressources moins chères sont utilisées bien davantage), cela pourrait en réalité profiter aux fabricants de puces et de mémoire, ainsi qu'aux éditeurs de logiciels qui peuvent désormais se permettre d'intégrer l'IA partout.

Thème D : les modèles open source qui absorbent discrètement le volume de tokens, et le « routeur » comme nouveau point de contrôle

Deux des meilleures conversations de la semaine portaient sur la vitesse à laquelle les modèles ouverts gagnent des parts de marché, et sur la manière dont les entreprises gèrent ce basculement.

Matan Grinberg, PDG de Factory, sur Training Data de Sequoia (« The Coming 'Dark Factory' Where Software Builds Itself », 21 juillet) a livré les chiffres les plus parlants. Les modèles ouverts sont passés de « moins de 1 % des tokens » en début d'année, à « un pourcentage à un chiffre » au premier trimestre, puis « désormais franchi le cap d'un pourcentage à deux chiffres. » En interne chez Factory, « la moitié de nos tokens sont ouverts », et il a qualifié le modèle ouvert GLM 5.2 d'« incroyable ». Son idée clé : les modèles ouverts ont généralement environ une génération de retard, mais « la question est de savoir si les modèles ouverts deviennent aussi bons que la frontière moins un. Et la réponse est sans équivoque oui. » Il a aussi forgé la meilleure description de la semaine du gaspillage lié à l'IA, le « token maxing », où les entreprises poussent le personnel à utiliser l'IA pour tout : « il y a des banques avec qui nous travaillons où elles dépensent littéralement des centaines de milliers de dollars par mois pour que des gens demandent des choses comme... quel temps fait-il. » L'argument de Factory est un « routeur » qui envoie automatiquement chaque tâche vers le bon modèle (modèles bon marché pour le travail trivial, modèles de pointe pour le travail critique), et, faisant écho à toute la semaine, les entreprises craignent l'enfermement : « Nous ne pouvons pas mettre notre sort entre les mains d'un seul de ces fournisseurs de modèles. »

Lin Qiao, PDG de Fireworks, sur 20VC (20 juillet) a livré la version macro. Sa prévision : « une réduction des coûts d'un facteur 10 dans les trois prochaines années. Et cette réduction des coûts d'un facteur 10 entraînera un usage multiplié par 100. » Et sa thèse expliquant pourquoi cela ne s'effondre pas en une seule IA géante : « L'avenir n'est pas une seule AGI ; ce sont des millions de modèles spécialisés », des entreprises ajustant des modèles ouverts sur leurs propres données. Elle s'est montrée franche sur le fait qu'il s'agit d'une activité à marges plus faibles que le logiciel classique : les marges d'inférence se situent « traditionnellement dans une fourchette de 30 à 40 % », contre les 80 % de marge brute attendus des SaaS par les investisseurs, même si elle a présenté cela comme un choix visant à privilégier l'hyper-croissance plutôt que l'optimisation. Fireworks elle-même a atteint 1 milliard de dollars de revenu en quatre ans et traite environ 40 billions de tokens par jour, contre 15 billions auparavant, et vient d'embaucher George Hu, ancien président de Salesforce.

Le point de vue de l'opérateur de capital-investissement venait de Monti Saroya de Vista Equity Partners sur Alt Goes Mainstream (22 juillet), avec une histoire de coûts très concrète. Vista a intégré une fonctionnalité IA de « première déclaration de sinistre » dans son logiciel d'assurance (Duck Creek), l'a fait tourner sur un modèle de pointe, et « le coût d'hébergement était de 11, 12 millions de dollars pour un petit client... ce n'était pas tenable. » La solution : basculer vers des modèles open source tournant sur du matériel SambaNova moins cher. Son pari plus large : « tout devient open source sur une certaine période... sur 20 ans. » Son analogie : les modèles ouverts sont comme Linux battant Unix. Et sa remarque incisive sur les raisons pour lesquelles on n'a pas besoin du modèle le plus intelligent pour un travail de routine : « Voulez-vous des génies pour gérer votre processus de sinistres ? ... Les génies coûtent cher, au bout du compte. »

Thème E : où l'argent atterrit-il vraiment, infrastructure contre applications ?

