Jesse Zhang (Decagon) "Decagon lève 250 millions de dollars en série D pour transformer le support client à l'ère des concierges IA"

Forte d'une nouvelle levée de 250 millions de dollars en SerieD, Decagon ambitionne de faire de l'IA le pilier du service client de demain. Jesse Zhang, son CEO et cofondateur, détaille au JDN comment ses concierges conversationnels autonomes séduisent déjà les entreprises.

JDN. Decagon annonce aujourd'hui une nouvelle levée de 250 millions de dollars en Serie D, menée par Coatue Management et Index Ventures, avec la participation d'investisseurs historiques comme Andreessen Horowitz et Accel. Pour quels objectifs ?

Jesse Zhang. Ce tour de table triple la valorisation de Decagon en seulement six mois, portant celle-ci à 4,5 milliards de dollars. Après sa première année complète sur le marché, Decagon a signé plus de 100 nouveaux clients entreprise, dans des secteurs tel que le voyage, les services financiers, ou encore le retail. Parmi eux, je peux vous citer Duolingo, Oura ou Ritual Cosmetics. Nous connaissons une croissance extrêmement rapide, favorisée par une forte demande et un marché énorme. Au lieu de simple agent de support, notre volonté est de permettre à nos clients de déployer de véritables concierges IA, pouvant agir de manière proactive au nom d'une marque. Ceux-ci seront utilisés tant pour la rétention que l'acquisition, capables de contacter des prospects de manière proactive mais aussi de recommander de nouveaux produits, etc. Nous allons continuons notre développement à l'international, dont en Europe.

Decagon a été lancée en 2024 avec l’ambition de transformer le support client avec l’IA générative. Comment votre solution se différencie-t-elle des plateformes concurrentes ?

Decagon construit des agents IA spécialisés autour des tâches liées au service client pour les grandes entreprises qui gèrent de gros volumes de demandes. Concrètement, nos agents peuvent converser directement avec les utilisateurs finaux par téléphone, chat et email. L’idée n’est pas nouvelle mais notre différence est d’avoir développé une solution intégrant dès le départ l’IA générative, permettant d’obtenir des agents conversationnels réellement autonomes et disponibles 24/24h, à l’inverse des anciens systèmes rigides basés sur des parcours déterministes. Basé à San Francisco, avec des bureaux à NYC et Londres, Decagon emploie aujourd’hui plus de 200 collaborateurs.

Quelles sont étapes nécessaires pour déployer des agents Decagon dans une entreprise ?

Traditionnellement, dans notre secteur, il fallait faire appel à des profils techniques pour pouvoir configurer et programmer l’IA. Notre pari réside dans l’accessibilité. Nous voulons que des équipes métier non techniques puissent configurer, tester et améliorer les agents elles-mêmes grâce à notre format AOP (Agent Operating Procedure, ndlr), un mode de configuration en langage naturel, qui fait en quelque sorte office de guide opérationnel exécutable par l’agent. Les AOP fonctionnent de manière similaire aux standard operating procedures utilisées par les agents humains. En clair, vous rédigez des instructions structurées en langage naturel, et l'IA interprète ces consignes pour gérer des situations complexes.

Avez-vous des exemples permettant d’illustrer le fonctionnement des AOP ?

Dans un premier temps, il faut identifier les cas d’usage prioritaires que l’agent aura à traiter ainsi que les sources à connecter, telles que votre helpdesk ou CRM par exemple. Il suffit ensuite de rédiger toutes les étapes qu'un agent humain suivrait dans une procédure classique. L'AOP peut déclencher des actions, utiliser vos outils existants ou activer d'autres workflows. Lorsqu'une entreprise nous contacte, nous l'aidons généralement à identifier ses cas d'usage prioritaires pour le support client, et déployons les premiers AOP ensemble. Puis leurs équipes peuvent en ajouter ou les modifier de manière autonome. C'est la différence fondamentale avec les solutions plus anciennes qui nécessitaient systématiquement un ingénieur. Pour autant, certains aspects, comme la connexion à des systèmes spécifiques, pour gérer les remboursements par exemple, requièrent parfois une expertise technique. Nous avons aussi créé Decagon University, un programme de formation qui donne aux collaborateurs les compétences nécessaires pour bien construire et optimiser leurs agents IA.

Jusqu'où va l'autonomie de ces agents aujourd'hui ? Peuvent-ils gérer des cas véritablement complexes ?

Aujourd’hui, les modèles sont déjà suffisamment performants pour gérer presque tous les cas d'usage. Les cas les plus complexes sont ceux où l’agent doit effectuer une dizaine d'actions. Par exemple, pour les banques avec lesquelles nous travaillons, une demande courante concerne la perte de sa carte bancaire et la commande d’une nouvelle. L'IA doit gérer tout un processus incluant la compréhension du problème, déterminer s'il faut commander une nouvelle carte, bloquer l'ancienne, confirmer l'adresse, identifier de quelle carte il s'agit, vérifier si les autres fonctionnent, etc. L'IA gère déjà très bien ce type de situation.

Pour autant, l'IA est-t-elle capable de répliquer certains comportements humains qui rendent une expérience plaisante, comme par exemple se voir offrir un surclassement pour un anniversaire ?

Elle le peut si vous lui apprenez, via les AOP.  Vous pouvez ainsi lui donner des instructions du type : "Dans certains cas, tu as la possibilité de renoncer à tels frais, selon tel et tel critère." Vous pouvez également configurer vos agents pour que chaque décision de ce type soit soumise à une validation humaine. Vous pouvez également paramétrer un ensemble de garde-fous et de règles à suivre pour l’IA, comme le fait de ne pas donner pas de conseils financiers, ne pas répondre aux questions concernant d'autres entreprises, ne rien dire de vulgaire, etc.

Pensez-vous réellement que d'ici trois ans, la majorité des tâches de support client seront gérées par l'IA ?

Notre entreprise n'existe que depuis plus de deux ans et nous avons constaté une amélioration massive des capacités de l'IA. D'ici trois ans, ce sera donc sans aucun doute le cas, surtout si l’on observe les progrès rapides actuels. Même aujourd'hui, les modèles sont en réalité déjà très performants pour gérer la majorité des cas de support, qui ne sont finalement pas si complexes. L'enjeu consiste à apprendre à l'IA comment bien faire les choses, et c’est la raison d'être de Decagon. La grande majorité des demandes de support entrantes seront traitées par l'IA. Nous voulons ainsi permettre aux collaborateurs effectuant ces tâches de se consacrer à des activités à plus forte valeur ajoutée, axées sur la création de relations avec les clients ou la vente.

Combien coûte votre solution en moyenne ?

Nous facturons soit par résolution, soit par conversation. Les tarifs varient avec une fourchette assez large, car les clients ont différents niveaux de complexité. En général, cela revient à moins d'un dollar par conversation pour nos clients. Notre objectif est qu'ils réalisent au minimum un ROI de 3 à 5 fois leur investissement.

Jesse Zhang est le cofondateur et CEO de Decagon, une plateforme qui ambitionne de transformer les relations entreprise-client grâce au déploiement d'agents concierge alimentés par l'IA générative. Avant de fonder Decagon à San Francisco en 2023, Jesse Zhang avait fondé Lowkey, une start-up rachetée par Niantic en 2021. Il est aussi investisseur dans plusieurs entreprises, dont Lovable et Cursor. Il est diplômé d'Harvard en sciences informatiques.