QuadSci

Ce que c’est

QuadSci est une couche de prédiction qui se place sous votre plateforme de Customer Success au lieu de la remplacer. Elle lit la télémétrie produit brute — sessions, adoption des fonctionnalités par rôle, usage des modules et de l’API, workflows menés à terme — avec les données CRM, contrats et appels, et classe chaque compte en croissance, stable, contraction ou churn, avec une prévision visant 9 à 18 mois avant le renouvellement. Le résultat arrive dans les outils où votre équipe travaille déjà : CTA Gainsight, fiches Salesforce, Clari, Salesloft et Slack.

Il y a deux produits. Cohorts AI segmente les clients selon la façon dont ils utilisent réellement le logiciel et relie chaque cohorte comportementale à l’ARR. Growth AI produit la prévision par compte et prescrit l’intervention. Par-dessus se trouve Q-Chat, une couche d’agents conversationnels pour le Customer Success, les ventes, les services et le marketing produit ; la version 3.0 l’a rendu entièrement conversationnel (« quels comptes commencent à décrocher ? »), et une couche MCP expose les mêmes signaux à Agentforce, Copilot, LangGraph, CrewAI ou à vos propres agents.

L’entreprise a été fondée en 2023 à Garden City, dans l’État de New York, par les co-CEO Sean Murray et Dan Harmeson, tous deux passés par Elastic et MuleSoft. Elle a levé une Série A de 8 M$ menée par Crosslink Capital le 17 février 2026, avec Alumni Ventures et Correlation Ventures. Les bases de données tierces estiment l’effectif à environ 40 personnes.

Pourquoi on le retrouve dans les stacks CS

• Il répond à la question que les health scores ne traitent pas. Le health score d’une plateforme CS est un mélange pondéré d’indicateurs retardés — connexions, NPS, volume de tickets, ressenti du CSM — et il passe au rouge quand le client est déjà en train de partir. L’argument de QuadSci, c’est l’anticipation : un signal assez précoce pour combler un manque produit avant que la discussion de renouvellement ne commence.
• Les études de cas donnent des montants, pas des adjectifs. Boomi, avec plus de 30 000 clients et plus de 5 M$ de churn surprise par an, a entraîné le modèle sur 70 milliards d’événements de télémétrie issus de Salesforce, Gong, Marketo, Gainsight et de l’analytique produit. QuadSci rapporte 27 M$ d’ARR à risque mis en évidence, dont 18 % sauvés, et un gain de 10 % de précision sur la prévision de renouvellement à six mois, les prédictions s’écrivant directement dans les CTA Gainsight. Chez Clari, plus de 6 milliards de signaux ont donné 90 % de précision sur le churn et la croissance et 80 % sur les contractions à six mois — et la découverte principale a été l’expansion, pas le risque.
• Les données restent dans votre data warehouse. Le modèle est déployé dans votre environnement sur Snowflake, Databricks, BigQuery, Redshift ou Synapse, sur AWS, Google Cloud ou Azure, sans endpoint public, avec un accès uniquement par SSO et en lecture seule par défaut. Il est certifié SOC 2 Type II. Pour une équipe sécurité qui refuse d’envoyer des flux d’événements bruts à une startup, c’est l’argument décisif.
• Il fait apparaître du pipeline que personne n’a ouvert. QuadSci dit trouver en moyenne 15 % de l’ARR d’un client dans un état de croissance prédite sans opportunité ouverte — c’est pourquoi RevOps, et pas seulement le CS, finit par porter le budget.

Les prix en pratique

Il n’y a ni grille tarifaire publique ni offre self-serve. Les abonnements sont indexés sur votre ARR, pas sur le nombre de licences : une équipe CS de 12 personnes et une de 120 dans la même entreprise paient le même prix. Aucune donnée de prix tierce n’existe encore. Le seul repère public est indirect : l’étude de cas Boomi revendique plus de 700 % de ROI sur 4,9 M$ conservés (18 % de 27 M$), ce qui place cette dépense plateforme à environ 600 k$ au maximum. Prenez-le comme un plafond pour une grande base installée, pas comme un devis. Attendez-vous à un contrat annuel de type enterprise, à une phase d’intégration des données avant le premier compte scoré et à un backtest de preuve de concept comme ticket d’entrée.

