Relevance AI

Ce que c’est

Relevance AI est une plateforme no-code pour construire et exploiter des équipes d’agents IA — ce qu’elle appelle une « AI workforce » — par-dessus les outils que votre équipe ops utilise déjà. Vous assemblez des agents dans un builder visuel en écrivant des instructions en langage naturel, en choisissant un modèle de base (Claude, Gemini ou OpenAI) et en accordant à chaque agent un ensemble d’actions qu’il a le droit d’exécuter. Les agents peuvent s’appeler entre eux : un travail de « BDR » est en réalité un agent de recherche, un agent de scoring et un agent d’outbound qui travaillent en équipe sous un même playbook. La plateforme s’appuie sur une échelle d’autonomie à quatre niveaux — Assisted, Copilot, Autopilot, Self-Driving — pour qu’un processus démarre avec un humain validant chaque étape et évolue vers une exécution autonome une fois que vous lui faites confiance. Elle se connecte nativement à plus de 1 000 outils et prend en charge MCP pour le reste. L’entreprise a été fondée à Sydney, a levé une Série B de 24 M$ menée par Bessemer Venture Partners en mai 2025 (environ 37 M$ au total), et cite Qualified, SafetyCulture, Canva, KPMG et Autodesk parmi ses clients ; elle a rapporté 40 000 agents créés sur la plateforme rien qu’en janvier 2025.

Où ça s’inscrit dans l’ops

Le builder est polyvalent, mais le centre de gravité est le GTM. Les agents préconçus que Relevance commercialise ont une forme commerciale :

• Bosh — un BDR/SDR IA qui recherche les leads, enrichit les contacts, score contre l’ICP, écrit l’outbound, gère les réponses, réserve des réunions et met à jour le CRM. Bosh est lui-même un système multi-agents, onboardé sur mesure pour l’entreprise plutôt qu’en self-serve.
• Apla — un agent de recherche de comptes qui prépare les AE avec un brief par compte avant les appels.
• Processus de back-office — hors vente, les équipes construisent leurs propres agents : un trieur d’intake pour le legal-ops qui route les demandes de contrats, ou un agent de recruiting qui résume un candidat contre la scorecard. Ce sont des builds, pas des templates que vous activez.

Comme chaque agent passe par le même graphe de connecteurs, la même couche de modèles et les mêmes portes de validation, un agent RevOps et un agent recruiting sont gouvernés sous une seule politique au lieu de deux outils ponctuels déconnectés.

Tarifs

Relevance AI est usage-based, mesuré en deux unités : Actions (chaque étape qu’un agent accomplit) et Vendor Credits (le coût du modèle derrière ces étapes). Les sièges ne sont pas le compteur — chaque plan inclut des agents illimités.

• Free — 0 $, ~200 Actions/mois, un builder. Assez pour prototyper un agent de bout en bout.
• Pro — environ 19 $/mois, pour les individus qui construisent et testent des agents souvent.
• Team — environ 234 $/mois, ajoute les agents d’appel/réunion, plus de builders et d’utilisateurs finaux, et de l’analytics.
• Enterprise — sur mesure ; c’est là que vivent Bosh et les contrôles SSO/résidence des données. La facturation annuelle revient environ un tiers moins cher que la mensuelle.

Le prix du siège affiché n’est pas le budget. Connectez vos propres clés Anthropic ou OpenAI pour payer les tarifs fournisseur directement et sauter la marge du crédit, puis dimensionnez le vrai chiffre sur le volume d’Actions une fois que les agents tournent à une cadence de production.

Idéal pour

• Les équipes RevOps et GTM qui veulent monter des processus d’agents en plusieurs étapes — recherche, scoring, outbound, follow-up — avec des portes de validation humaine, et qui ont quelqu’un pour porter le design des agents.
• Les équipes ops de toute fonction qui préfèrent un builder no-code à un projet d’ingénierie, et qui veulent le choix du modèle et le tool calling natif MCP plutôt qu’un unique modèle câblé en dur.

Alternatives et quand les choisir

• Dust — choisissez-le quand le travail est un assistant ancré dans la connaissance par-dessus votre SaaS (« quelle est notre position sur l’indemnisation sans plafond ? ») plus qu’une automatisation de processus qui exécute des actions. Dust mène sur le retrieval et la tarification flat transparente ; Relevance mène sur les processus multi-agents autonomes et les agents GTM préconçus.
• Microsoft Copilot Studio — choisissez-le quand votre équipe vit dans Microsoft 365 et que vous voulez des agents au sein de ce parc avec la plus grande base installée par défaut, pas une plateforme à part.
• Lindy — l’entrant d’automatisation d’agents no-code à la croissance la plus rapide que les acheteurs mettent face à Relevance. Choisissez-le pour des automatisations plus légères d’individu à équipe ; Relevance prend l’avantage sur la gouvernance entreprise et l’échelle d’autonomie.
• n8n — choisissez-le quand vous voulez porter l’orchestration vous-même et câbler des modèles dans un workflow DIY plutôt qu’acheter une couche d’agents managée.

Points de vigilance

• Actions plus Vendor Credits sont le vrai budget, pas le siège à 19 $. Un processus multi-agents bavard brûle les Actions vite, et les crédits de modèle augmentent avec le retrieval et les appels d’outils. Garde-fou : lancez un pilote de 30 jours sur votre cas d’usage au plus gros volume, lisez la consommation d’Actions et de crédits dans le dashboard avant de signer Enterprise, et connectez vos propres clés de modèle pour payer les tarifs fournisseur.
• Les agents vedettes sont GTM ; la promesse « AI workforce » est plus large que les templates prêts à l’emploi. Bosh et Apla ont une forme commerciale. Pour un processus legal-ops ou recruiting, vous assemblez des agents dans le builder, vous n’achetez pas un travailleur fini. Garde-fou : cadrez un sprint de build avec un owner nommé avant de supposer qu’un processus hors vente sort en une semaine.
• L’autonomie sans gouvernance est de l’output mauvais et silencieux à l’échelle. Un agent self-driving qui écrit dans Salesforce ou envoie des emails peut dégrader la deliverability ou la qualité des données avant que quiconque le remarque. Garde-fou : gardez les agents capables d’écriture sur les échelons Assisted/Copilot derrière validation jusqu’à ce que le taux de réponse et la précision tiennent, et promouvez un processus à la fois vers Autopilot au lieu de basculer toute la workforce en L3 dès le premier jour.