Seat-based pricing : limites et alternatives en modèle PLG

Quand le prix par siège freine la viralité produit

Le seat-based pricing, modèle de tarification où le client paie en fonction du nombre d’utilisateurs ou sièges actifs, a longtemps été le réflexe par défaut du SaaS B2B. Il est simple à expliquer, facile à intégrer dans un CRM, customer relationship management, système de gestion des comptes, contacts et opportunités, et lisible pour les équipes sales comme pour la finance. Dans un modèle sales-led, où le contrat est négocié avant l’usage massif du produit, cette logique fonctionne souvent correctement : plus l’entreprise déploie la solution auprès de collaborateurs, plus elle paie.

En product-led growth, ou PLG, stratégie où le produit devient le principal levier d’acquisition, d’activation, de conversion et d’expansion, la situation est plus ambiguë. Le produit doit circuler vite dans l’organisation. Les utilisateurs doivent inviter des collègues, tester des cas d’usage, partager des documents, créer des workflows, connecter des outils et prouver la valeur avant qu’un achat centralisé ne soit décidé. Or chaque siège payant peut devenir une friction. Si l’utilisateur hésite à inviter un collègue parce que cela déclenche une facture, la boucle virale est mécaniquement affaiblie.

Le problème n’est pas que le seat-based pricing serait obsolète. Il reste pertinent pour certains produits dont la valeur est directement proportionnelle au nombre d’utilisateurs actifs : messagerie collaborative, gestion de projet, CRM commercial, support client, suites bureautiques, outils de design collaboratif. Mais il devient fragile lorsque la valeur créée dépend moins du nombre de personnes connectées que d’un volume traité, d’un résultat obtenu, d’une automatisation exécutée, d’un usage d’infrastructure ou d’un impact business. Dans ces cas, facturer au siège peut déconnecter prix et valeur.

Pour les équipes marketing et growth, l’enjeu est stratégique. Le pricing n’est pas seulement un sujet finance ou product marketing. Il influence le CPA, coût par acquisition, le taux d’activation, la conversion free-to-paid, la rétention, l’expansion, le payback CAC, délai nécessaire pour récupérer le coût d’acquisition client, et la capacité à créer de la demande organique. Un mauvais modèle tarifaire peut faire croire qu’un canal d’acquisition est peu performant alors que le vrai blocage se situe au moment où l’utilisateur doit ajouter des sièges. À l’inverse, un pricing aligné sur la valeur peut augmenter le ROAS, return on ad spend, ratio entre revenu attribué et dépenses publicitaires, sans changer une seule campagne média.

La question n’est donc pas : faut-il supprimer le prix par siège ? La bonne question est : quelle métrique de tarification maximise simultanément l’adoption, la valeur perçue, l’expansion et la prévisibilité du revenu ? C’est à ce niveau que le pricing devient un levier de growth, pas seulement une grille commerciale.

Pourquoi le modèle par siège a dominé le SaaS B2B

Le succès historique du seat-based pricing s’explique d’abord par sa lisibilité. Un acheteur comprend rapidement qu’un logiciel coûte 30 euros par utilisateur et par mois. Une équipe finance peut prévoir la dépense. Une équipe sales peut construire un devis à partir d’un nombre de collaborateurs. Une équipe customer success peut suivre l’adoption via le nombre de sièges activés. Cette simplicité réduit les coûts de transaction, ce qui compte beaucoup dans les cycles B2B.

Le modèle s’aligne aussi avec une intuition organisationnelle : si davantage de collaborateurs utilisent un outil, l’entreprise en retire plus de valeur. Pour un outil de collaboration, cette intuition est souvent juste. Un espace de travail utilisé par 200 personnes crée davantage d’effets réseau internes qu’un espace utilisé par 20 personnes. Le nombre de sièges devient alors un proxy, indicateur indirect, de pénétration dans le compte. En sales-led, ce proxy est très utile pour l’expansion : vendre 100 sièges, puis 250, puis 800.

Le prix par siège facilite également la segmentation commerciale. Les plans peuvent être structurés par utilisateur : free, pro, business, enterprise. Les fonctionnalités avancées, comme SSO, single sign-on, authentification centralisée via un fournisseur d’identité, droits d’administration, logs d’audit ou gouvernance, sont souvent réservées aux plans supérieurs. La mécanique est claire pour l’acheteur et pour l’équipe revenue operations : nombre de sièges multiplié par prix unitaire, éventuellement avec remises de volume.

