Encore AI

Ce que c’est

Encore AI construit des agents IA en contact avec la clientèle en copiant vos meilleurs collaborateurs plutôt qu’en vous demandant d’écrire des prompts. Son « Interaction Mining » breveté lit les appels, chats, emails et enregistrements CRM historiques d’une entreprise, découpe chaque parcours client en étapes et isole les gestes qui ont précédé un prêt conclu, une police renouvelée ou un solde recouvré. Ces gestes deviennent des playbooks, et les playbooks tournent selon deux modes : Autopilot, un agent vocal et chat autonome qui mène un parcours du premier contact jusqu’à la conclusion, et Wingman, un assistant en direct qui pousse questions de découverte, réponses aux objections et mentions obligatoires sur l’écran d’un conseiller humain pendant l’appel. Un troisième produit, Journeys, remplace les formulaires de lead statiques par des landing pages conversationnelles.

L’argumentaire vise la ligne de revenus, pas la ligne de coûts. Le CEO Dvir Ginzburg l’a dit sans détour dans l’annonce de la Série A : l’industrie actuelle de l’IA d’entreprise est « optimized for cost reduction » (optimisée pour la réduction des coûts). Les cas d’usage d’Encore sont formulés comme des étapes du funnel — qualifier, convertir, onboarder, faire de l’upsell, recouvrer — plutôt que comme des tickets à dévier.

L’entreprise a été fondée en 2022 sous le nom d’Insait IO par Ginzburg, titulaire d’un doctorat en geometric deep learning de l’université de Tel Aviv, qui a auparavant travaillé sur les systèmes de recommandation chez Microsoft. Son premier produit recommandait des produits financiers aux conseillers et aux chargés de clientèle, ce qui explique la base de clients. Elle a annoncé une Série A de $30M le 29 juillet 2026, menée par Team8 — le communiqué de l’entreprise cite Planven et The Garage comme co-leads — avec Lukatz et plusieurs banques et assureurs déjà clients. Calcalist cite l’assureur israélien Harel et Bank Leumi parmi ces clients-investisseurs et évalue l’effectif à environ 50 personnes — à peu près 35 en Israël, le reste à New York, où se trouve le siège, et en Australie. TechCrunch a fait état de plus de 40 clients entreprises, pour la plupart des institutions financières ; le chiffre de Calcalist portait sur des déploiements dans plus de 30 organisations en Israël, en Australie, en Europe et aux États-Unis.

Pourquoi il apparaît dans les stacks CX et revenus

• Les données d’entraînement sont vos propres résultats, pas une base de connaissance. La plupart des plateformes d’agents partent de la documentation et des prompts, puis ajustent. Encore part d’interactions déjà étiquetées selon ce qui s’est passé ensuite dans le CRM. Si votre premier décile de recouvreurs récupère deux fois le solde de la médiane, la promesse est que la plateforme peut découvrir pourquoi et faire en sorte que l’agent le reproduise. Les pages produit affirment qu’il n’y a ni prompt engineering, ni script, ni base de connaissance à rédiger, et que le mining s’exécute sur chaque interaction, sans échantillonnage.
• Assistance et autonomie partagent un même playbook. Wingman et Autopilot tournent sur les mêmes playbooks extraits : une banque peut donc d’abord placer l’assistant devant ses conseillers humains, observer quelles étapes du playbook font bouger la conversion, et seulement ensuite confier le segment facile à l’agent autonome. Ce chemin progressif est le plus sûr dans le crédit et l’assurance, où un agent autonome qui se trompe sur une mention obligatoire constitue un incident réglementaire, pas une baisse de CSAT.
• Il est livré par des forward-deployed engineers, avec une passation. Le modèle de déploiement compte trois phases : cadrage et pilote en production sur le cas d’usage au potentiel de revenus le plus clair, co-construction des intégrations et personnalisation des agents avec votre équipe, puis tests, validation des garde-fous et « keys and handover » (remise des clés et passation). Les workflows passent de « Run by Encore AI » à « Run by your team ». Pour une banque sans équipe interne d’IA conversationnelle, c’est la voie réaliste vers la production ; cela signifie aussi que les premiers mois relèvent d’une mission de services.
• Les options de déploiement et de conformité conviennent aux acheteurs régulés. Les pages Autopilot et Wingman listent on-premises, cloud privé, VPC ou cloud Encore entièrement managé, ainsi que des pistes d’audit qui journalisent chaque décision de l’agent, des garde-fous par workflow sur le sujet, le ton et la conformité, des validations avant publication et des permissions par rôle. Le site revendique ISO 27001, ISO 42001, SOC 2 Type 2, GDPR et PCI DSS, et renvoie vers un trust center à trust.gainencore.ai.

