# bain-100b-saas-opportunity-cross-system-labor-agentic-ai-2026-05

## Veille

Brief Bain & Company **mai 2026** (David Crawford, Chris McLaughlin, Greg Fiore — partie d'une **série en 5 volets sur l'industrie du logiciel à l'ère IA**) qui chiffre à **~100 Md$ aux US (~200 Md$ avec Canada/Europe/AU/NZ)** l'opportunité SaaS encore captive du *cross-system labor* — le travail humain de coordination entre systèmes que les agents IA peuvent désormais automatiser. **Capture actuelle : 4-6 Md$ (10% de l'opportunité)** — donc **>90% encore à conquérir**. Thèse-pivot : l'opportunité majeure de l'agentic AI **n'est pas de remplacer les SaaS existants** mais d'**automatiser le travail de coordination cross-systèmes** (employés extrayant des données ERP, vérifiant l'inventaire dans un spreadsheet, interprétant des réponses libres, exerçant un jugement). Distribution : Sales (20 Md$) + COGS/operations (26 Md$) + R&D/engineering (6-12 Md$) + support (6-12 Md$) + finance (6-12 Md$). **Six facteurs d'automatisation** : output verifiability, consequence of failure, digitized knowledge availability, integration complexity, process variability, physical world dependency. **Potentiel d'automatisation par fonction** : Customer support & R&D **40-60%**, Finance & HR **35-45%**, Sales & IT **30-40%**, Legal **20-30%**. **Bascule stratégique** : l'avantage concurrentiel se déplace du *system of record ownership* (Salesforce, SAP, Workday) vers le ***cross-workflow decision context*** — la capacité de voir et agir à travers plusieurs systèmes intégrés. **Exemples** : Sierra (autonomous customer issue resolution), Glean (cross-function employee request coordination), GitHub Copilot (étendu au-delà du source control), **Cursor** (ARR doublé en un trimestre, 2 Md$). **Moat durable** : *"accumulated execution data that grows more valuable over time and becomes harder for competitors to replicate"*. **Playbook 3 phases** : Assessment (six factors + market sizing) → Strategic Positioning (data assets + adjacent workflows + actual operational maps) → Execution (build/buy/partner + restructure org + redesign data foundations for agent readiness). Pertinence majeure pour CIO/CDO/Strategy en SaaS B2B et entreprises clientes : reformule la conversation *"AI vs SaaS"* en ***"AI = SaaS qui automatise enfin le coordination labor"***. À articuler avec : DORA ROI (cadre financier), Tatsyi/Raiffeisen (case study banque créateur de 7 produits IA inédits), Wescale (X3-X4 réalistes), MIT NANDA (95% pilotes fail), Foundation Capital *Context Graphs trillion-dollar opportunity* (2025-12-22), Menlo Ventures *State of Generative AI Enterprise* (2025-12-09).

## Titre Article

The $100-Billion SaaS Opportunity Hiding in Cross-System Labor

## Date

2026-05

## URL

https://www.bain.com/insights/100-billion-saas-opportunity-hiding-in-cross-system-labor/

## Keywords

Bain & Company, 100 billion SaaS opportunity, cross-system labor, agentic AI primary market opportunity, system of record ownership vs cross-workflow decision context, six automation factors, output verifiability consequence of failure digitized knowledge integration complexity process variability physical world dependency, Customer support R&D 40-60 percent automation, Finance HR 35-45 percent, Sales IT 30-40 percent, Legal 20-30 percent, Sierra autonomous customer issue resolution, Glean cross-function coordination, GitHub Copilot beyond source control, Cursor ARR doubled 2 billion, accumulated execution data competitive moat, three-phase playbook Assessment Strategic Positioning Execution, build buy partner, restructure organization incentives, redesign data foundations for agent readiness, conversion labor costs to software spending, 4-6 billion currently captured 10 percent, Sales 20 billion COGS 26 billion R&D 6-12 billion support 6-12 billion finance 6-12 billion, agent readiness, five-part series software industry age of AI, David Crawford, Chris McLaughlin, Greg Fiore, mai 2026, SaaS B2B, automation expensive coordination work, replacing existing SaaS