Enfin, ce modèle facilite l’attribution commerciale. L’attribution désigne la méthode qui assigne une conversion ou une part de revenu à un canal ou point de contact. Quand le revenu dépend d’un nombre de licences, le lien entre expansion et adoption utilisateur est relativement direct. Une campagne d’activation qui augmente le nombre d’utilisateurs actifs dans les comptes payants peut être reliée à une expansion de MRR, monthly recurring revenue, revenu récurrent mensuel.

Mais cette simplicité masque une limite fondamentale : le siège est une unité de facturation, pas toujours une unité de valeur. Dans un produit PLG, l’utilisateur peut être un initiateur, un contributeur occasionnel, un lecteur, un administrateur, un validateur, un sponsor ou un opérateur intensif. Leur contribution à la valeur n’est pas homogène. Facturer chaque profil de la même façon peut créer des arbitrages absurdes : l’entreprise paie autant pour un lecteur mensuel que pour un utilisateur qui exécute 200 workflows critiques.

La friction cachée : le siège payant peut casser l’activation

Dans le framework AARRR, acquisition, activation, retention, referral, revenue, le prix par siège intervient très tôt, souvent avant même le revenu. Il influence l’activation, c’est-à-dire le moment où l’utilisateur atteint une première valeur démontrable. Dans beaucoup de produits PLG, cette première valeur dépend de la collaboration : inviter un collègue, partager un tableau, assigner une tâche, demander une validation, connecter un administrateur, faire relire un rapport. Si chaque invitation est perçue comme un coût potentiel, l’utilisateur limite naturellement la diffusion.

Cette friction est particulièrement visible dans les produits à usage transversal. Prenons une plateforme d’automatisation marketing vendue à 45 euros par siège et par mois. Un growth manager veut inviter un data analyst pour valider les événements, un designer pour relire les templates, un sales ops pour contrôler les champs CRM et un manager pour consulter les résultats. Si ces quatre accès deviennent quatre sièges payants, l’équipe peut contourner le système : partage de login, exports manuels, captures d’écran, accès limités hors produit. Le produit perd des signaux d’usage, l’activation collaborative ralentit, et le vendor sous-estime l’intérêt réel du compte.

Le pricing peut donc dégrader la donnée produit. Une équipe PLG s’appuie sur les signaux d’usage pour scorer les comptes, déclencher des messages in-app, prioriser les PQL, product qualified leads, comptes ou utilisateurs dont le comportement produit indique une probabilité commerciale élevée. Si le modèle tarifaire décourage l’ajout d’utilisateurs, les signaux deviennent incomplets. Le compte peut sembler peu engagé alors que l’usage réel circule hors plateforme.

Un exemple chiffré illustre l’effet. Une solution collaborative observe que les comptes free qui invitent au moins trois collègues dans les sept premiers jours convertissent à 18 % en plan payant, contre 5 % pour les comptes mono-utilisateur. Après introduction d’une limite stricte à deux sièges gratuits, le taux d’invitation baisse de 42 %, le taux de conversion free-to-paid progresse légèrement sur les utilisateurs très intentionnistes, mais le volume total de comptes convertis diminue de 12 %. Le pricing a amélioré la monétisation immédiate d’une minorité, tout en réduisant la boucle d’activation qui alimentait la conversion.

La friction n’est pas seulement économique. Elle est aussi politique. Dans une entreprise, demander un siège payant pour un collègue peut déclencher une discussion d’achat avant que la valeur soit prouvée. L’utilisateur initial doit justifier un budget, expliquer le produit, obtenir une validation. Le PLG repose précisément sur l’inverse : laisser l’usage produire la preuve, puis convertir lorsque le besoin devient évident. Le siège payant peut faire remonter trop tôt la décision au niveau procurement.

Quand le prix par siège déconnecte revenu et valeur réelle

Le cœur d’un bon pricing est la value metric, métrique de valeur qui sert d’unité de facturation et progresse avec la valeur délivrée au client. Dans un modèle idéal, si le client reçoit deux fois plus de valeur, il accepte de payer davantage, et la métrique utilisée pour facturer reflète cette progression. Le siège est une value metric acceptable lorsque l’usage humain est le principal moteur de valeur. Il est moins pertinent lorsque la valeur dépend d’un volume de données, d’automatisations, de transactions, d’audiences, de documents, d’API calls, appels à une interface de programmation permettant à deux systèmes d’échanger des données, ou d’économies réalisées.

