Make or Buy : faut-il développer son agent IA e-commerce en interne ou choisir un éditeur SaaS ?

Thibauld Vian Deguille, Principal Digital, Data & IA chez Converteo, accompagne les entreprises dans la maximisation de leurs performances digitales et e-commerce. 

À retenir

• 66 % des marques e-commerce françaises équipées d’un agent IA passent par un éditeur SaaS, tandis que 34 % font le choix de l’indépendance technologique.
• Le duopole iAdvize / Dialog capte à lui seul 56 % du marché des solutions SaaS, ce qui explique la forte standardisation des expériences observées sur les sites français.
• L’arbitrage Make or Buy n’est pas qu’une question technique : c’est un choix de positionnement stratégique touchant à la maîtrise de l’expérience client, la souveraineté des données et la préparation au commerce agentique de demain.

Make or Buy : un choix stratégique pour votre agent IA e-commerce

C’est l’une des premières questions que se posent les directions e-commerce lorsqu’elles décident de déployer un agent IA : faut-il construire la solution en interne ou s’appuyer sur un éditeur SaaS spécialisé ? Si la question semble purement IT, elle engage en réalité des choix stratégiques qui impacteront l’entreprise sur les cinq à dix prochaines années.

Le baromètre Converteo, mené sur 170 sites e-commerce français, permet d’éclairer ce débat grâce aux choix concrets opérés par le marché. Voici les enseignements clés pour piloter sereinement cet arbitrage.

Marché du commerce agentique : 66 % des marques optent pour un éditeur SaaS

Le constat est sans appel : parmi les marques équipées d’un agent IA, 66 % externalisent via un éditeur SaaS, contre 34 % qui développent leur propre outil.

Le marché des solutions SaaS est par ailleurs ultra-concentré. À eux seuls, iAdvize et Dialog captent 56 % des déploiements de ce segment. Cette concentration n’est pas neutre : lorsqu’une majorité de marques s’appuie sur la même brique technologique, leurs interfaces finissent par se ressembler, standardisant ainsi l’expérience client à l’échelle nationale.

Les 34 % d’acteurs ayant choisi l’indépendance ne sont cependant pas n’importe qui. On y trouve des pure-players technologiques (Amazon avec Rufus), des retailers fortement axés sur l’expérience client (Sephora, Carrefour) et de grandes marques fabricantes (L’Oréal avec Beauty Genius). Leur point commun ? La conviction qu’un agent IA est un actif différenciant justifiant un investissement propriétaire.

Développer son agent IA en interne (Make) : les atouts de l’indépendance

Construire son propre agent IA (le Make) exige des investissements massifs : équipes Data et Tech dédiées, infrastructure, intégration au SI, MLOps. Pourquoi des leaders choisissent-ils cette voie complexe ? Trois raisons reviennent systématiquement :

• La maîtrise totale de l’expérience client : Pour les enseignes dont l’ADN repose sur le conseil ultra-personnalisé, déléguer la vitrine conversationnelle de leur relation client revient à externaliser une part de leur identité. C’est précisément l’écueil que Sephora et ManoMano ont voulu éviter.
• La souveraineté sur la donnée : Chaque conversation génère de la zero-party data extrêmement précieuse (intentions, préférences, contraintes budgétaires). Conserver ces données en interne, sans les faire transiter par un tiers, justifie souvent à lui seul l’investissement.
• La préparation au commerce agentique : À l’aube du déploiement de l’Universal Commerce Protocol (UCP) par Google, les marques maîtrisant leur stack technologique seront les plus agiles. L’agent IA propriétaire devient le socle permettant de dialoguer avec les futurs algorithmes sans dépendre d’un éditeur.

Choisir un éditeur SaaS (Buy) pour son agent IA : rapidité et expertise

À l’inverse, pourquoi 66 % du marché se tourne-t-il vers des solutions externalisées ?

• La vitesse de mise sur le marché (Time-to-market) : Un déploiement via une solution SaaS peut être opérationnel en quelques semaines, contre 6 à 12 mois pour un projet interne. Pour tester rapidement la valeur d’usage, c’est le point d’entrée idéal.
• La mutualisation des coûts : Le développement et la maintenance d’un agent mature sont onéreux. L’éditeur mutualise ces coûts sur l’ensemble de ses clients, générant des économies d’échelle cruciales pour les marques aux volumes d’interactions modérés.
• L’accès immédiat à l’expertise : Les éditeurs investissent en continu pour optimiser les modèles, gérer les hallucinations et assurer la conformité. Pour une marque dont la technologie n’est pas le cœur de métier, c’est un raccourci inestimable.

Make or Buy : 3 critères pour choisir sa solution d’IA e-commerce

Trois critères principaux doivent guider votre décision :

1. Le différenciateur métier : Si l’IA doit incarner votre avantage concurrentiel principal (conseil pointu), le Make s’impose. Si elle vise simplement à automatiser des tâches ou fluidifier le SAV, le Buy est suffisant.
2. Le volume et la maturité IT : Au-delà d’un certain seuil (plusieurs millions de conversations par an), internaliser devient économiquement attractif, à condition de disposer des équipes nécessaires. En deçà, le SaaS reste le modèle le plus pertinent.
3. La vision à long terme : Si vous percevez le commerce agentique comme une révolution décisive pour votre secteur, construisez votre propre socle. Si l’IA n’est pour vous qu’un canal d’assistance supplémentaire, le SaaS fera l’affaire.

L’approche hybride : combiner agent IA interne et solution SaaS

Une approche émergente consiste à marier les deux modèles. Concrètement, l’entreprise s’appuie sur une solution SaaS pour les tâches standards (FAQ, redirection) et développe une brique propriétaire (Make) pour les requêtes à forte valeur ajoutée (recommandation sur des paniers premium). Cette méthode allie la vélocité du SaaS à la différenciation de l’interne, mais exige une architecture technique parfaitement orchestrée pour garantir un parcours client fluide.

Le choix Make or Buy n’est ni binaire ni irréversible. Beaucoup d’entreprises démarrent en SaaS pour valider un retour sur investissement, puis internalisent la technologie à mesure que leurs cas d’usage se complexifient. D’autres font le chemin inverse. Ce qui compte, c’est l’alignement entre l’outil et l’ambition. On ne vise pas le sommet du marché avec une solution générique, tout comme on ne réinvente pas la roue pour automatiser un SAV classique.