Dans l'émission de récapitulatif d'actualités 20VC (Harry Stebbings avec Rory O'Driscoll de Scale Venture Partners et Jason Lemkin de SaaStr, 23 juillet), Rory a dressé une carte crue de l'économie de l'IA en trois compartiments : la couche infrastructure représente environ 800 à 900 milliards de dollars de dépenses par an ; les deux grandes entreprises de modèles de fondation réunies pèsent environ 100 milliards de dollars ; et « en arrondissant toutes les autres entreprises d'applications, on peine à atteindre 40 ou 50 [milliards]. » Son résumé : « Tous les bons investissements semblent bien être dans l'infrastructure », et la couche applicative « est presque une erreur d'arrondi. » Il a noté que Cursor à lui seul (environ 4 milliards de dollars) représente l'essentiel de la couche applicative, et que les dépenses en données d'entraînement, Mercor (environ 2 milliards de dollars d'ARR), Surge (environ 3 milliards de dollars), rivalisent avec tout l'écosystème applicatif hors Cursor. Jason Lemkin a rétorqué que les revenus applicatifs sont bien réels chez les leaders et que « tout le monde veut son propre modèle » une fois l'échelle atteinte. (ARR = revenu annuel récurrent ; ACV = valeur annuelle du contrat.) Le même épisode a noté que Databricks lève une « Série M » de 3 milliards de dollars à une valorisation de 188 milliards de dollars, et tous deux ont signalé la méga-histoire qu'ils avaient presque oubliée, Stripe rachetant PayPal.

Thème F : les valorisations des actions logicielles, l'air se dégonfle

L'analyse la plus brutale sur les valorisations venait de Dan Rasmussen de Verdad sur Planet MicroCap (« Private Equity Unwind », 25 juillet). Sur les regroupements de logiciels en capital-investissement : « Je serais prêt à acheter tout votre portefeuille logiciel à 5 ou 6 fois l'EBITDA. Mais le problème, c'est que vous avez payé 25 fois l'EBITDA. Donc... vous avez 10 fois l'EBITDA en dette. » Il pourrait aller jusqu'à « 7 ou 8 fois parce qu'il n'y a pas de CAPEX », mais l'écart entre cela et le niveau auquel le capital-investissement a valorisé ces opérations est énorme, « c'est simplement fascinant de réfléchir à quel point ces portefeuilles de capital-investissement doivent être dépréciés. » (EBITDA = bénéfice avant intérêts, impôts, dépréciation et amortissement, un indicateur approximatif du profit en trésorerie ; le multiple est le prix payé par dollar de ce profit.) Il a aussi, pour la première fois, qualifié le marché des semi-conducteurs de « quelque chose qui ressemble à une bulle... c'est cyclique, et ça redescendra. »

L'écho sur les marchés publics est venu sur Squawk on the Street (23 juillet) : le rendement glissant sur cinq ans du logiciel (l'indice logiciel IGV) est « le pire depuis 2013 », avec de nombreuses valeurs en baisse d'environ 35 %.

Thème G : la consolidation des logiciels de sécurité

Ed Sim de Bold Start Ventures sur Resilient Cyber (« Why AI Security Is Getting Rebuilt From Scratch », 23 juillet) a détaillé le rachat de Protect AI par Palo Alto Networks pour environ 700 millions de dollars, qu'il a qualifié de « première sortie de l'histoire de la sécurité de l'IA. » Sa lecture du calendrier de l'opération : « la première est généralement la plus élevée », et la sortie de Protect AI « a déclenché une vague de 12 ou 15 acquisitions. » Son analyse franche du secteur : « Le monde a besoin de plus de cybersécurité. Mais nous n'avons pas besoin de toutes les entreprises de cybersécurité que nous avons actuellement. » Il a aussi avancé une reformulation frappante des laboratoires de modèles comme menace concurrentielle pour les entreprises de services et de sécurité : « le plus gros hold-up jamais commis en ce moment, c'est qu'OpenAI et Anthropic ont créé leurs propres entreprises d'ingénierie déployée sur le terrain. »

