Coval

Ce que c’est

Coval est une plateforme de simulation et d’évaluation pour les agents IA vocaux et chat. Avant le lancement, elle appelle votre agent avec des milliers de clients synthétiques — différents personas, accents, bruits de fond, interruptions, demandes hors script — et note chaque conversation selon les métriques que vous définissez. Après le lancement, elle note les appels réels de la même manière et oriente les cas douteux vers des évaluateurs humains. La question à laquelle elle répond est celle que se pose toute équipe CX la semaine précédant la mise en service d’un agent vocal : comment savoir qu’il ne nous mettra pas dans l’embarras au 4 000e appel ?

L’approche vient des voitures autonomes. La fondatrice et CEO Brooke Hopkins a dirigé l’infrastructure d’évaluation chez Waymo, et Coval traite un agent IA comme Waymo traite une voiture : on ne prouve pas sa sûreté en faisant le tour du pâté de maisons, on la prouve en le confrontant à un très grand nombre de scénarios simulés et en mesurant le taux d’échec. L’entreprise est passée par le batch d’été 2024 de Y Combinator, a levé un seed de $3.3M mené par MaC Venture Capital et a annoncé le 24 juin 2026 une Série A de $28M menée par Norwest, avec la participation de Base10 Partners, Twilio Ventures et Y Combinator, soit $31M levés au total. Zoom et Deepgram sont cités comme clients dans le communiqué de levée ; la page d’accueil ajoute Chime, Perplexity, ServiceNow, StubHub, Toast et Upstart. L’éditeur déclare travailler avec plus de 60 organisations.

Pourquoi on le retrouve dans les stacks CX et support

• Il teste l’audio, pas seulement la transcription. Les évaluations couvrent le timing, les tours de parole, les interruptions, la qualité audio, les appels d’outils et le sentiment de l’appelant. Un agent vocal qui prononce les bons mots deux secondes trop tard échoue quand même, et une évaluation fondée uniquement sur la transcription ne le détectera pas.
• Il se branche sur la façon dont les agents vocaux sont réellement construits. Les connexions documentées incluent les appels téléphoniques entrants et sortants, la voix via WebSocket, LiveKit, Pipecat Cloud, OpenAI Realtime, Gemini Live, Grok Realtime et Deepgram Voice Agent, ainsi que le chat via HTTP, WebSocket et A2A, et le SMS. Un agent construit sur Vapi ou Retell AI se teste en appelant son numéro de téléphone.
• Il évalue les actions, pas seulement les paroles. Les agents peuvent envoyer des traces OpenTelemetry, ou Coval les importe depuis Langfuse, Arize Phoenix ou LangSmith, de sorte qu’une métrique peut vérifier que l’outil de remboursement a été appelé avec le bon montant plutôt que de constater que l’agent a dit avoir émis un remboursement.
• Des comparatifs d’éditeurs. Le même jeu de scénarios s’exécute sur plusieurs plateformes vocales, ce qui en fait autant un outil d’achat qu’un outil de QA : un responsable CX qui hésite entre Vapi, Retell AI et PolyAI peut les comparer sur les types d’appels propres à son entreprise plutôt que sur des démos.
• Conçu pour les workflows des développeurs. API REST, une CLI coval pour les pipelines CI, des SDK TypeScript et Python typés, et un connecteur MCP qui permet à Claude, ChatGPT et Codex de lancer des exécutions et d’interroger les résultats. Tout cela est inclus dans chaque offre.

La réalité des prix

Coval est l’un des rares éditeurs de ce segment à publier une grille tarifaire. Starter coûte $100 par mois (100 minutes de simulation, 1 000 appels surveillés, 30 jours de rétention des traces, 5 simulations simultanées). Growth coûte $500 par mois (1 000 minutes de simulation, 10 000 appels surveillés, 90 jours de rétention, 25 simulations simultanées). Enterprise démarre à $4,500 par mois, soit $54,000 par an, et ajoute le SSO SAML, SCIM, la résidence des données et le déploiement en VPC privé. Les licences sont illimitées dans chaque offre ; la facturation annuelle retire 20 % sur Starter et Growth ; les deux incluent un essai de 7 jours qui exige une carte bancaire. Une incohérence à lever avant de signer : l’offre Growth est présentée avec des projets illimités à un endroit de la page tarifaire et avec 5 projets dans le tableau comparatif.

