Faut-il encore acheter un logiciel métier, ou le faire construire par une IA agentique ? Selon l'enquête mondiale « The State of AI in 2026 » de McKinsey, publiée début septembre 2026, 32 % des entreprises ont déjà renoncé à l'achat d'au moins un logiciel parce qu'elles pouvaient le construire elles-mêmes avec des outils de codage agentique. Pour une PME qui compare chaque mois des abonnements SaaS à des alternatives internes, ce chiffre mérite un vrai décryptage.
En bref
- 32 % des entreprises ont renoncé à acheter au moins un logiciel en 2026 grâce aux outils de codage agentique, selon McKinsey (enquête menée du 4 mai au 8 juin 2026, 1 719 répondants dans 97 pays).
- Le secteur technologique est en tête (41 %), suivi de la santé (39 %) et des services professionnels (38 %).
- Chez les entreprises les plus performantes en IA (« high performers »), près de 50 % évitent l'achat logiciel, contre 31 % pour les autres.
- La part des grandes entreprises qui déploient des agents IA « à l'échelle » dans au moins une fonction est passée de 27 % à 40 % en un an.
- Revers de la médaille : 1 organisation sur 5 dit déjà limiter son usage de l'IA à cause du coût d'exploitation.
Le tournant "build vs buy" documenté par McKinsey
Le build vs buy (construire ou acheter) est un arbitrage classique en entreprise : développer un outil en interne, ou souscrire à un logiciel existant. Ce qui change en 2026, selon McKinsey, c'est le coût de l'option « construire ». Les outils de codage agentique, c'est-à-dire des agents IA capables d'écrire, tester et corriger du code de façon largement autonome à partir d'instructions en langage naturel, rendent le développement interne accessible à des équipes qui n'auraient jamais envisagé de coder leur propre outil il y a deux ans.
L'enquête, menée en ligne du 4 mai au 8 juin 2026 auprès de 1 719 répondants dans 97 pays, mesure précisément ce basculement : 32 % des organisations ont skippé l'achat d'au moins un produit logiciel parce qu'elles pouvaient le construire en interne avec ces outils.
Un écart net entre les entreprises les plus avancées et les autres
Le mouvement n'est pas uniforme. McKinsey distingue les « high performers », soit les 6 % d'organisations qui attribuent à l'IA au moins 5 % de leur résultat opérationnel (EBIT), du reste des répondants. Chez ces entreprises les plus avancées, près de la moitié évitent déjà l'achat de logiciels grâce à l'IA agentique, contre 31 % pour les autres. Autrement dit : plus une organisation maîtrise l'IA, plus elle bascule vers le « construire ».
Cet écart se retrouve aussi dans le déploiement des agents IA à grande échelle. Chez les entreprises de plus d'un milliard de dollars de revenu annuel, la part qui fait tourner des agents IA « à l'échelle » dans au moins une fonction est passée de 27 % à 40 % en un an.
Une PME n'a évidemment pas le budget d'une multinationale. Mais la logique est transposable : plus une équipe monte en compétence sur les outils agentiques, plus elle peut envisager de construire un outil sur mesure plutôt que de payer un abonnement générique mal ajusté à ses besoins.
Acheter ou construire : comment trancher pour une PME
La question n'est pas « acheter ou construire » de façon binaire, mais à quel moment chaque option devient pertinente. Un logiciel standard reste souvent le bon choix pour des besoins génériques et bien couverts par le marché (comptabilité, paie, CRM classique). Construire devient intéressant pour un besoin spécifique, mal servi par l'offre existante, ou pour un petit outil interne à faible enjeu de sécurité.
Acheter un logiciel (SaaS)
Mise en route rapide, support fournisseur inclus, mises à jour automatiques. Coût récurrent par utilisateur, fonctionnalités parfois surdimensionnées ou mal adaptées, dépendance à la feuille de route du fournisseur.
Construire avec un agent IA
Outil ajusté exactement au besoin, pas d'abonnement récurrent une fois développé. Demande un minimum de compétence interne pour cadrer, tester et maintenir l'outil, et une vigilance sur la sécurité des données traitées.
