Lorikeet

Ce que c’est

Lorikeet est un concierge client IA conçu pour le travail de support qui a des conséquences — déclarer un sinistre, réémettre une carte, délivrer une ordonnance, traiter un remboursement — plutôt que pour répondre à des questions à partir d’un article du centre d’aide. L’agent opère sur chat, email, SMS, voix et WhatsApp, exécute des workflows à plusieurs étapes contre vos systèmes de référence, escalade ce qu’il ne peut pas clôturer et journalise chaque étape effectuée. Fondée à Sydney par Steve Hind (CEO) et Jamie Hall (CTO), la société a fait son lancement public en octobre 2024 et a levé une Série A de $35M en août 2025 menée par QED Investors, avec Blackbird, Square Peg, Skip Capital, Airtree et Operator Partners, portant le financement total au-delà de $50M. La liste de clients nommés penche vers la fintech et la healthtech : Airwallex, Flex, Step, Breeze, Eucalyptus, Magic Eden, Linktree.

Deux agents sont livrés. L’agent Concierge mène la conversation client avec une mémoire qui traverse les canaux, de sorte qu’une personne qui a commencé sur le chat n’a pas à réexpliquer au téléphone. Coach, ajouté en janvier 2026, note la qualité et fait l’analyse des causes racines sur chaque ticket, et non sur les 2-5 % qui reviennent via les enquêtes CSAT. Les workflows sont rédigés en langage naturel, avec des garde-fous déterministes sur les étapes qui déplacent de l’argent ou écrivent dans les enregistrements.

Pourquoi il apparaît dans les stacks CX et support

• Il publie des prix par résolution. Deux paliers avec les tarifs sur la page, dans un segment où Decagon, Sierra et Ada exigent tous un appel commercial pour connaître le chiffre. Vous pouvez modéliser la facture avant d’accepter le rendez-vous.
• L’exécution d’actions est le produit, pas un module. L’argument contre les agents axés sur la déflexion : les tickets qui coûtent le plus cher sont précisément ceux qu’un article ne clôture pas. Les workflows de Lorikeet appellent Stripe, Shopify, Twilio et des API internes avec des permissions de lecture ou d’écriture restreintes, et des outils simulés permettent de tester un workflow avant qu’il puisse toucher quoi que ce soit de réel.
• Le compteur exclut les escalades. La facturation se déclenche sur un ticket résolu avec succès, donc une conversation que l’agent transmet à un humain n’est pas facturée. C’est l’inverse du modèle par conversation d’Ada, qui facture les échecs au même tarif que les réussites.
• Il existe un serveur MCP officiel. Documenté sur docs.lorikeetcx.ai/mcp/mcp-server, il connecte Claude, Claude Code ou ChatGPT au compte — retracer l’exécution du workflow d’un ticket pour trouver la cause racine, rédiger des workflows en langage naturel, valider les configurations d’outils et lancer des scénarios clients simulés. Une équipe ops qui travaille déjà dans Claude Code peut y faire des tests de régression du comportement de l’agent au lieu de cliquer dans une console éditeur.
• Il se pose sur le help desk que vous exploitez déjà. Zendesk (Messaging inclus), Intercom, Salesforce, Front, HubSpot et Help Scout côté ticketing ; Confluence, Guru, Notion et Google Docs pour la connaissance ; Genesys Cloud pour la téléphonie, avec renvoi d’appel pour Amazon Connect, Dialpad, Five9, Vonage et AirCall. Lorikeet Chat et un SDK embarquable couvrent le déploiement sans aucun help desk.

La réalité du prix

Publié, ce qui est l’inhabituel dans cette catégorie.

• Start — $1,500/mois facturé annuellement ($18,000/an, 18,000 crédits). Les résolutions chat, email et SMS consomment 0.95 crédit ; la voix consomme 1.50 pour les appels jusqu’à 3 minutes ; routage et tagging analytique 0.30 par ticket ; QA automatisée 0.30 par ticket.
• Scale — $4,000/mois facturé annuellement ($48,000/an, 48,000 crédits). Chat, email et SMS 0.80 ; voix 1.20 ; routage et tagging 0.25 ; QA automatisée 0.25.
• Enterprise — tarifs et enveloppe sur mesure.

Aucun des paliers publiés ne comporte de frais par siège, de frais d’implémentation ni de frais de plateforme. L’enveloppe de crédits est libellée à parité avec le dollar — 18,000 crédits pour $18,000 — donc une résolution chat sur Start coûte $0.95 et Scale la ramène à $0.80. En volume, Start couvre environ 18,900 résolutions chat par an, soit près de 1,580 par mois, si vous ne dépensez rien en tagging ni en QA ; Scale couvre 60,000, soit près de 5,000 par mois.

Cela passe sous les $0.99 par outcome de Fin chez Intercom et bien sous les $1.50 par résolution automatisée de Zendesk sur volume engagé. La contrepartie est le plancher : Fin ne facture ni frais de mise en service ni frais de plateforme et applique à la place un petit minimum mensuel d’outcomes, donc à faible volume Fin sort moins cher quoi que dise le tarif unitaire. Face au pôle enterprise, l’écart s’inverse — les frais de plateforme annuels rapportés de Decagon, autour de $50,000, tombent avant tout usage, et les contrats à l’outcome de Sierra vont de $150K à $350K+ par an.