2. Débats clés

Débat 1 : le SaaS est-il mort ? Camp baissier : l'IA érode le fossé concurrentiel, l'interface utilisateur migre vers une « couche d'agent IA » qui se superpose à votre logiciel, et les gros acteurs installés boursouflés font face à un nettoyage de 18 à 24 mois, « s'adapter ou mourir » (The Synopsis ; Futureproof Founder). Camp haussier : le SaaS n'est pas mort, les agents ont besoin du logiciel comme « système d'enregistrement » sous-jacent, le code n'a jamais été le vrai fossé concurrentiel, et la douleur frappe les acteurs installés surévalués, pas les acteurs agiles (Startups For the Rest of Us). Le point de bascule : croyez-vous que l'IA remplace surtout le flux de travail logiciel, ou qu'elle se superpose surtout à lui et augmente la demande de bons systèmes sous-jacents ?

Débat 2 : tarification par siège contre consommation contre résultat. Camp consommation : le défaut pour les produits nativement IA, car un gros utilisateur consomme du calcul réel (Chat GPT Podcast). Camp résultat : le modèle de Salesforce à 2 dollars par résolution est la réponse favorable aux clients face aux factures de consommation surprises (Insights for IT Negotiations). Le point de bascule : la tarification au résultat retire la peur de l'acheteur mais exige des définitions étanches de ce qui compte comme « résultat », et il y a des petites lignes.

Débat 3 : OpenAI et Anthropic sont-ils surévalués maintenant que les modèles ouverts sont « assez bons » ? Camp baissier : Lin Qiao soutient que la plupart des flux de travail en entreprise peuvent tourner sur des modèles ouverts ou ajustés moins chers, si bien que l'usage de pointe « ne sera pas aussi important qu'il l'aurait été s'il avait fallu l'utiliser pour tout », et Kimi K3 est « une attaque directe contre ce pouvoir de tarification » (20VC/Fireworks ; The Rundown). Camp haussier : sur 20VC, « la seule chose qui compte, c'est le taux de croissance d'OpenAI et d'Anthropic en [20]26 et [20]27. Si vous croissez de 10 fois d'une année sur l'autre et que vous avez une marge brute positive et en amélioration, cela couvre simplement tous les frais fixes », et ils possèdent toujours les meilleurs modèles et les plus grands écosystèmes (ChatGPT « approche du milliard d'utilisateurs »). Le point de bascule : l'open source bon marché plafonne-t-il le revenu des laboratoires de pointe, ou l'explosion de l'usage global les porte-t-elle malgré tout ?

Débat 4 : infrastructure contre couche applicative, où la valeur s'accumule-t-elle ? L'infra l'emporte pour l'instant : Rory O'Driscoll, les applications sont « presque une erreur d'arrondi » à côté des quelque 800 à 900 milliards de dollars de dépenses d'infrastructure, et « je ne pense pas que la couche applicative en soit encore là. » Camp applications : Jason Lemkin, le revenu est bien réel chez les leaders, et toute application sérieuse construira son propre modèle ajusté ou sa propre couche de raisonnement (20VC).

Débat 5 : les grands acteurs installés (ServiceNow, Salesforce) peuvent-ils réellement monétiser les agents et posséder la « couche d'orchestration » ? Camp haussier : Amit Zavery de ServiceNow dit qu'ils sont l'orchestrateur des processus métier « depuis plus de 20 ans », que leur activité IA représente désormais 1,5 milliard de dollars, et, fait important, il rejette la vision du gagnant qui rafle tout : « Je pense que le secteur croit qu'il n'y aura qu'un seul orchestrateur, ce qui est un sophisme. Il y en aura plusieurs... orchestrés par différents fournisseurs » (The Product Podcast). Gil Luria de DA Davidson a soutenu le récit de l'exécution sur Closing Bell. Camp sceptique : avant la publication des résultats, The Exchange s'attendait à de la faiblesse, arguant que les dépenses des entreprises se réorientaient des « plateformes de gestion » vers la cybersécurité et le déploiement de l'IA, une thèse que le dépassement effectif des attentes a ensuite réfutée.

