HockeyStack

Ce que c’est

HockeyStack est une plateforme d’attribution du revenu B2B qui recoud les sessions web, les dépenses publicitaires, les enregistrements CRM et l’activité commerciale en un seul parcours au niveau du compte, puis vous laisse interroger ce parcours en langage naturel via un analyste IA nommé Odin. La couche d’ingestion et de modélisation s’appelle ATLAS ; le graphe au niveau du compte qu’elle construit est ce que lisent toutes les autres fonctions.

C’est le premier fournisseur d’attribution du catalogue ooligo, et il se situe du côté système de décision de la catégorie, pas du côté tableau de bord. La ligne produit 2026 s’organise autour des Revenue Agents, qui agissent sur le graphe d’attribution — c’est le positionnement revendiqué par l’entreprise après être passée d’outil d’attribution à plateforme d’agents de revenu pour l’entreprise.

HockeyStack est financée par Y Combinator, a dépassé les 300 clients en moins de deux ans et a annoncé le 15 avril 2026 un tour qui a porté le financement total au-delà de 50 M USD, avec la participation de Bessemer Venture Partners, Y Combinator et Uncorrelated Ventures. Les clients cités — Mastercard, RingCentral, Rakuten, Justworks, AppsFlyer, Mimecast, StackAdapt — relèvent de l’entreprise et du haut du mid-market, ce qui correspond à la montée en gamme opérée après le tour.

Pourquoi il apparaît dans les stacks RevOps

• L’attribution se fait au niveau du compte, pas au niveau du lead. Les deals B2B mobilisent 6 à 10 parties prenantes, et un modèle centré sur le lead découpe un même groupe d’achat en dix lignes sans lien entre elles. ATLAS rattache les points de contact au compte, y compris la capture sans cookies de l’activité de dark funnel qui ne remplit jamais de formulaire, de sorte que le parcours présenté à un directeur financier corresponde au deal réellement signé.
• Odin répond à la question au lieu de vous construire un tableau de bord. Chaque réponse déroule une chaîne multi-agents : interpréter la question, planifier les étapes, récupérer des données gouvernées, exécuter une analyse déterministe et valider le résultat avant de le rendre. C’est cette structure qui rend la sortie auditable plutôt qu’un chiffre à l’air plausible. Odin s’utilise dans l’application ou dans Slack en mentionnant @hockeystackodin, là où les questions de funnel, de lift et de décomposition d’attribution se posent réellement.
• La couche d’agents est le différenciateur de 2026. Douze agents préconstruits couvrent des tâches GTM nommées — Closed Lost Deal Resurrector, Account Pre-Call Brief, Win/Loss Analyzer, Multi-Touch Attribution Anomaly Detector, Marketing Budget Optimizer, Weekly Rep Coaching Report, AE Forecast Challenger — auxquels s’ajoute un constructeur d’agents personnalisés pour les playbooks qui n’entrent dans aucun modèle. Forecast Challenger est celui qui change une réunion : il confronte les commits annoncés par les commerciaux aux schémas historiques de deals issus du modèle Blueprint de HockeyStack et signale les commits fragiles avant que le chiffre ne soit manqué.
• La couverture entrepôt de données et médias payants suffit à en faire le système de référence. Snowflake, BigQuery, Amazon S3, Azure Blob et ClickHouse côté entrepôt (Databricks est annoncé comme à venir) ; LinkedIn, Google, Meta, Bing, TikTok, Reddit, X, StackAdapt, AdRoll, G2 et Capterra côté dépenses ; 6sense, Demandbase, Bombora et RollWorks pour l’intent, et Gong pour les données de conversation.

Tarifs

Sur devis uniquement, contrat annuel, aucun prix publié. Deux plans : GTM Intelligence (attribution, reporting, Odin, scoring, synchronisation d’audiences, enrichissement et 2 agents prêts à l’emploi) et GTM Execution (les 12 agents préconstruits, le constructeur d’agents personnalisés et l’automatisation de workflows).

Les données d’achat et de comparaison de tiers — non publiées par l’éditeur, donc à traiter comme une fourchette et non comme une grille tarifaire — situent GTM Intelligence autour de 1 399 USD/mois et GTM Execution autour de 2 200 USD/mois, avec un contrat annuel médian proche de 28 000 USD et la plupart des déploiements entre 16 800 et 60 000 USD par an. Le volume de contacts et de comptes fait bouger le prix davantage que le nombre de sièges.