Idéal pour

Les responsables support et CX ops en fintech, healthtech et assurance dont le volume de tier 1 est à plusieurs étapes et lourd de conséquences — sinistres, vérification d’identité, actions sur cartes et comptes, parcours d’ordonnance — et qui ont besoin que l’agent écrive dans les systèmes de référence avec des permissions restreintes plutôt que de renvoyer vers un article. C’est le bon choix précisément dans la bande de 1,500-5,000 résolutions mensuelles, où les tarifs publiés battent ce qu’un contrat enterprise mené par les commerciaux proposerait, et où le plancher de $18,000 reste payable.

Passez si votre mix de tickets relève des questions-réponses de centre d’aide, où un outil axé déflexion coûte moins pour le même résultat ; si le volume mensuel de résolutions se compte en centaines basses, où la facturation à l’outcome de Fin sans plancher annuel gagne à l’arithmétique ; ou si les achats exigent une liste de références Fortune 500 et un effectif à quatre chiffres derrière le contrat.

Face aux alternatives

Les acteurs installés sont les help desks que vous payez déjà. Intercom Fin et Zendesk AI ont la base installée et n’ajoutent aucun éditeur à intégrer ; choisissez-les quand la majorité de vos tickets sont répondables et que l’IA greffée sur votre desk actuel atteint votre seuil. Le nouvel entrant qui croît le plus vite est Sierra — $950M levés en mai 2026 à une valorisation de $15.8B, avec plus de 40 % du Fortune 50 revendiqué comme clients — et il gagne quand les achats veulent le plus gros éditeur de la catégorie et financeront un contrat à l’outcome à six chiffres pour l’avoir. Decagon est l’équivalent le plus proche sur l’exécution d’actions en volume enterprise, avec une Série D de $250M en janvier 2026 à une valorisation de $4.5B : prenez Decagon au-delà d’environ 10,000 résolutions mensuelles, où un tarif enterprise négocié bat les paliers publiés, et Lorikeet en dessous, où les tarifs publiés et l’absence de frais de plateforme battent une entrée à $50,000. Ada est le choix quand vous voulez découpler entièrement la facture de la performance de l’agent.

Si aucun ne convient, la sortie honnête est de garder des humains sur les files complexes et de faire tourner une couche de déflexion peu coûteuse uniquement sur le tier FAQ. Acheter un agent pour des workflows à conséquences que vous n’avez pas encore cartographiés produit un chemin d’escalade plus court, pas un ticket résolu.

Points de vigilance

• La QA et le tagging tirent sur la même réserve de crédits que les résolutions. Aux tarifs Start, la QA automatisée coûte 0.30 par ticket contre 0.95 par résolution : si l’agent résout moins d’environ un tiers de vos tickets, activer la QA sur tout le trafic coûte plus que les résolutions elles-mêmes. Garde-fou : modélisez les crédits comme (tickets × taux de résolution × 0.95) + (tickets × 0.30 tagging) + (tickets × 0.30 QA) sur le volume réel du trimestre écoulé avant de choisir un palier, et obtenez par écrit le tarif de dépassement et le traitement des crédits non consommés au renouvellement — la page de tarifs ne publie ni l’un ni l’autre.
• « Résolu avec succès » est une phrase sur une page web, pas un SLA défini. La promesse que vous ne payez pas les tickets dont le traitement ne vous satisfait pas est le cœur commercial du modèle, et telle qu’elle est publiée, elle n’a ni fenêtre de contestation, ni mécanisme d’arbitrage, ni critères énoncés. Garde-fou : inscrivez la définition, la fenêtre et le mécanisme d’avoir dans le bon de commande, et instrumentez vos propres taux de résolution et de réouverture dès la première semaine, pour qu’un désaccord se tranche avec vos données et non avec le tableau de bord de l’éditeur.
• Les deux paliers publiés sont annuels uniquement, sans conditions d’essai ni de pilote indiquées. Garde-fou : négociez un pilote payant limité à un canal et à vos 3 intentions les plus volumineuses, avec une sortie sur taux de résolution qui se déclenche avant le début de la période annuelle, et utilisez la voie de simulation du serveur MCP pour rejouer de vrais tickets passés dans les workflows avant d’accorder tout accès en écriture.
• Basé à Sydney avec environ $50M levés, dans une catégorie où un rival a levé $950M cette année. Sur un engagement pluriannuel couvrant des workflows régulés, la taille de l’éditeur est une question d’achats, pas de snobisme. Garde-fou : demandez le rapport SOC 2 en cours et, quand des PHI sont concernées, un BAA signé avant de contracter, plutôt que d’accepter un badge de trust center ; exigez des clauses de résidence des données et une voie d’export pour les définitions de workflows et les transcriptions dans le contrat lui-même.