La réalité du prix

Il n’existe aucun prix public, aucune grille tarifaire, aucune offre en libre-service et aucun listing marketplace que nous ayons pu trouver ; toutes les sources, annuaires tiers compris, indiquent « contact for pricing ». Attendez-vous à un contrat entreprise qui démarre par un pilote payant sur un seul funnel et comporte une composante de forward-deployed engineering.

Le repère utile, c’est ce que publient les outils entreprise voisins. Le listing AWS Marketplace de Cresta affiche Agent Assist for Voice à $150,000 pour 12 mois couvrant jusqu’à 100,000 appels, soit $1.50 par appel, et cela pour de l’assistance sur des appels encore traités par un humain. Prenez-le comme l’ordre de grandeur qu’un grand centre de contact régulé doit anticiper pour une plateforme assistance-plus-agent du même segment — un repère issu d’un pair, pas un devis Encore. Le seul chiffre de performance qu’Encore ait publié face au coût est un « 10x ROI within months » chez l’un de ses plus gros clients du crédit, non nommé et sans point de référence.

Puisque le produit se vend sur le revenu, poussez le modèle commercial vers le revenu. Demandez une tarification liée au résultat que vous achetez — prêts financés, soldes recouvrés, dossiers complétés — avec les frais de pilote déduits de la première année, plutôt qu’un compteur au siège ou à la minute qui paie le fournisseur de la même façon, que la conversion bouge ou non.

Idéal pour

Les responsables des ventes, du recouvrement ou des opérations clients dans les banques, les organismes de crédit à la consommation et les assureurs — le segment dans lequel Encore s’est construit — qui pilotent un funnel téléphone et chat à fort volume dont les résultats sont enregistrés dans le CRM, et dont la question est « comment faire en sorte que chaque conseiller et chaque agent vende, renouvelle ou recouvre comme nos meilleurs éléments ? » plutôt que « comment répondre à plus de tickets avec moins de monde ». Le profil idéal dispose d’années d’appels enregistrés avec consentement, de résultats rattachés à chaque interaction, et d’une équipe interne trop petite pour construire des agents de zéro.

Passez votre chemin si votre objectif est la déflexion du support, si votre archive d’interactions est mince ou non reliée aux résultats, si vous devez évaluer le produit sans cycle de vente, ou si vous êtes hors des services financiers et de la santé, où la base de références est maigre.