## Authors

**David Crawford, Chris McLaughlin, Greg Fiore** — partners et experts Bain & Company spécialistes industrie logicielle / SaaS. Article publié en **mai 2026** sur bain.com/insights, partie 2/5 d'une série sur *"the software industry in the age of AI"* (la partie 1 traite du Rule of 40, fiche `bain-ai-rule-of-40-headwinds-tailwinds-saas-2026-04.md`).

## Ton

**Profil** : Brief stratégique Bain & Company à destination CEOs / boards / CIO / CDO / VP Strategy SaaS, format ~10-15 minutes de lecture. Public cible : décideurs investisseurs SaaS (PE/VC) et industriels grands comptes cherchant à dimensionner l'opportunité agentic AI dans leur stack et leurs operations.

**Style** : Voix institutionnelle Bain — anglais clair, dense en données chiffrées, **structuré comme un consulting deck condensé en prose**. Pas de hype : une thèse-pivot précise (cross-system labor, pas remplacement SaaS), un chiffrage de marché sourcé, une grille d'évaluation actionable (six facteurs), un playbook en trois phases. Ton **prescriptif mais non militant** — Bain reste neutre sur le *"qui gagne"*, prescrit *"voici comment se positionner"*.

**Aphorismes-clés** :
- ***"The $100-billion SaaS opportunity hiding in cross-system labor."*** (titre — formule-pivot).
- ***"Competitive advantage moves from system of record ownership to cross-workflow decision context."*** (la bascule stratégique).
- ***"Accumulated execution data that grows more valuable over time and becomes harder for competitors to replicate."*** (le nouveau moat).

**Métaphores travaillées** :
- ***Cross-system labor*** — désigne le **travail de coordination** entre systèmes que rules-based automation ne pouvait pas adresser. Métaphore fondatrice : ce travail **humain non scalable** est désormais **adressable par agents**.
- ***Hiding*** (cachée dans le titre) — l'opportunité est *invisible* dans les analyses traditionnelles centrées sur les SaaS verticaux ; elle apparaît quand on regarde **entre** les systèmes.
- ***Conversion of labor costs to software spending*** — la mécanique économique : ce qui était salaire devient revenue SaaS agentic. Cadre l'opportunité du côté **substitution coût direct → revenue récurrent**.

**Position épistémique** : analyse de **dimensionnement de marché + cadre stratégique** + *playbook actionable*. Bain documente avec précision le décalage entre opportunité (100 Md$) et capture actuelle (4-6 Md$, 10%) — invitation **explicite à l'investissement agressif**.

**Autorité** : construite par (a) la **marque Bain** dans le SaaS / PE software, (b) la **série en 5 volets** qui contextualise dans une analyse industrielle complète, (c) la **précision chiffrée** (distribution par fonction, par fourchette d'automatisation), (d) les **exemples concrets** (Sierra, Glean, Cursor, GitHub Copilot) qui valident empiriquement la thèse.

## Pense-betes

- **Date / source** : **mai 2026**, bain.com/insights, brief partie 2/5 de la série *"software industry in the age of AI"*.
- **Auteurs** : David Crawford, Chris McLaughlin, Greg Fiore (Bain partners SaaS).
- **Thèse-pivot** : ***agentic AI's primary market opportunity is not replacing existing SaaS but automating cross-system coordination labor***.

