The $100-Billion SaaS Opportunity Hiding in Cross-System Labor
Brief Bain & Company mai 2026 (David Crawford, Chris McLaughlin, Greg Fiore — partie d'une série en 5 volets sur l'industrie du logiciel à l'ère IA) qui chiffre à ~100 Md$ 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.
Par **David Crawford// Source bain.com ↗/Lecture 2 min/.md/
#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
Résumé
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.
À retenir
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.
→ 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.
Chiffres clés
marché cross-system labor ~100 Md$ US (~200 Md$ étendu)
l'avantage concurrentiel se déplace du system of record ownership vers le cross-workflow decision context
— Bain & Company
Le graphe de connaissance extrait de cette fiche — 13 entités, 19 relations.
Dans ce graphe :David Crawford · Chris McLaughlin · Greg Fiore · Bain & Company · Cross-system labor · Cross-workflow decision context · Six facteurs d'automatisation (Bain) · Accumulated execution data · 100 milliards SaaS opportunity · Glean · Playbook 3 phases (Bain) · Agent readiness data foundations · Série Bain software industry age of AI