Face aux alternatives

Le volume de ce marché se trouve chez les acteurs CCaaS historiques, NICE et Genesys, dont l’IA intégrée couvre l’assistance aux conseillers et la gestion de la qualité dans un contrat que vous avez déjà signé ; commencez par là si votre problème est la couverture, pas la conversion. Cresta est le comparable le plus direct — assistance et agents autonomes sur les mêmes modèles, avec des connecteurs nommés vers NICE CXone, Genesys, Five9 et Amazon Connect — et c’est le choix pour un centre de contact à dominante voix de plusieurs centaines de postes qui a besoin d’une console superviseur couvrant humains et IA. Sierra, l’entrant à la croissance la plus rapide avec environ $200M d’ARR en mai 2026, et Decagon sont les choix quand l’objectif est la résolution de bout en bout des conversations de service. Parloa l’emporte quand l’automatisation vocale à grande échelle sur un compteur prévisible fait la décision, et Wonderful quand vous avez besoin d’agents rapidement sur de nombreux marchés non anglophones. Level AI couvre la notation de chaque interaction pour la QA. Pour les équipes de vente B2B qui travaillent des opportunités plutôt que des funnels grand public, Gong est le choix par défaut en revenue intelligence. L’argument d’Encore face à tous ces acteurs est étroit : c’est celui dont les agents sont construits à partir du comportement enregistré de vos propres meilleurs éléments et orientés vers des événements de revenu dans un funnel grand public régulé. Si ce n’est pas votre problème, l’un des autres convient mieux.

Points de vigilance

• La méthode ne fonctionne que sur une archive volumineuse et reliée aux résultats. L’Interaction Mining a besoin de conversations enregistrées associées à ce qui s’est passé ensuite ; une archive d’appels sans résultat CRM par appel, ou un consentement qui ne couvre pas l’entraînement de modèles, ne donne rien à apprendre à la plateforme. Garde-fou : avant le pilote, auditez un funnel — comptez les interactions enregistrées des 12 derniers mois, vérifiez quelle part est reliée à un résultat CRM, et obtenez la validation du juridique que le consentement à l’enregistrement existant couvre l’entraînement — et faites du « minimum de données disponible » une condition préalable écrite des frais de pilote.
• Copier les meilleurs éléments peut copier leurs pires habitudes. Le conseiller qui convertit le plus est peut-être celui qui pousse le plus fort ou qui saute une mention obligatoire. Automatiser ce comportement dans le crédit, le recouvrement ou la vente d’assurance transforme le risque d’une personne en risque systémique, et les appels vocaux IA sortants relèvent des règles du TCPA américain sur les voix artificielles. Garde-fou : faites passer chaque playbook extrait par une revue conformité avant publication, en utilisant les validations avant publication de la plateforme ; exigez que les contrôles de mentions obligatoires soient des garde-fous stricts, pas des suggestions ; et échantillonnez chaque semaine les conversations autonomes au regard de votre QA existante sur le risque de conduite.
• Les résultats phares sont publiés par le fournisseur, et plusieurs références sont des investisseurs. Les hausses de conversion de 30% et 33% affichées sur le site et l’organisme de crédit au « 10x ROI » sont toutes des affirmations d’Encore, et les clients nommés Harel et Bank Leumi ont investi dans la Série A. Garde-fou : menez un test avec groupe témoin — un groupe de contrôle sur le même funnel sans l’agent — évalué selon votre propre définition de la conversion, et demandez au moins un client de référence dans votre secteur qui ne soit pas actionnaire.
• C’est une petite entreprise qui vend un modèle très chargé en services. Environ 50 personnes assurent le forward-deployed engineering sur plus de 30 déploiements entreprise répartis sur trois continents, et les pages publiques ne nomment aucune intégration CRM, téléphonie ou CCaaS précise. Garde-fou : obtenez par écrit la liste des intégrations pour votre stack exacte, nommez les forward-deployed engineers et leur allocation dans le SOW, et prévoyez contractuellement l’export des playbooks extraits et des configurations d’agents, afin que la phase de passation vous laisse quelque chose de portable.
• Les affirmations sur le déploiement varient selon la source. Les pages produit du fournisseur listent des options on-premises et VPC, tandis qu’au moins un annuaire tiers présente le produit comme cloud uniquement. Garde-fou : confirmez la topologie de déploiement, la résidence des données et l’hébergement des modèles pour votre contrat dans le questionnaire de sécurité, et récupérez le rapport SOC 2 Type 2 et les certificats ISO réels depuis le trust center plutôt que de vous fier aux badges.