### Le marché chiffré

| Géographie | Taille marché |
|------------|---------------|
| US | **~100 Md$** |
| US + Canada + Europe + AU/NZ | **~200 Md$** |
| **Capture actuelle** | **4-6 Md$ (10%)** |
| **Encore à conquérir** | **>90 Md$** |

**Distribution par fonction (US)** :
- Sales : **20 Md$**
- COGS / operations : **26 Md$**
- R&D / engineering : **6-12 Md$**
- Support : **6-12 Md$**
- Finance : **6-12 Md$**

### Les six facteurs d'automatisation

1. **Output verifiability** — peut-on vérifier facilement la qualité du résultat ?
2. **Consequence of failure** — quelle est la gravité d'une erreur ?
3. **Digitized knowledge availability** — la connaissance nécessaire est-elle digitalisée ?
4. **Integration complexity** — combien de systèmes faut-il connecter ?
5. **Process variability** — le processus est-il standardisé ou hautement variable ?
6. **Physical world dependency** — dépend-il d'actions dans le monde physique ?

→ **Plus l'output est verifiable + faible conséquence d'erreur + knowledge digitalisé + intégration simple + faible variability + pas de dépendance physique, plus le potentiel d'automatisation est élevé**.

### Potentiel d'automatisation par fonction

| Fonction | % automatisable |
|----------|-----------------|
| Customer support | **40-60%** |
| R&D | **40-60%** |
| Finance | 35-45% |
| HR | 35-45% |
| Sales | 30-40% |
| IT | 30-40% |
| Legal | 20-30% |

### La bascule stratégique — le nouveau moat

**Avant** : *system of record ownership* — Salesforce/SAP/Workday possèdent les données et c'est cela qui leur donne un moat.

**Maintenant** : ***cross-workflow decision context*** — la capacité **transversale** de voir et d'agir à travers plusieurs systèmes intégrés.

**Moat durable** : ***"accumulated execution data that grows more valuable over time and becomes harder for competitors to replicate"*** — chaque exécution agent enrichit la base de cas, qui devient plus précieuse pour la prochaine exécution. Effet **flywheel** classique mais nouveau substrat.

### Quatre exemples illustratifs

| Acteur | Position |
|--------|----------|
| **Sierra** | Autonomous customer issue resolution (cross-system) |
| **Glean** | Cross-function employee request coordination |
| **GitHub Copilot** | Étendu au-delà du source control (multi-system dev workflows) |
| **Cursor** | ARR doublé en un trimestre, atteint **2 Md$** |

### Playbook stratégique en 3 phases

| Phase | Activités |
|-------|-----------|
| **1. Assessment** | Identifier high-value automatable workflows via les 6 facteurs ; sizer market opportunity |
| **2. Strategic Positioning** | Évaluer data assets ; identifier adjacent workflow opportunities ; mapper les **actual operational workflows** (pas les processus théoriques) |
| **3. Execution** | Combler capability gaps (build / buy / partner) ; restructurer organisation et incentives ; redesign data foundations **for agent readiness** |

### Articulation dossier veille

#### Convergence "agent readiness" / "data foundations"
- **Bain** : *redesign data foundations for agent readiness*.
- **DORA ROI 2026** (2026-04-21) : *AI-accessible internal data + healthy data ecosystems + documentation quality machine-readable*.
- **Foundation Capital — Context Graphs trillion-dollar opportunity** (2025-12-22) : decision traces, nouveaux systems of record.
- **Habert PROJ-AI** (2026-05-05) : *DOCS / IDEAS / DR / OUT / DOCTRINE / AGENT* — six zones, doctrine.
- **Seale Semantic Agent** (2026-04-17) : *(Model+Harness) + (Ontology+Data) — l'ontologie comme seul moat*.
- **Talisman Ontology Pipeline Refresh** (2026-05-04) : *governance + AI partnership* dans la pipeline ontologique.
- → **Convergence forte** : préparer la **donnée pour les agents** est le **chantier stratégique 2026**, indépendamment du modèle.

