Le grand signal de Datadog : pourquoi l’IA ne signe peut-être pas la fin des logiciels

Points clés :

• Les solides résultats de Datadog montrent que l’IA peut stimuler une partie de la demande logicielle, et pas seulement la perturber.

• Le marché distingue les logiciels utiles et intégrés des outils que l’IA pourrait remplacer ou regrouper.

• Pour les investisseurs, la question clé est simple : l’IA rend-elle le produit plus indispensable ?

Datadog vient d’offrir au secteur des logiciels quelque chose dont il avait grandement besoin : la preuve que l’intelligence artificielle (IA) n’est pas uniquement une menace. Parfois, elle est aussi un client.

Le 7 mai 2026, Datadog a clôturé à 188,73 USD, en hausse de 31,3 %, après que l’entreprise a publié des résultats du premier trimestre supérieurs aux attentes et relevé ses prévisions annuelles. Ce n’est pas un jeudi normal pour une action logicielle. C’est un labrador qui entend le mot « promenade ».

Datadog vend des logiciels de surveillance du cloud et de cybersécurité. En langage simple, l’entreprise aide les sociétés à voir ce qui se passe à l’intérieur de leurs systèmes numériques, à détecter les problèmes et à les résoudre avant que les clients ne s’en aperçoivent. Cela s’appelle l’observabilité, un terme qui sonne universitaire, mais qui signifie simplement : « savons-nous ce qui vient de casser, où et pourquoi ? »

Le message principal dépasse largement une seule entreprise. Depuis des mois, les investisseurs craignent que l’IA nuise au logiciel en tant que service (SaaS), où les clients louent des logiciels en ligne au lieu de les acheter une seule fois. La crainte est simple : si des agents IA peuvent écrire du code, gérer le support, analyser des données et automatiser des tâches de bureau, certains outils logiciels pourraient perdre de leur valeur. Les résultats de Datadog montrent que l’histoire est plus nuancée. L’IA ne passe pas un lance-flammes sur le logiciel. Elle trie simplement l’utile du remplaçable.

Le marché a apprécié une croissance justifiée

Le chiffre d’affaires du premier trimestre de Datadog a augmenté de 32 % sur un an pour atteindre 1,01 milliard USD. L’entreprise a également relevé ses prévisions de revenus pour 2026 entre 4,30 milliards USD et 4,34 milliards USD, au-dessus des précédentes prévisions et des attentes des analystes. Le bénéfice ajusté s’est élevé à 0,60 USD par action, également supérieur aux attentes, selon les estimations compilées par Bloomberg.

La qualité de cette croissance comptait. Datadog a terminé le trimestre avec environ 4 550 clients dépensant au moins 100 000 USD en revenus récurrents annuels, en hausse de 21 % sur un an. Les revenus récurrents annuels correspondent aux revenus qu’une entreprise prévoit de répéter sur un an grâce aux abonnements. Pour les investisseurs, cela aide à montrer si les clients restent et augmentent leurs dépenses, et pas seulement s’ils signent des contrats ponctuels.

L’entreprise a également généré 289 millions USD de flux de trésorerie disponibles. Les flux de trésorerie disponibles correspondent à l’argent restant après les dépenses opérationnelles et les investissements dans l’activité. C’est important parce qu’une croissance financée par de la trésorerie réelle est généralement plus saine qu’une croissance financée principalement par l’espoir, des diapositives de conférences et un café très coûteux.

C’est pourquoi la réaction du cours de l’action a été si forte. Les investisseurs ne réagissaient pas seulement à des résultats supérieurs aux attentes. Ils réagissaient à une entreprise qui semble se situer à l’intersection de deux forces : la complexité du cloud et celle de l’IA.

L’IA ne tue pas le logiciel. Elle change le test

L’ancienne question du SaaS était : combien de personnes utilisent le logiciel ? La nouvelle question liée à l’IA est : à quel point le logiciel est-il profondément intégré dans les opérations du client ?

C’est une grande différence. Les outils facturant par employé peuvent subir des pressions si l’IA réduit les effectifs ou automatise certaines tâches. Les outils de workflow simples peuvent aussi faire face au risque de regroupement, lorsque de grandes plateformes comme Microsoft, Google ou Salesforce ajoutent des fonctionnalités similaires dans des offres plus larges. Lorsqu’une fonctionnalité devient un simple élément du mobilier, il devient plus difficile de la facturer séparément.

Datadog est un type différent d’entreprise logicielle. Elle se rapproche davantage d’une infrastructure numérique. Lorsque les entreprises utilisent plus de services cloud, plus d’applications, plus de modèles d’IA et davantage d’agents automatisés, leurs systèmes deviennent plus difficiles à gérer. Plus il y a d’éléments en mouvement, plus il y a de risques de panne. Datadog vend la salle de contrôle.