Le tableau ci-dessous résume les critères à examiner avant de trancher.
| Critère | Acheter (SaaS) | Construire (agent IA) |
|---|---|---|
| Délai de mise en route | Rapide, souvent quelques jours | Variable, dépend de la complexité de l'outil |
| Coût | Abonnement récurrent par utilisateur | Coût de développement ponctuel, puis maintenance |
| Personnalisation | Limitée aux options du fournisseur | Ajustée précisément au besoin métier |
| Maintenance | Assurée par le fournisseur | À la charge de la PME (mises à jour, bugs, sécurité) |
| Risque en cas d'échec | Faible, changement de fournisseur possible | Plus élevé si l'outil devient critique sans compétence de secours |
Les limites à connaître avant de se lancer
L'enthousiasme pour le « construire » a un revers que McKinsey ne masque pas. Un cinquième des organisations interrogées déclare déjà limiter son usage de l'IA à cause du coût d'exploitation, une proportion stable quelle que soit la taille de l'entreprise. Construire un outil avec un agent IA n'est donc pas gratuit : il faut compter le temps de cadrage, les itérations de test, et surtout la maintenance dans la durée, souvent sous-estimée.
À retenir
Un outil interne construit avec un agent IA n'a pas de service support à qui téléphoner en cas de panne. Avant de se passer d'un logiciel du marché, une PME doit s'assurer qu'elle a en interne (ou chez un prestataire de confiance) la compétence pour maintenir l'outil dans la durée, notamment sur les questions de sécurité des données.
Autre point de vigilance : un outil construit en interne pour traiter des données clients ou des informations sensibles doit respecter les mêmes exigences de sécurité et de conformité (RGPD notamment) qu'un logiciel acheté. « Construire » ne dispense d'aucune obligation légale.
Ce que ça change concrètement pour votre PME
Pour une PME, trois réflexes découlent de cette enquête. D'abord, cartographier les abonnements SaaS existants et identifier ceux qui couvrent un besoin simple, répétitif, et bien défini : ce sont les meilleurs candidats à un remplacement par un outil interne léger. Ensuite, ne pas se lancer sans une compétence de cadrage minimale, en interne ou via un prestataire, pour éviter qu'un outil « bricolé » avec un agent IA devienne un point de fragilité technique. Enfin, traiter la question du coût d'exploitation dès le départ : un agent IA facturé à l'usage peut vite coûter plus cher qu'anticipé si son usage explose, un point que McKinsey identifie déjà comme un frein réel pour une organisation sur cinq.
Avec un optimisme mesuré, ce basculement documenté par McKinsey confirme une tendance de fond : les outils agentiques rendent le développement logiciel accessible à des équipes qui n'auraient jamais envisagé cette option auparavant. Reste à chaque dirigeant de PME d'évaluer, poste par poste, si acheter reste le choix le plus sûr ou si construire devient enfin réaliste.
FAQ
Qu'est-ce que le "build vs buy" appliqué à l'IA agentique ?
C'est l'arbitrage entre acheter un logiciel existant (SaaS) et le construire en interne grâce à des outils de codage agentique, des agents IA capables d'écrire et de tester du code de façon largement autonome à partir d'instructions en langage naturel.
Une PME a-t-elle vraiment intérêt à construire son propre outil plutôt que d'acheter un logiciel ?
Cela dépend du besoin. Pour un outil générique bien couvert par le marché (comptabilité, CRM standard), acheter reste souvent plus sûr. Construire devient pertinent pour un besoin spécifique, mal servi par l'offre existante, à condition de disposer d'une compétence pour maintenir l'outil dans la durée.
Quel est le principal risque à construire un outil avec un agent IA ?
Le principal risque est la maintenance dans la durée : contrairement à un logiciel acheté, un outil interne n'a pas de support fournisseur. Le coût d'exploitation d'un agent IA facturé à l'usage peut aussi grimper plus vite que prévu, un frein déjà cité par une organisation sur cinq selon McKinsey.
D'où vient le chiffre des 32 % d'entreprises qui renoncent à acheter un logiciel ?
Il provient de l'enquête mondiale « The State of AI in 2026 » de McKinsey, menée en ligne du 4 mai au 8 juin 2026 auprès de 1 719 répondants dans 97 pays, tous secteurs et toutes tailles d'entreprise confondus.
Pour aller plus loin sur les outils et l'usage concret de l'IA en entreprise, consultez notre guide Comment choisir son modèle d'IA en 2026, notre article sur les agents IA en entreprise, et l'ensemble de nos ressources sur l'IA en entreprise.