Un outil d’emailing transactionnel, par exemple, crée de la valeur selon le nombre de messages envoyés, la délivrabilité, le taux de conversion et la criticité des communications. Facturer principalement au siège serait peu logique : deux utilisateurs peuvent envoyer 50 millions d’emails par mois, tandis qu’une équipe de dix personnes peut en envoyer 200 000. De même, une CDP, customer data platform, plateforme qui unifie les données clients autour de profils exploitables, délivre souvent de la valeur selon le nombre de profils, de sources connectées, de segments activés ou de destinations synchronisées. Le nombre d’utilisateurs internes est secondaire.

Le prix par siège peut aussi pénaliser les champions internes. Dans un compte enterprise, un petit groupe d’utilisateurs avancés peut créer une valeur considérable : automatisation d’un processus, réduction du temps de reporting, amélioration du routage des leads, hausse du taux de conversion. Si le contrat reste faible parce que peu de sièges sont nécessaires, le fournisseur capture mal la valeur créée. À l’inverse, un grand nombre de sièges peu actifs peut générer un revenu élevé à court terme mais augmenter le risque de churn, taux d’attrition client, si le sponsor constate que l’adoption profonde est faible.

Cette déconnexion complique les arbitrages marketing. Supposons deux cohortes acquises via paid search non-brand, recherches payantes hors marque, et via contenu organique. La première génère beaucoup de comptes avec cinq à dix sièges, mais un usage superficiel. La seconde génère moins de comptes, avec deux sièges seulement, mais un volume élevé de workflows exécutés et une expansion future probable. Si le modèle tarifaire ne valorise que les sièges, l’analyse LTV, lifetime value, valeur économique générée par un client sur sa durée de vie, favorisera peut-être la première cohorte à court terme, alors que la seconde crée davantage de valeur durable.

Le problème devient encore plus net dans les produits d’infrastructure et d’IA. Un outil d’enrichissement, une plateforme d’orchestration data ou une solution d’automatisation par agents peut être utilisée par peu de personnes mais traiter des volumes critiques. Dans ces catégories, un pricing purement seat-based sous-monétise les comptes intensifs et sur-monétise les équipes nombreuses mais peu consommatrices. Le résultat est rarement optimal : les gros utilisateurs bénéficient d’une rente, les petits comptes ressentent une facture disproportionnée, et le vendor manque de leviers d’expansion alignés sur la valeur.

Les alternatives : usage, valeur, paliers, hybrides et outcome-based

La première alternative est l’usage-based pricing, modèle où la facturation dépend d’un volume consommé : messages envoyés, contacts actifs, crédits, requêtes API, événements trackés, stockage, minutes, transactions ou workflows exécutés. Il aligne mieux prix et consommation, particulièrement pour les produits d’infrastructure, data, IA, communications ou automation. Son avantage est la proportionnalité. Son risque est l’imprévisibilité budgétaire pour le client. Une hausse soudaine d’usage peut provoquer une facture inattendue et dégrader la confiance.

La deuxième option est le tiered pricing, tarification par paliers. Le client choisit un plan qui inclut un certain niveau d’usage, de fonctionnalités, de support ou de gouvernance. Ce modèle réduit l’anxiété liée à la facturation variable tout en permettant l’expansion. Exemple : 10 000 événements inclus en plan Pro, 100 000 en Business, 1 million en Enterprise. Le palier doit être suffisamment large pour ne pas bloquer l’usage quotidien, mais suffisamment structuré pour rendre l’expansion naturelle lorsque la valeur augmente.

La troisième option est le feature-based pricing, où les fonctionnalités avancées sont monétisées plutôt que les utilisateurs. C’est fréquent en PLG : l’accès gratuit ou peu cher favorise l’adoption, puis les fonctionnalités d’administration, sécurité, intégrations avancées, reporting, permissions, API, SLA, service level agreement, engagement de niveau de service, ou conformité déclenchent la conversion vers des plans supérieurs. Ce modèle fonctionne bien lorsque les fonctionnalités payantes correspondent à une maturité organisationnelle réelle, pas à des limitations artificielles. Bloquer une fonctionnalité indispensable à l’activation peut tuer la conversion avant qu’elle n’existe.

La quatrième option est le pricing hybride : une base par siège, mais complétée par une métrique d’usage ou de valeur. Par exemple, sièges gratuits ou peu coûteux pour les lecteurs, sièges payants pour les éditeurs, puis facturation selon le nombre d’automatisations, de contacts actifs ou de projets. Ce modèle est souvent le plus pragmatique pour les produits PLG B2B, car il préserve la lisibilité du siège tout en alignant l’expansion sur l’usage profond.