L’IA pourrait donc accroître le besoin d’observabilité. Les grands modèles de langage, qui alimentent des outils comme les chatbots et les agents, peuvent échouer de manières que les logiciels traditionnels ne connaissaient pas. Ils peuvent ralentir, produire des erreurs, surcharger les systèmes ou coûter trop cher à exploiter. Les entreprises utilisant l’IA doivent savoir ce qui se passe à travers les modèles, les GPU, les flux de données, les alertes de sécurité et les expériences clients.

C’est la leçon importante. L’IA ne traite pas tous les logiciels de la même manière. Elle exerce une pression sur certains outils, en favorise d’autres et oblige chaque entreprise à prouver sa pertinence.

Passer de la vente de licences à la résolution de problèmes

Le modèle SaaS évolue également. De nombreuses anciennes entreprises logicielles se développaient en vendant plus de licences utilisateurs, c’est-à-dire plus d’utilisateurs chez un même client. Ce modèle fonctionne bien lorsque l’emploi progresse et que les logiciels se diffusent dans les différents départements. Il paraît moins infaillible lorsque des agents IA peuvent accomplir davantage de travail avec moins d’interactions humaines.

Le modèle de Datadog bénéficie davantage de l’usage et de la complexité. Si un client exploite plus d’applications, produit plus de données ou déploie plus de systèmes d’IA, le besoin de surveillance peut augmenter. Cela ne rend pas l’entreprise sans risque, mais cela donne aux investisseurs une raison plus claire de voir l’IA comme un moteur de croissance.

Cette distinction est utile dans tout le secteur logiciel. Une entreprise peut être plus résiliente si elle aide ses clients à gérer les risques, réduire les coûts, protéger les données, améliorer la disponibilité des services ou exploiter l’IA en toute sécurité. Une entreprise peut être plus exposée si l’IA peut facilement reproduire son résultat, réduire sa base d’utilisateurs ou permettre à une plateforme plus grande d’intégrer la même fonction.

En résumé, les investisseurs dans les logiciels ont désormais besoin d’un filtre plus précis. « L’exposition à l’IA » ne suffit pas. Toutes les entreprises revendiquent cela, de préférence avant le déjeuner. La meilleure question est de savoir si l’IA rend le produit plus indispensable, moins indispensable ou simplement plus facile à commercialiser.

Risques : tous les aboiements ne signifient pas un fossé défensif

Des risques subsistent. La valorisation de Datadog reflète désormais beaucoup de bonnes nouvelles, donc même de petites déceptions pourraient avoir un impact. Une forte croissance peut soutenir des attentes élevées, mais les attentes élevées sont rarement livrées avec un casque de sécurité.

La concurrence est un autre risque. Les fournisseurs cloud, les entreprises de cybersécurité et d’autres plateformes logicielles veulent tous une part plus importante du même budget. Les clients peuvent également chercher à simplifier leurs piles logicielles, surtout si l’économie ralentit.

Enfin, la demande liée à l’IA elle-même pourrait devenir irrégulière. Les entreprises apprennent encore à mesurer la valeur qu’elles retirent des outils d’IA en production. Surveillez des signes comme un ralentissement de la croissance des clients, une expansion plus faible de l’utilisation, des marges de flux de trésorerie disponibles plus basses ou une direction parlant davantage « d’opportunité à long terme » que d’adoption à court terme.

Guide de l’investisseur : suivre l’utilité

• Distinguez les étiquettes IA de l’économie réelle de l’IA. Recherchez la croissance des revenus, les flux de trésorerie et l’expansion des clients.
• Surveillez les modèles de tarification. Les revenus basés sur l’utilisation peuvent bénéficier de l’augmentation de l’activité numérique.
• Vérifiez si l’IA accroît la complexité. Une plus grande complexité peut soutenir les outils de surveillance, de sécurité et de données.
• Gardez la taille des positions en perspective. Les grandes histoires peuvent aussi devenir des histoires très chères.

La leçon plus large

Les résultats de Datadog ne prouvent pas que tous les logiciels sont à l’abri des perturbations liées à l’IA. Ils prouvent quelque chose de plus utile : le secteur logiciel n’est pas une seule et même histoire. L’IA peut remplacer certaines tâches, fragiliser certains modèles de tarification et rendre certains outils ordinaires. Mais elle peut aussi créer de nouveaux problèmes que les entreprises doivent surveiller, sécuriser et contrôler.

Datadog a progressé parce que les investisseurs ont vu une entreprise logicielle positionnée près de cette couche de contrôle. Pour les investisseurs à long terme, c’est là le véritable enseignement. L’ère de l’IA ne récompensera peut-être pas toutes les entreprises logicielles, mais elle aura toujours besoin de logiciels capables d’empêcher les machines de transformer le bureau en un jeu de devinettes extrêmement coûteux.

Ce contenu est un support marketing et ne doit pas être considéré comme un conseil en investissement. Le trading d’instruments financiers comporte des risques et les performances passées ne garantissent pas les résultats futurs.