Pour se calibrer face aux alternatives : Dreamdata publie un plan gratuit et un Activation Starter à 750 USD/mois, avec un contrat annuel médian proche de 27 000 USD selon Vendr — zone d’atterrissage comparable, point d’entrée nettement plus bas. Factors.ai démarre à 399 USD/mois, l’attribution multi-touch étant réservée à son plan Growth de 899 à 1 200 USD/mois, soit environ un tiers de l’entrée rapportée pour HockeyStack. Le surcoût de HockeyStack s’achète avec la couche d’agents, pas avec le modèle d’attribution.

Recommandé pour

Les responsables RevOps et demand gen d’entreprises B2B au-delà de 50 M USD d’ARR qui pilotent des deals à parties prenantes multiples entre paid, événements et outbound, où le problème contraignant est de défendre la dépense devant un directeur financier avec des preuves au niveau du compte, et où l’équipe financera une couche d’agents qui agit sur le modèle plutôt qu’une couche de reporting qui le décrit.

Choisissez autre chose quand la forme ne correspond pas. Choisissez Dreamdata si vous voulez le pôle warehouse-first au niveau du compte, avec un prix d’entrée publié et un plan gratuit pour éprouver le modèle avant d’engager un budget : c’est l’autre entrée obligatoire de cette catégorie et le substitut structurel le plus proche. Choisissez Adobe Marketo Measure (anciennement Bizible) si vous êtes déjà standardisés sur Adobe et Marketo et que l’attribution est une ligne d’un contrat entreprise existant plutôt qu’un nouveau fournisseur. Choisissez Factors.ai si vous êtes sous 10 M USD d’ARR et qu’il vous faut l’attribution multi-touch plus des workflows ABM sur un budget qui n’absorbe pas un contrat de 28 000 USD. Choisissez RevSure si le besoin porte sur la préparation prospective du pipeline — prédire si le trimestre se conclut — plutôt que sur l’explication de l’origine du revenu du trimestre écoulé.

Points de vigilance

• Tarif sur devis avec engagement annuel exclusif, et les agents derrière le plan supérieur. Les équipes font la démo de la couche d’agents puis budgètent sur le chiffre de GTM Intelligence. Garde-fou : faites chiffrer GTM Execution dès le premier jour si les agents sont la raison de l’achat, exigez par écrit les seuils de volume de contacts et de comptes avant de signer, et comparez le devis à l’entrée publiée de Dreamdata à 750 USD/mois pour savoir ce que finance le surcoût.
• La qualité de l’attribution est plafonnée par l’hygiène du CRM, et l’éditeur ne peut pas y remédier. Des étapes d’opportunité incohérentes, des dates de signature manquantes et des UTM sans discipline produisent un modèle assuré du mauvais funnel. Garde-fou : auditez les définitions d’étapes et les conventions UTM avant le démarrage de l’essai, et faites tourner 30 jours en parallèle de votre reporting actuel ; si les deux divergent, réglez les données sources avant de présenter l’un ou l’autre chiffre à la direction financière.
• Revenue Agents est un produit de 2026 dans une entreprise de 2023. Le moteur d’attribution a des années de production derrière lui ; la couche d’agents qui justifie le prix, non. Garde-fou : limitez le pilote à 2 agents nommés rattachés à une métrique que vous suivez déjà — Forecast Challenger face à la justesse des commits du trimestre écoulé est le test le plus propre — et définissez le succès avant le contrat, pas après.
• Aucune API publique publiée ni serveur MCP, et Databricks n’est pas livré. L’automatisation est bornée par la liste d’intégrations natives et la synchronisation avec l’entrepôt. Garde-fou : vérifiez pendant l’essai que le sens de la synchronisation couvre les écritures dont vous avez besoin, et si Databricks est votre entrepôt, obtenez une date de livraison par écrit au lieu d’accepter la mention à venir.

Pour la couche d’inspection des deals et de forecasting qu’il alimente, voir Gong et Clari ; pour les sources de signal de compte en amont, voir 6sense, Demandbase, Common Room et Warmly.