Dépenses SaaS : les grandes entreprises rationalisent, les fintechs dopent l'IA
4,1 millions d'euros annuels pour 419 outils SaaS par entreprise de plus de 800 salariés. Le marché européen du SaaS s'intensifie et se structure. Une dynamique que l'intelligence artificielle vient accélérer, tout particulièrement dans les secteurs technologiques et financiers.

Le virage stratégique pris par les entreprises européennes sur leurs environnements logiciels se mesure désormais en millions d'euros. D'après la première édition de l'Observatoire Européen des tendances SaaS de Najar, expert du pilotage et de l'optimisation des investissements SaaS, les grandes organisations de plus de 800 salariés consacrent en moyenne 4,1 M€ par an à un portefeuille de 419 outils SaaS. À l'autre extrémité du spectre, les entreprises de moins de 100 salariés limitent leurs achats à 350 000 €, pour 182 solutions.
Les PME intermédiaires de 200 à 350 salariés investissent quant à elles 900 000 € pour 273 outils. Au niveau des ETI, la dépense atteint 2,2 millions d'euros pour les entreprises de 350 à 500 salariés, tandis que le nombre d'outils s'élève à 295 en moyenne.
Ce différentiel reflète moins une logique d'accumulation qu'un recentrage des grands comptes sur la gestion optimisée de leur parc applicatif. « Les grandes entreprises ne cherchent plus à empiler les outils, mais à structurer et sécuriser leur socle existant », analyse Vincent Coste, PDG de Najar. Une orientation qui renforce la nature stratégique du pilotage SaaS, désormais loin du simple enjeu technique.
Des dépenses hétérogènes selon les secteurs
l=L'Observatoire Européen des tendances SaaS de Najar révèle aussi d'importants écarts d'investissement par collaborateur. En tête, les fintechs allouent en moyenne 5 844 € par salarié, contre 3 734 € dans les entreprises technologiques et 1 644 € dans le retail et l'e-commerce. Un écart qui s'explique par la criticité des outils déployés. « Dans la fintech, la conformité, la sécurité et la traçabilité sont des priorités qui imposent des solutions avancées », précise Louis Cottin, directeur des achats de Najar.
Dans le retail, la frugalité s'impose, les outils étant concentrés sur des fonctions coeur comme la relation client ou la gestion des stocks. Un pragmatisme d'usage, là où les acteurs de la tech investissent massivement dans des environnements collaboratifs agiles, capables de soutenir des croissances rapides.
L'IA, désormais intégrée dans la majorité des outils
Autre fait saillant, l'intelligence artificielle s'impose dans 79 % des fintechs, 71 % des entreprises technologiques, et 58 % des retailers. Ses usages, eux, varient fortement. Dans la tech, l'IA sert à accélérer le développement produit (65 %), renforcer la collaboration (52 %) ou encore fluidifier le support client (42 %). Les fintechs l'emploient avant tout pour sécuriser les opérations (73 %) et automatiser la conformité documentaire (45 %). Quant au commerce, l'IA y optimise le marketing, les ventes et la relation client.
Plutôt qu'une rupture, l'intelligence artificielle apparaît ainsi comme un catalyseur de performance. « Elle ne bouleverse pas les pratiques SaaS traditionnelles, mais les implémente pour répondre à des besoins métiers déjà bien établis », résume Louis Cottin.
Pour aller plus loin : L'analyse de l'Observatoire est basée sur un échantillon de plus de 180 entreprises européennes, tiré d'un ensemble complet de données combinant des données CRM, des inventaires de produits et des statistiques d'utilisation. Les entreprises ont été classées selon trois macro-secteurs : numérique, Retail & e-commerce, et fintechs. Cette classification est basée sur leur modèle d'entreprise, leurs flux de revenus et leurs offres de produits. Pour garantir la précision des données, les valeurs présentant des schémas de dépenses extrêmes ont été supprimées afin de ne pas fausser les résultats. Les entreprises ont également été réparties en six catégories de taille afin d'évaluer l'impact de l'échelle sur l'adoption des outils SaaS et sur les dépenses. Les incohérences ont été résolues par des vérifications supplémentaires, et seuls des ensembles de données complets ont été utilisés dans l'analyse finale pour garantir la fiabilité. Pour garantir la solidité des résultats, les données ont été croisées avec plusieurs sources et des éléments clés comme le nombre d'outils, les dépenses ou encore le nombre d'utilisateurs ont été vérifiés.
Sur le même thème
Voir tous les articles IT / Digital