Les minutes incluses sont un plancher, pas la facture. Le dépassement coûte $0.25 par minute de simulation sur Growth et $0.40 sur Starter. Une suite de régression modeste — 200 scénarios d’une durée moyenne de 3 minutes — consomme 600 minutes par exécution. Lancez-la chaque nuit et vous utilisez environ 18 000 minutes par mois : 17 000 minutes de dépassement à $0.25 font $4,250, plus la base de $500, soit environ $4,750 par mois. C’est au-dessus du plancher Enterprise. La règle pratique : Growth convient à une équipe qui exécute sa suite complète à chaque release ; une équipe qui l’exécute à chaque commit ou chaque nuit devrait chiffrer Enterprise dès le départ.

Idéal pour

Les responsables produit IA vocale et les responsables des opérations CX dans des entreprises qui placent un agent vocal ou chat face à de vrais clients — déflexion en centre de contact, prise de rendez-vous, recouvrement, suivi de commande — et qui ont besoin d’une barrière réussite/échec avant chaque release et d’une notation en production ensuite. Le fit est meilleur quand une équipe d’ingénierie possède l’agent et branchera la CLI dans la CI, et quand une équipe opérations ou QA prendra en charge les métriques et la file de revue humaine.

Écartez-le si vous achetez un agent entièrement géré comme Sierra ou Decagon sans pouvoir modifier ses prompts ni ses outils : vous pourrez mesurer les échecs mais pas les corriger, et un outil de QA support comme Solidroad ou Intryc, qui évalue ensemble les conversations des bots et des humains, est une meilleure dépense.

Face aux alternatives

Cyara, propriétaire de Botium, est l’acteur installé de l’assurance CX en entreprise et a lancé les tests agentiques en mars 2026. La vente passe par des commerciaux, sans offre en libre-service, et c’est le choix quand vous testez déjà vos SVI et la téléphonie de votre centre de contact avec Cyara et voulez un seul éditeur. Hamming est l’autre spécialiste de la génération 2024 soutenu par YC, avec plus de 50 métriques intégrées, un module de red team et un fort accent sur le signal audio, la latence et les conditions de téléphonie ; il ne publie aucun prix et a levé un seed de $3.8M en décembre 2024. Choisissez-le quand l’analyse des défaillances au niveau audio est le problème principal. Cekura est la porte d’entrée la moins chère : paiement à l’usage à $0.25 par minute de test vocal sans frais de base, ou $500 par mois pour environ 2 000 minutes — à peu près deux fois les minutes de simulation de l’offre Growth à $500 de Coval. Choisissez-le pour une petite équipe qui a besoin de volume avec un budget serré. Roark et Bluejay, tous deux fondés en 2025, sont les entrants les plus récents ; Roark part des appels de production et les rejoue comme tests. Braintrust est le choix quand l’agent est d’abord un agent chat et que vous y exécutez déjà vos évaluations LLM.

Coval l’emporte sur la combinaison de la profondeur de simulation, de la tarification publiée et du financement : avec $31M levés, c’est le financement déclaré le plus important parmi les startups de test vocal citées ici. Si aucun ne convient, scénarisez 30 de vos types d’appels les plus à risque, faites-les passer par téléphone par deux personnes à un agent de préproduction avant chaque release, et notez-les dans une feuille partagée. Quand cela prend plus d’une journée par release, vous êtes prêt à acheter.

Points de vigilance

• Le dépassement transforme une offre à $500 en facture Enterprise. Les minutes de simulation évoluent avec scénarios × durée × fréquence, pas avec les licences. Garde-fou : avant la fin de l’essai, comptez vos scénarios, multipliez par la durée moyenne d’appel et la fréquence d’exécution, et chiffrez à la fois Growth plus dépassement et Enterprise sur ce nombre.
• Les appelants synthétiques sont des LLM, et les juges aussi. Un appelant simulé est plus éloquent et plus patient que la personne qui appelle à 7 h depuis sa voiture. Garde-fou : alimentez les scénarios à partir de transcriptions de production uploadées plutôt que de personas inventés, et notez 100 appels deux fois à la main pour mesurer à quelle fréquence chaque métrique jugée par LLM concorde avec un humain avant de la laisser bloquer une release.
• La documentation de conformité varie selon la page et l’offre. La page tarifaire indique SOC 2 Type II, HIPAA et GDPR dans chaque offre, la page d’accueil signale GDPR comme en cours, et un avis tiers de mai 2026 plaçait le BAA et le DPA dans Enterprise. Garde-fou : obtenez un BAA et un DPA signés, et consultez le trust centre, avant d’uploader tout enregistrement d’appel réel contenant des données de santé ou de paiement.
• Les résultats mis en avant sont déclarés par l’éditeur. La réduction jusqu’à 30× de la QA manuelle et le déploiement 10× plus rapide proviennent du communiqué de levée de Coval. Garde-fou : relevez le nombre actuel d’heures d’évaluateurs par release et le nombre d’incidents de production par mois avant la mise en production, et comparez au jour 60.