20 octobre 2026•8 min de lecture

Offre IA : Salesforce Agentforce et la complexité des modèles économiques en 2026

Salesforce Agentforce illustre comment une offre IA peut transformer une proposition de valeur tout en complexifiant la monétisation. Avec quatre modèles tarifaires simultanés, Salesforce teste la disposition à payer des entreprises, mais révèle aussi les défis de l'alignement entre valeur client, coûts variables et prévisibilité commerciale.

En 2026, Salesforce Agentforce est devenu un cas d’école pour comprendre comment une offre IA peut à la fois enrichir une proposition de valeur et complexifier sa monétisation. Avec quatre modèles tarifaires proposés simultanément, Salesforce ne se contente pas de tester la disposition à payer des entreprises : l’éditeur révèle aussi les défis structurels de l’alignement entre valeur client, coûts variables et prévisibilité commerciale. Voici ce que les dirigeants doivent en retenir pour leurs propres offres.

1. Quatre modèles, une seule offre : la stratégie de Salesforce

Salesforce propose aujourd’hui quatre façons de payer pour Agentforce, sa plateforme d’agents IA autonomes :

Flex Credits : 500 $ pour 100 000 crédits (soit 0,10 $ par action standard, 0,15 $ pour les interactions vocales)
Selon la page officielle, chaque action est facturée individuellement, ce qui permet d’aligner l’investissement sur la valeur délivrée.
Conversations : 2 $ par conversation pour les agents orientés client. Ce modèle, hérité des premières versions d’Agentforce, reste pertinent pour les cas d’usage simples et prévisibles.
Résolutions : 2 $ par résolution autonome d’un cas client. Introduit en juin 2026, ce modèle transfère le risque vers Salesforce : si l’agent ne résout pas le problème sans escalade humaine, il n’y a pas de facturation
comme le précise la documentation officielle.
Licences utilisateurs : à partir de 550 $ par utilisateur et par mois pour les éditions Agentforce 1, incluant un pool de crédits au niveau de l’organisation. Ce modèle, ajouté en 2025, vise à rassurer les entreprises recherchant une prévisibilité budgétaire.

Cette multiplication des options n’est pas anodine. Elle reflète une réalité du marché : en 2026, aucune entreprise ne sait encore quel modèle économique fonctionnera durablement pour l’IA agentique. Salesforce, comme d’autres, expérimente en temps réel, avec le risque de complexifier la vente et la gestion interne.

2. Valeur client : l’IA agentique change-t-elle vraiment la donne ?

La promesse d’Agentforce est claire : automatiser des tâches complexes (qualification de leads, résolution de cas clients, orchestration de workflows) tout en s’intégrant nativement aux données et processus Salesforce. Pour les entreprises, cela se traduit par :

Une réduction des coûts opérationnels : Salesforce indique que 84 % des interactions support gérées par Agentforce sont résolues sans intervention humaine, avec seulement 2 % d’escalades
selon SaaStr.
Une accélération des processus : les agents peuvent travailler 24/7, sans fatigue, et traiter des volumes bien supérieurs à ceux d’une équipe humaine.
Une personnalisation à l’échelle : grâce à l’accès aux données CRM, chaque interaction peut être contextualisée sans développement supplémentaire.

Pourtant, la valeur perçue reste inégale. Les analyses indépendantes montrent que la majorité des déploiements Agentforce ne dépassent pas le stade pilote, et qu’une part significative de ceux qui atteignent la production affichent un ROI négatif après douze mois
comme le souligne Oliv AI. Plusieurs raisons expliquent ce décalage :

Des coûts variables difficiles à anticiper : une conversation simple peut générer une action, tandis qu’un workflow complexe en déclenchera des dizaines. Avec les Flex Credits, la facture finale dépend du design de l’agent, pas du volume de conversations.
Une cannibalisation des offres existantes : Agentforce réduit le besoin en licences Service Cloud (moins d’agents humains nécessaires), ce qui peut peser sur les revenus récurrents de Salesforce.
Un manque de maturité des processus : beaucoup d’entreprises ne sont pas encore prêtes à confier des tâches critiques à des agents autonomes, limitant l’adoption aux cas d’usage simples et peu risqués.

3. Monétisation : entre prévisibilité et alignement sur la valeur

Le principal défi d’Agentforce n’est pas technique, mais économique : comment facturer une offre dont la consommation et la valeur sont par nature variables ? Salesforce a exploré plusieurs pistes, avec des résultats contrastés :

a. Le modèle à l’usage : Flex Credits et conversations

Les Flex Credits sont conçus pour s’adapter à tous les cas d’usage, des plus simples aux plus complexes. Leur principal avantage est l’alignement sur la valeur : l’entreprise ne paie que pour ce qui est réellement consommé. Pourtant, ce modèle pose deux problèmes majeurs :

La prévisibilité : une entreprise ne peut pas anticiper avec précision le nombre d’actions générées par un agent, surtout si celui-ci est utilisé pour des workflows dynamiques. Les analyses montrent que le coût réel peut varier du simple au triple selon le design de l’agent
comme l’explique Supered.
La complexité commerciale : les équipes achats et financières peinent à budgétiser une offre dont le coût dépend de variables techniques (nombre d’actions, type d’interaction). Cela peut freiner la signature de contrats, surtout dans les grandes entreprises.

b. Le modèle par résolution : un transfert de risque vers Salesforce

Le modèle à 2 $ par résolution est le plus innovant, car il lie directement la facturation à l’atteinte d’un résultat. Pour l’entreprise cliente, cela présente deux avantages :

Un risque limité : si l’agent ne résout pas le problème, il n’y a pas de coût.
Un alignement sur la valeur : le client ne paie que pour les résultats concrets, pas pour les tentatives.

