ENTRY TYPE · definition

Conversation intelligence

By Marius Bughiu Last updated 2026-08-19 RevOps

La conversation intelligence est un logiciel qui enregistre les appels commerciaux et les réunions, les transcrit, puis analyse l’ensemble du corpus d’enregistrements — pas seulement l’appel auquel vous avez participé. Cette analyse produit trois choses qu’un enregistrement seul ne produit pas : une détection de sujets consultable sur tous les appels que votre équipe a jamais passés, des signaux de risque sur les deals agrégés au niveau du pipeline, et des scorecards de coaching rattachées à des comportements nommés des commerciaux. L’enregistrement est l’entrée. L’analyse transversale est le produit, et c’est la seule partie qui justifie un tarif entreprise.

Ce n’est pas un preneur de notes IA. Fathom, Granola et Otter capturent et résument une réunion pour ceux qui y étaient, et l’artefact s’arrête à la frontière de cette réunion. La conversation intelligence répond à des questions qui n’existent qu’à l’échelle de centaines d’appels : combien de fois les commerciaux ont abordé le nouveau pricing du concurrent le trimestre dernier, et ce que sont devenus ces deals. Ce n’est pas non plus de la revenue intelligence — les données de conversation alimentent le forecast, elles ne sont pas le forecast — ni du speech analytics de centre de contacts, qui note les interactions support face à une grille QA et conformité plutôt que face à l’avancement du deal.

Les quatre couches

Capture et transcription. Un bot rejoint depuis l’invitation d’agenda, ou l’éditeur capture via l’API de la plateforme de visioconférence sans bot. La diarisation sépare la transcription par participant. Cette couche est quasi banalisée : tous les éditeurs de la catégorie la maîtrisent, et ce n’est pas là que se joue l’écart de prix.

Détection de sujets et trackers. C’est ici qu’un enregistreur devient de la conversation intelligence. Gong distingue deux mécanismes : les keyword trackers repèrent le terme littéral, tandis que les smart trackers sont des modèles qui détectent le concept quelle que soit la formulation, de sorte que « c’est votre meilleur prix ? » compte comme une demande de remise sans que le mot remise apparaisse (Gong Help Center). La distinction pèse au moment d’acheter, car une implémentation limitée aux mots-clés paraît identique en démonstration et rate l’essentiel de ce qu’elle devrait capter.

Risque sur le deal. La plateforme lit des signaux comportementaux dans la conversation et l’historique d’activité — aucune prochaine étape convenue, engagement limité à un seul contact, acheteur devenu silencieux, concurrent cité tard dans le cycle, étape figée — et les expose face au pipeline ouvert, pas face à des appels isolés.

Scorecards de coaching. Un manager note un appel face à une grille, et les notes s’agrègent par commercial, équipe et question. L’IA les remplit désormais : les scorecards à revue automatique de Gong passent en revue chaque appel correspondant à un filtre, avec un plafond de rétrospective de 90 jours, pour les équipes sur ses plans Enable Essentials ou Enable (Gong Help Center).

Ce que cela coûte

Deux formes de tarification, et les confondre fait déraper un budget.

Les éditeurs mid-market publient un prix par siège qui exclut l’analyse. Avoma affiche Startup à 19 USD par utilisateur et par mois en annuel, Organization à 24 USD et Enterprise à 39 USD avec un minimum de 10 sièges — puis vend Conversation Intelligence en add-on à 29 USD par siège (35 USD en facturation mensuelle), et Revenue Intelligence à 29 USD de plus (tarifs Avoma, vérifié le 19 août 2026). Un commercial qui a besoin des couches coaching et deal coûte 48 à 77 USD par siège, pas 19. Cherchez la même séparation dans chaque devis de la catégorie.

La conversation intelligence entreprise se vend sur devis. Les données de benchmark de Vendr situent le contrat médian de Gong à 54 900 USD par an sur 593 achats recensés, avec une fourchette observée de 11 184 à 204 033 USD (marketplace Vendr, mise à jour en mars 2026). Demandez le devis ventilé entre platform fee et licences par siège avant toute comparaison, et faites écrire noir sur blanc la hausse au renouvellement.

Quelle est sa précision réelle

Il y a deux questions de précision, et les acheteurs ne posent en général que la première.

La précision de transcription est mesurable et largement réglée. Une comparaison évaluée par les pairs de 11 services d’ASR sur de l’audio de cours magistraux en anglais a mesuré des taux d’erreur de mots allant de 2,9 pour cent (Whisper large-v2) à 20,1 pour cent (Google), pour une moyenne de 7,0 pour cent — et 10,2 pour cent pour les locuteurs non natifs de l’anglais contre 7,0 pour cent pour les natifs (Measuring the Accuracy of Automatic Speech Recognition Solutions). L’audio d’un cours, c’est un seul locuteur avec un micro correct. Un appel à quatre avec des gens qui se coupent la parole et un micro d’ordinateur portable est plus difficile : traitez donc tout chiffre de précision annoncé par un éditeur comme une affirmation sur le cas facile, et testez sur vos propres enregistrements, en pondérant selon les accents et le vocabulaire produit que votre équipe emploie réellement.