La cinquième option est l’outcome-based pricing, où le prix dépend du résultat obtenu : revenu généré, économies réalisées, conversions incrémentales, tickets résolus, rendez-vous qualifiés, réduction du churn. Ce modèle est séduisant, mais difficile à opérer. Il exige une mesure fiable, une attribution robuste, un accord sur la causalité et une confiance forte entre fournisseur et client. Dans le marketing, par exemple, facturer une plateforme selon le pipeline généré suppose de traiter les biais d’attribution, les cycles longs, les actions sales, la saisonnalité et les effets de marque. Sans garde-fous, le modèle devient source de conflit.

Une matrice simple aide à choisir. Si la valeur dépend d’utilisateurs actifs et d’effets réseau internes, le siège reste pertinent. Si elle dépend de volumes techniques prévisibles, l’usage ou les paliers sont plus adaptés. Si elle dépend de maturité organisationnelle, les fonctionnalités avancées et la gouvernance peuvent porter l’expansion. Si elle dépend d’un résultat mesurable et partagé, l’outcome-based peut être testé sur certains segments enterprise, mais rarement comme modèle unique dès le départ.

Concevoir un pricing PLG sans casser la boucle d’adoption

Le design d’un pricing PLG doit partir de la boucle produit, pas de la grille tarifaire. Il faut identifier quelles actions augmentent la probabilité de rétention et d’expansion : inviter un collègue, connecter une intégration, créer un premier workflow, importer une base, publier un dashboard, partager un rapport, atteindre un seuil d’usage. Ces actions ne doivent pas être bloquées trop tôt par le paywall. Un paywall est une barrière de monétisation qui limite l’accès à une fonctionnalité, un volume ou un résultat tant qu’un plan payant n’est pas souscrit.

Une règle utile consiste à distinguer les limites qui protègent la marge des limites qui freinent la preuve de valeur. Limiter un volume très coûteux à servir peut être nécessaire. Limiter l’invitation de collaborateurs essentiels à l’activation peut être contre-productif. Pour un outil de reporting, autoriser des lecteurs gratuits peut accélérer la diffusion interne et créer des sponsors. Pour un outil d’automatisation, permettre quelques workflows complets avant paiement peut mieux convertir qu’un essai où chaque action critique est bridée.

Le free plan doit être conçu comme un environnement de preuve, pas comme un échantillon arbitraire. Il doit permettre à l’utilisateur d’atteindre une première valeur complète, mais pas nécessairement de l’industrialiser. La différence est importante. Un utilisateur doit pouvoir créer un dashboard utile, mais pas forcément connecter 20 sources. Il doit pouvoir envoyer une campagne test, mais pas orchestrer toute sa base CRM. Il doit pouvoir inviter les collaborateurs nécessaires au test, mais pas déployer sans contrôle à toute l’entreprise.

Les seuils doivent être calibrés sur les cohortes d’usage. Une équipe peut analyser les comptes qui convertissent et identifier les niveaux atteints avant paiement : nombre d’utilisateurs invités, événements trackés, projets créés, campagnes lancées, intégrations connectées. Si 70 % des comptes convertis ont invité au moins quatre utilisateurs avant paiement, fixer une limite gratuite à trois utilisateurs risque de couper une partie de la conversion. Si les comptes qui dépassent 50 000 événements mensuels ont une probabilité de conversion trois fois supérieure, ce seuil peut devenir un bon point de monétisation.

Il faut aussi prévoir des rôles différenciés. Tous les utilisateurs ne doivent pas être facturés de la même manière. Les viewer seats, sièges de consultation, peuvent être gratuits ou moins chers. Les editor seats, sièges capables de créer ou modifier, peuvent être payants. Les admin seats peuvent être inclus dans les plans supérieurs. Cette granularité réduit la friction d’adoption tout en capturant la valeur des utilisateurs qui pilotent réellement le produit.

Mesurer l’impact d’un changement de pricing : cohortes, élasticité et revenu net

Changer un pricing sans protocole de mesure est risqué. Les métriques de surface peuvent raconter une histoire trompeuse. Une hausse du revenu moyen par compte peut masquer une baisse de l’activation. Une augmentation du taux de conversion payant peut masquer une réduction du volume de comptes qualifiés. Une baisse du churn court terme peut simplement refléter un mix de clients plus matures, pas une amélioration réelle du modèle.

La première mesure à suivre est la conversion par cohorte. Une cohorte regroupe des utilisateurs ou comptes partageant une période d’entrée, un plan, un canal ou une exposition pricing. Il faut comparer les cohortes exposées à l’ancien et au nouveau modèle à âge équivalent : activation J7, conversion J30, rétention M3, expansion M6, NRR, net revenue retention, rétention nette de revenu incluant churn, contraction et expansion. Le pricing doit être évalué sur la trajectoire complète, pas seulement sur le checkout.