Débat 6 : l'enfermement chez un fournisseur, laboratoires de modèles contre plateformes neutres. Grinberg de Factory soutient que les entreprises veulent une « indépendance vis-à-vis des modèles » pour qu'aucun laboratoire d'IA ne contrôle seul leur destin, mais la question honnête de suivi (« est-ce que je ne suis pas maintenant simplement enfermé chez Factory ? ») a reçu la réponse honnête : les automatisations et artefacts « restent dans votre base de code » (Training Data).

3. Noms précis

Entreprises cotées

ServiceNow (NOW), le grand gagnant de la semaine. Sur Closing Bell, l'entreprise a dépassé les attentes en revenu (3,99 Md$ contre 3,93 Md$ attendus) et en BPA ajusté (0,90 $ contre 0,85 $), avec une action en hausse d'environ 6 % (« ce à quoi on n'est pas habitués de dire pour du logiciel »). L'activité IA de ServiceNow « a franchi le seuil du milliard de dollars de rythme annuel d'ACV », et le CPO Amit Zavery a déclaré sur The Product Podcast que l'activité IA atteindra 1,5 milliard de dollars cette année, contre un plan initial d'1 milliard. Sur Squawk on the Street, le PDG Bill McDermott a relevé la prévision annuelle « à plus de 32 milliards de dollars » et a tiré directement sur Salesforce et Benioff, affirmant que ServiceNow « s'en prend à la plateforme CRM. » Thèse haussière (Gil Luria, DA Davidson, Achat) : « Cela a peu à voir avec l'IA... cela tient vraiment à leur bonne exécution dans leurs activités principales », aidée par les acquisitions d'Armis et de Moveworks ; ServiceNow rejoint désormais Palantir, Datadog et Snowflake parmi les rares valeurs logicielles à croissance de revenu en accélération, tandis que la plupart de leurs pairs ralentissent. Points baissiers et à surveiller : résistance à la tarification par siège, et rapports faisant état de clients signant des contrats de deux ans au lieu de quatre ; l'action n'a notamment pas décollé malgré le dépassement des attentes.

Salesforce (CRM). La nouvelle tarification au résultat d'Agentforce à 2 dollars par résolution a été l'histoire tarifaire de la semaine (Insights for IT Negotiations). Par ailleurs, The Synopsis a utilisé Salesforce comme bon exemple d'une entreprise logicielle en pleine maturation, les marges opérationnelles étant passées « de 3 % de marge à 20 % de marge aujourd'hui » depuis 2022, avec une rémunération en actions réduite à « des pourcentages à un chiffre moyens à élevés. »

Atlassian (TEAM), le dossier baissier détaillé de la semaine (The Synopsis). Le reproche : une entreprise logicielle vieille de 24 ans avec une marge opérationnelle de -4 %, une R&D représentant environ 50 % du revenu (les clients ne remarquant « à peine » les changements de produit), une rémunération en actions à 25 % du revenu, et une croissance client qui a glissé d'environ 40 % avant COVID à « une dizaine de pourcents. » Ils ont soutenu que sa récente acquisition de navigateur pour plus de 600 M$ est « quasiment certaine de finir en dépréciation comptable. » Le risque IA : des flux de travail qui commencent dans un assistant IA plutôt que dans Jira. La contre-argumentation (du co-animateur) : toujours plus de 80 % de marge brute, une forte rétention nette du revenu (NRR, la mesure de la croissance des dépenses des clients existants d'année en année), et l'entreprise continue de gagner de nouveaux clients, « une entreprise plus faible après l'IA », mais pas un glaçon qui fond.

Adobe (ADBE). Sur Squawk on the Street, Cramer s'est montré sévère : un conseil d'administration qui n'a pas réussi à pourvoir les postes de PDG et de directeur financier, une pression concurrentielle de Figma et Canva, et la menace de l'IA : « si vous êtes avec Claude, vous pouvez tous les écraser. »

Datadog (DDOG). Cité par Gil Luria comme l'une des rares valeurs logicielles à croissance en accélération (Closing Bell).