#### Convergence "moat = execution data + cross-workflow context"
- **Bain** : accumulated execution data + cross-workflow decision context.
- **Foundation Capital** : Context Graphs comme nouveau system of record.
- **Curran/Intercom** (2026-04-16) : Skills-Based Plugin Architecture, 153 contributeurs, 267 skills — accumulation d'execution patterns.
- **Stripe Minions** (2026-02-19) : Toolshed ~500 MCP tools, blueprints, devboxes, 1300+ PRs/semaine — moat operations agentic.
- → **Convergence** : le moat 2026 n'est plus la **base de données** mais la **base d'exécutions** (traces, decisions, skills).

#### Tension productive avec MIT NANDA "95% pilots fail"
- **MIT NANDA** (cité dans **DORA 2026** comme *"pessimistic perspective"*) : 95% pilotes IA fail, *shadow AI economy*.
- **Bain** : 90% du marché encore non capturé.
- → **Lecture juste** : les deux convergent — 95% des pilotes échouent **précisément parce que** 90% du marché reste à structurer ; les acteurs qui réussissent à transformer le pilote en produit sont ceux qui auront capturé l'opportunité agentic. **Bain est le cadre stratégique pour transformer les pilotes en produits**.

#### Convergence sectorielle "Sierra"
- **Bain** cite Sierra comme exemple-référence agentic.
- **Sierra Iyengar/Asemanfar/Wang** (2026-04-22) : AI-native interview Plan/Build/Review.
- **Taylor Sierra** (2026-04-20) : refonte recrutement ingénieurs.
- **Sierra Iyengar/Asemanfar/Wang interview AI-native** (2026-04-22).
- → **Sierra fait partie du dossier en 3 fiches** — position emblématique du *cross-workflow decision context* en customer support.

### À mobiliser pour

- **Présentations COMEX SaaS / PE software** : **dimensionnement chiffré** d'opportunité (100 Md$ US / 200 Md$ étendu) — référence canonique pour business cases.
- **Stratégie produit SaaS B2B** : reformuler le brief produit en termes de *cross-system coordination labor* à automatiser.
- **Investisseurs / VCs** : la grille **six facteurs** sert d'outil **due diligence** rapide pour évaluer un dossier agentic.
- **CDO / Data leaders** : *redesign data foundations for agent readiness* devient un chantier prioritaire et budgétable.
- **Articulation FR / Europe** : Bain donne le cadre américain ; à recouper avec Wescale (Usine Logicielle Augmentée) pour les présentations COMEX françaises.

## RésuméDe400mots

**Bain & Company** publie en mai 2026 (David Crawford, Chris McLaughlin, Greg Fiore) un brief partie 2/5 d'une série sur *"the software industry in the age of AI"*. **Thèse-pivot** : l'opportunité majeure de l'agentic AI **n'est pas de remplacer les SaaS existants** mais d'**automatiser le travail de coordination cross-systèmes** — *"employees pulling budget data from an ERP, checking inventory in a spreadsheet, interpreting free-text responses, and making judgment calls"*.

**Marché chiffré** : ~100 Md$ aux US (~200 Md$ avec Canada/Europe/AU/NZ). **Capture actuelle 4-6 Md$ (10%)** — soit **>90% encore à conquérir**. Distribution US : Sales (20 Md$) + COGS/ops (26 Md$) + R&D (6-12 Md$) + support (6-12 Md$) + finance (6-12 Md$).

**Six facteurs d'automatisation** pour évaluer un workflow : (1) output verifiability, (2) consequence of failure, (3) digitized knowledge availability, (4) integration complexity, (5) process variability, (6) physical world dependency. **Potentiel par fonction** : Customer support & R&D **40-60%**, Finance & HR **35-45%**, Sales & IT **30-40%**, Legal **20-30%**.

**Bascule stratégique** : l'avantage concurrentiel se déplace du *system of record ownership* (Salesforce/SAP/Workday) vers le ***cross-workflow decision context*** — la capacité transversale de voir et agir à travers plusieurs systèmes intégrés. **Moat durable** : ***"accumulated execution data that grows more valuable over time and becomes harder for competitors to replicate"***.