La deuxième mesure est l’élasticité. L’élasticité prix mesure la sensibilité de la demande à une variation de prix. En SaaS PLG, elle n’est pas homogène. Les petits comptes self-serve peuvent être très sensibles à 10 euros par siège supplémentaire. Les comptes enterprise peuvent être moins sensibles au prix unitaire, mais très sensibles à la prévisibilité, à la gouvernance et à la simplicité contractuelle. Segmenter l’élasticité par taille de compte, maturité, canal et usage est indispensable.

La troisième mesure est le revenu net d’expansion. Un pricing par usage peut augmenter l’ARPA, average revenue per account, revenu moyen par compte, mais réduire la fréquence d’usage si les clients surveillent chaque action. Un pricing par siège peut augmenter la facture initiale, mais réduire les invitations et donc l’expansion future. Il faut mesurer le revenu total moins les effets négatifs : baisse d’activation, hausse des tickets support, demandes de remise, churn, ralentissement du cycle de vente, complexité de facturation.

Un test contrôlé est souvent difficile car le pricing touche la perception de marque et les contrats. Mais des méthodes existent : test par pays, par segment SMB, par nouveaux comptes seulement, par packaging expérimental, ou analyse avant-après avec groupe de contrôle comparable. Pour les volumes élevés, un A/B test sur la page pricing peut mesurer l’intention, mais il ne suffit pas. Le vrai signal est aval : conversion payante, usage, rétention et expansion. Un taux de clic supérieur sur un plan ne signifie pas que le pricing est meilleur.

Exemple : une plateforme PLG remplace une limite de trois sièges gratuits par des lecteurs illimités et deux éditeurs gratuits, puis facture les éditeurs additionnels et le volume de workflows. Sur 90 jours, le taux d’invitation augmente de 55 %, la conversion payante baisse de 2 points sur les très petits comptes, mais l’ARPA des comptes convertis augmente de 18 % et la rétention M3 progresse de 9 points. La lecture strictement court terme aurait condamné le changement. La lecture cohorte montre un modèle plus sain.

Conclusion : choisir une métrique de prix qui accélère la valeur au lieu de la taxer

Le seat-based pricing reste un modèle puissant lorsqu’il reflète réellement la valeur : plus d’utilisateurs actifs, plus de collaboration, plus d’impact. Mais en PLG, il devient dangereux lorsqu’il taxe les actions qui devraient accélérer l’adoption. Inviter un collègue, partager un résultat, obtenir une validation interne ou créer un usage transversal sont souvent des conditions de conversion. Les facturer trop tôt revient à monétiser la preuve avant qu’elle ne soit construite.

Une méthode actionnable peut se résumer en sept décisions. Premièrement, identifier la vraie value metric : siège, volume, workflow, contact, transaction, projet, résultat ou combinaison. Deuxièmement, cartographier les actions d’activation qui doivent rester fluides pour que la valeur soit démontrée. Troisièmement, distinguer les rôles utilisateurs : lecteur, contributeur, éditeur, administrateur, sponsor. Quatrièmement, choisir un modèle adapté au comportement de valeur : seat-based, usage-based, paliers, fonctionnalités, hybride ou outcome-based. Cinquièmement, fixer les seuils à partir des cohortes d’usage, pas d’une intuition interne. Sixièmement, mesurer les impacts sur activation, conversion, rétention, expansion et revenu net, à âge comparable. Septièmement, maintenir une lisibilité forte pour l’acheteur, car un pricing parfaitement aligné mais incompréhensible freinera la vente.

Pour les équipes marketing, la conséquence est claire : le pricing doit entrer dans la culture d’expérimentation growth. Il influence le funnel autant qu’une landing page, un canal média ou une séquence de marketing automation. Un modèle tarifaire mal aligné augmente artificiellement le CPA, réduit la viralité produit, fausse les signaux PQL et dégrade la LTV. Un modèle bien conçu, au contraire, laisse l’usage démontrer la valeur, puis capture cette valeur au bon moment.

Le bon pricing PLG ne cherche pas seulement à faire payer plus. Il cherche à faire grandir le compte dans le même sens que sa valeur perçue. Quand cette cohérence existe, l’expansion devient moins une négociation commerciale qu’une conséquence naturelle de l’usage. C’est précisément là que le pricing cesse d’être une contrainte et devient un moteur de croissance.