Snowflake (SNOW) et Palantir (PLTR). Également cités dans la cohorte « exposition directe à l'IA = croissance en accélération » (Closing Bell).

IBM (IBM) et Pegasystems (PEGA). Toutes deux citées comme prises dans « l'effet d'éviction » en entreprise, selon la formule marquante de Gil Luria : « L'IA prend l'oxygène de la pièce. Ce n'est pas qu'on remplace le logiciel par l'IA. C'est qu'on remplace les dépenses sur toute autre technologie qui n'est pas de l'IA par des dépenses en tokens » (Closing Bell).

Palo Alto Networks (PANW). A racheté Protect AI pour environ 700 M$, déclenchant une vague de consolidation dans la sécurité de l'IA (Resilient Cyber).

CrowdStrike (CRWD). La remarque en passant de Cramer sur l'incursion de ServiceNow dans la cybersécurité : « je préférerais que ce soit CrowdStrike qui s'en charge » (Squawk on the Street).

Entreprises privées

Anthropic et OpenAI. Les personnages centraux de la semaine. Toutes deux auraient déposé un dossier d'entrée en bourse à des valorisations dépassant le billion de dollars, et toutes deux sont désormais exposées à la menace tarifaire de Kimi sur leur activité en entreprise (The Rundown). Saroya de Vista a cité le rythme annuel de revenu d'Anthropic bondissant « de 30 à 44 milliards » en l'espace de quelques mois (Alt Goes Mainstream). Sur Squawk, Cramer a opposé les deux : « personne ne dit du mal d'Anthropic parce que je pense qu'Anthropic gagne beaucoup d'argent », tandis qu'OpenAI fait face à des questions sur « d'où va venir tout cet argent. » Le Elon Musk Podcast (23 juillet) a repris le titre selon lequel Anthropic aurait dépassé OpenAI en tant que startup la plus valorisée.

Moonshot AI / Kimi. Le perturbateur de la semaine, voir le Thème C. 2,8 billions de paramètres, environ 20 Md$ de valorisation, environ 300 employés, environ 50 à 70 % moins cher que la frontière américaine (The Rundown).

Databricks. Lève une « Série M » de 3 Md$ à une valorisation de 188 Md$ ; a réalisé environ 5,4 Md$ d'ARR en 2025 (20VC ; Alt Goes Mainstream).

Fireworks. Leader de l'inférence, 1 Md$ d'ARR en quatre ans, environ 40 billions de tokens/jour, nouveau tour de table de 1,5 Md$, a embauché George Hu, ex-président de Salesforce (20VC).

Cursor (Anysphere). Cité à plusieurs reprises comme la plus grande application IA en termes de revenu (environ 4 Md$) et l'exception à « la couche applicative est une erreur d'arrondi » (20VC). Une mise en garde : une remarque en passant dans le même épisode et sur le Elon Musk Podcast affirmant que Cursor aurait été « racheté par SpaceX » n'est apparue que comme un aparté non confirmé et doit être traitée comme du bavardage de podcast, non comme une opération confirmée.

Mercor et Surge. Entreprises d'étiquetage de données citées à environ 2 Md$ et environ 3 Md$ d'ARR respectivement, un rappel de la quantité d'argent qui afflue vers les données d'entraînement (20VC).

SambaNova. Entreprise de puces IA soutenue par Vista ; son matériel refroidi par air constitue la base de centres d'inférence moins chers réutilisant d'anciens centres de données télécoms sans nécessiter de nouvelle capacité électrique nette (Alt Goes Mainstream).

GLM 5.2 (Zhipu) et Qwen d'Alibaba. Les modèles ouverts réellement utilisés en production, GLM qualifié d'« incroyable » par Factory (Training Data) ; Qwen faisant tourner le service client d'Airbnb (The Rundown).

Stripe / PayPal. Signalée comme l'opération « méga » de la semaine, Stripe rachetant PayPal, bien que l'équipe ait manqué de temps pour creuser le sujet (20VC).