La précision de l’analyse est celle qui coûte de l’argent, et la documentation éditeur le dit sans détour. La page de Gong sur la revue automatique des scorecards indique que « parfois, l’IA produit des sorties différentes pour des entrées identiques », et qualifie cela de comportement attendu. Une note de grille qui bouge d’une exécution à l’autre sur le même appel ne peut pas alimenter un entretien de performance sans validation humaine. Demandez à chaque éditeur de noter deux fois les mêmes 20 appels et de vous montrer l’écart.

Le point bloquant du déploiement, c’est le consentement, pas le budget

Enregistrer un appel dans un État américain exigeant le consentement de toutes les parties, sans l’accord de chaque participant, relève du droit des écoutes et non d’une préférence de politique interne. Une douzaine d’États environ exigent le consentement de tous, et les règles n’y sont pas uniformes : le Connecticut traite les appels téléphoniques différemment des conversations en présentiel, l’Oregon traite les communications orales différemment des électroniques. Pour une équipe commerciale distribuée, l’hypothèse prudente est qu’un appel par semaine compte un participant dans l’un de ces États.

Le cas test en cours est In re Otter.AI Privacy Litigation, No. 5:25-cv-06911 (N.D. Cal.), issu de la consolidation de plaintes déposées à partir d’août 2025, qui reproche au preneur de notes OtterPilot d’avoir enregistré des réunions sur le seul consentement de l’hôte, au regard du Wiretap Act fédéral et du California Invasion of Privacy Act. La juge Eumi K. Lee a entendu la requête en rejet le 20 mai 2026 et n’avait pas tranché au 19 août 2026 : aucune juridiction n’a donc encore déclaré ces pratiques licites ou illicites. Trois garde-fous ne dépendent pas de l’issue : activez l’avis d’enregistrement avant réunion de l’éditeur, donnez aux participants un moyen de refuser qui interrompe réellement la capture et pas seulement le résumé, et lisez la clause qui détermine si vos données d’appel entraînent les modèles de l’éditeur.

Ce qui a changé en 2026

Gong a annoncé Gong Enable le 25 février 2026 et le Gong Revenue Harness le 24 juin 2026 : une couche d’exécution agentique bâtie sur son Agent Studio et sa prise en charge de MCP, avec des Custom Agents que les RevOps configurent sans équipe technique (communiqué Gong). ZoomInfo expose les données d’appel de Chorus via un outil conversation_intelligence dans son MCP server, pour qu’un agent puisse raisonner sur les appels, emails et transcriptions indexés.

La direction est la même chez tous les éditeurs : le corpus d’appels devient une source de données interrogeable par des agents plutôt qu’une bibliothèque où les managers vont regarder des extraits. La question d’achat se déplace donc de « qui a la transcription la plus propre » vers « qui laissera mes agents lire le corpus, et sous quels scopes » — le jumeau en lecture de la décision traitée dans Accès en écriture MCP au CRM.

Pièges courants

Acheter l’outil comme un enregistreur et ne jamais configurer de trackers. La plateforme enregistre, personne ne cherche, et le renouvellement arrive avec des données d’usage qui justifient un déclassement. Garde-fou : déployez cinq trackers dès la première semaine, rattachés à des deals en cours — concurrent principal, objection prix, revue sécurité, départ du champion, achats — et passez-les en revue au point pipeline hebdomadaire.
Des trackers réglés une fois et jamais ajustés. Garde-fou : revoyez les taux de déclenchement chaque trimestre. Un tracker qui se déclenche sur moins de 1 pour cent des appels ne mesure rien ; un qui se déclenche sur plus de 60 pour cent mesure le vocabulaire que tout le monde emploie de toute façon.
Brancher les scorecards sur l’évaluation de la performance avant de les calibrer. Garde-fou : faites noter le même échantillon de 20 appels par deux managers et par l’IA, et publiez le taux d’accord avant qu’une note n’entre dans une évaluation. Là où ils divergent, le problème vient de la grille, pas du commercial.
Mesurer l’adoption au taux d’enregistrement. Tous les appels sont enregistrés dès le premier jour ; ce chiffre prouve que le bot fonctionne, pas que quelqu’un a appris quelque chose. Garde-fou : suivez les recherches lancées et les extraits partagés par manager et par semaine.
Aucune politique de rétention ni d’exclusion. Les enregistrements de négociations tarifaires, de ruptures de contrat et de discussions juridiques restent indéfiniment dans le corpus et deviennent communicables en contentieux. Garde-fou : fixez une durée de conservation et excluez certains types de réunion par mot-clé d’agenda dès la capture.