**Quatre exemples** : **Sierra** (autonomous customer issue resolution), **Glean** (cross-function employee request coordination), **GitHub Copilot** (étendu au-delà du source control), **Cursor** (ARR doublé en un trimestre, atteint 2 Md$).

**Playbook 3 phases** : (1) **Assessment** — six factors + market sizing ; (2) **Strategic Positioning** — data assets + adjacent workflows + actual operational maps ; (3) **Execution** — build/buy/partner + restructure org + ***redesign data foundations for agent readiness***.

**Articulation dossier** : convergence forte avec **DORA ROI 2026** (cadre financier ROI), **Foundation Capital Context Graphs** (decision traces), **Seale Semantic Agent** (ontologie comme moat), **Habert PROJ-AI** (six zones + doctrine), **Talisman Ontology Pipeline Refresh** (governance + AI partnership). Tension productive avec **MIT NANDA 95% pilots fail** : les deux convergent — les pilotes échouent précisément parce que 90% du marché reste à structurer. **Sierra** apparaît dans 3 fiches du dossier (Bain comme cas référence + 2 fiches AI-native interview), confirmation de sa position emblématique. À mobiliser pour COMEX SaaS / PE / VC due diligence / CDO data foundations.

## GrapheDeConnaissance

- Bain & Company —publie→ The $100-Billion SaaS Opportunity (DOCUMENT, 0.97)
- David Crawford —publie→ The $100-Billion SaaS Opportunity (DOCUMENT, 0.96)
- Chris McLaughlin —publie→ The $100-Billion SaaS Opportunity (DOCUMENT, 0.96)
- Greg Fiore —publie→ The $100-Billion SaaS Opportunity (DOCUMENT, 0.96)
- Bain & Company —mesure→ marché cross-system labor ~100 Md$ US (~200 Md$ étendu) (MESURE, 0.95)
- Bain & Company —mesure→ capture actuelle du cross-system labor : 10% (4-6 Md$) (MESURE, 0.94)
- IA agentique —remplace→ coordination cross-system labor (CONCEPT, 0.96)
- Bain & Company —affirme_que→ l'avantage concurrentiel se déplace du system of record ownership vers le cross-workflow decision context (AFFIRMATION, 0.95)
- Output verifiability, consequence of failure, digitized knowledge, integration complexity, process variability, physical world dependency —fait_partie_de→ Six facteurs d'automatisation (METHODOLOGIE, 0.96)
- Bain & Company —mesure→ potentiel d'automatisation customer support : 40-60% (MESURE, 0.92)
- Bain & Company —mesure→ potentiel d'automatisation legal : 20-30% (MESURE, 0.92)
- Autonomous customer issue resolution cross-system —observé_dans→ Sierra (ORGANISATION, 0.94)
- Cross-function employee request coordination —observé_dans→ Glean (ORGANISATION, 0.93)
- Cursor —mesure→ ARR doublé en un trimestre, atteignant 2 Md$ (MESURE, 0.93)
- Accumulated execution data —est_instance_de→ moat durable agentic AI (CONCEPT, 0.95)
- Bain & Company —recommande→ playbook 3 phases Assessment + Strategic Positioning + Execution (METHODOLOGIE, 0.94)
- Bain & Company —recommande→ redesign des data foundations pour l'agent readiness (AFFIRMATION, 0.95)
- The $100-Billion SaaS Opportunity —converge_avec→ DORA ROI 2026, Foundation Capital Context Graphs, Seale Semantic Agent, Talisman Ontology Pipeline (DOCUMENT, 0.93)
- Bain & Company —publie→ software industry in the age of AI (série 5 volets) (DOCUMENT, 0.95)

---
Canonical: https://www.thekb.eu/fr/fiches/bain-100b-saas-opportunity-cross-system-labor-agentic-ai-2026-05/