Idéal pour

Les VP Customer Success et responsables RevOps d’éditeurs B2B SaaS autour de 50 M$ d’ARR et plus, avec une large base de contrats annuels ou pluriannuels et des produits bien instrumentés (Pendo, Amplitude, Mixpanel, Heap, Segment ou tables d’événements dans le warehouse), dont le problème est le churn surprise : des renouvellements perdus que le health score donnait au vert. Il convient le mieux quand une plateforme CS comme Gainsight est déjà en place et que l’objectif est de la faire agir plus tôt, pas de la remplacer.

Passez votre chemin si vous vendez des abonnements mensuels self-serve (l’horizon de 9 à 18 mois dépasse la durée de vos contrats), si les événements produit ne sont pas rattachés à des identifiants de compte, ou si vous avez moins de quelques centaines de comptes : le modèle a besoin d’assez de renouvellements et de résiliations historiques pour apprendre.

Face aux alternatives

En base installée, Gainsight et ChurnZero tiennent cette ligne budgétaire ; tous deux proposent health scoring et alertes de risque dans l’espace de travail du CSM. Restez-y si votre churn est visible 90 jours à l’avance et que la réponse est la couverture CSM. Planhat et Vitally sont le bon choix quand la plainte porte sur le workflow et la modélisation des données, pas sur la prédiction. Pendo et Amplitude fournissent les tendances d’usage brutes et laissent un analyste les interpréter. La voie « faites-le vous-même » — un modèle de churn construit par votre équipe data dans le warehouse et synchronisé vers le CRM avec Hightouch — l’emporte si vous employez déjà des ingénieurs ML et voulez maîtriser les features. QuadSci ne l’emporte que si l’anticipation est le problème : il vous faut 12 mois de préavis, pas 90 jours, sans monter une équipe de data science.

Points de vigilance

• Le chiffre de précision varie selon la source et n’est pas défini. Le communiqué de la Série A annonce 94 % à 12–18 mois ; le site et le communiqué du prix de juin 2026 annoncent 90 %+ à 9–18 mois. Aucun ne précise s’il s’agit de precision, de recall ou d’exactitude globale — et sur une base à 8 % de churn annuel, un modèle qui prédit toujours « renouvelle » est exact à 92 %. Garde-fou : faites du pilote payant un backtest à l’aveugle sur vos propres renouvellements d’il y a plus de 18 mois, et obtenez par écrit la precision et le recall de la classe churn, par segment.
• Pas de télémétrie, pas de produit. Chaque étude de cas part de milliards d’événements rattachés à des comptes. Garde-fou : avant le premier appel, vérifiez que les événements produit portent un identifiant de compte stable qui se joint à votre CRM et que vous conservez au moins deux cycles de renouvellement d’historique.
• La confiance prend plus de temps que le déploiement. L’équipe de Boomi elle-même parle de six mois avant que les CSM agissent sur les prédictions. Garde-fou : poussez les signaux dans la file de CTA ou de tâches existante plutôt que dans un nouveau tableau de bord, et fixez un résultat mesuré — par exemple le taux de rétention des comptes signalés face à un groupe témoin — avant le déploiement.
• C’est un fournisseur jeune et petit. Fondé en 2023, environ 40 personnes et 8 M$ de financement annoncé, pour des décisions de renouvellement pluriannuelles. Garde-fou : le déploiement natif dans le warehouse laisse vos données en place ; prévoyez aussi contractuellement l’export des scores, des définitions de cohortes et de l’importance des features, et limitez la première durée d’engagement à 12 mois.