Cependant, ce modèle est aussi le plus risqué pour Salesforce. Il suppose que l’éditeur maîtrise parfaitement les coûts variables de chaque résolution, ce qui n’est pas toujours le cas. De plus, il peut inciter les clients à utiliser Agentforce uniquement pour les cas les plus simples, limitant ainsi le potentiel de revenus.

c. Les licences utilisateurs : la quête de prévisibilité

Avec les éditions Agentforce 1 (à partir de 550 $ par utilisateur/mois), Salesforce revient à un modèle plus traditionnel, proche du SaaS classique. L’avantage est clair :

Une prévisibilité totale pour le client, qui peut budgétiser son investissement sur l’année.
Une simplification commerciale : les équipes ventes et achats sont habituées à ce type de modèle, ce qui réduit les frictions.

En revanche, ce modèle présente deux inconvénients majeurs :

Un désalignement avec la valeur : une licence utilisateur est facturée quel que soit le niveau d’utilisation de l’agent. Un commercial ou un agent support peut l’utiliser intensément un mois et très peu le suivant.
Un frein à l’adoption : à 550 $ par utilisateur/mois, Agentforce 1 reste une offre premium, réservée aux entreprises capables d’investir massivement dans l’IA.

4. Quels enseignements pour votre offre IA ?

Le cas Agentforce illustre les arbitrages auxquels sont confrontées toutes les entreprises qui cherchent à monétiser une offre IA. Voici les questions clés à se poser :

a. Votre modèle économique est-il aligné sur la valeur client ?

Si la valeur est claire et mesurable (ex. : résolution de cas, génération de leads), un modèle à l’usage ou par résultat peut être pertinent. Il permet de facturer en fonction de l’impact réel, ce qui facilite la justification de l’investissement.
Si la valeur est diffuse ou difficile à quantifier (ex. : assistance aux employés, analyse de données), un modèle par licence ou abonnement peut être préférable. Il offre une prévisibilité qui rassure les clients.

b. Vos coûts variables sont-ils maîtrisés ?

Les modèles à l’usage (Flex Credits, conversations) exposent l’entreprise à des coûts variables qui peuvent devenir incontrôlables si la consommation explose. Il est crucial de bien comprendre les coûts unitaires (inference, API, stockage) et de les répercuter dans le pricing.
Les modèles par licence ou abonnement protègent contre les coûts variables, mais ils peuvent limiter la scalabilité si la demande dépasse les attentes.

c. Votre offre cannibalise-t-elle une source de revenus existante ?

Agentforce réduit le besoin en licences Service Cloud, ce qui peut peser sur les revenus récurrents de Salesforce. Avant de lancer une offre IA, il faut anticiper son impact sur les produits ou services existants : va-t-elle les compléter, les remplacer, ou les rendre obsolètes ?

d. Vos clients sont-ils prêts à payer pour cette valeur ?

L’adoption ne suffit pas à valider un modèle économique. Une offre peut être largement utilisée sans pour autant générer des revenus suffisants. Il est essentiel de mesurer non seulement le taux d’adoption, mais aussi la disposition à payer, le taux de conversion vers les offres payantes, et le ROI perçu par les clients.

e. Votre modèle est-il suffisamment simple pour être vendu ?

La complexité tue la vente. Avec quatre modèles tarifaires, Agentforce est devenu difficile à expliquer, à budgétiser et à comparer. Pour une offre IA, il est souvent préférable de commencer avec un ou deux modèles maximum, puis d’ajuster en fonction des retours clients.

5. Conclusion : vers une hybridation des modèles ?

En 2026, Salesforce Agentforce montre que la monétisation d’une offre IA ne peut pas se contenter de reproduire les modèles SaaS traditionnels. Les entreprises doivent innover pour aligner leur pricing sur la valeur délivrée, tout en gérant des coûts variables souvent imprévisibles.

Pour les dirigeants, la leçon est claire :

Testez plusieurs modèles en parallèle, mais limitez leur nombre pour éviter la complexité.
Mesurez systématiquement l’adoption, la valeur perçue et le ROI client avant de généraliser un modèle.
Anticipez l’impact sur vos offres existantes : une offre IA peut les compléter, mais aussi les cannibaliser.
Simplifiez la vente : un modèle économique innovant ne sert à rien s’il est trop complexe à expliquer ou à budgétiser.

Enfin, gardez à l’esprit que le bon modèle économique n’existe pas encore. Comme Salesforce, vous devrez probablement itérer, ajuster, et parfois revenir en arrière. L’important est de rester centré sur la valeur client, et non sur la technologie.

Sources

Besoin d'informations sur l'integration de l'IA dans votre entreprise ? Contactez-nous.