Decagon vs Forethought

Decagon et Forethought promettent toutes deux la résolution autonome des tickets de support par l’IA — pas des copilotes qui suggèrent des réponses, mais des agents qui closent la conversation et n’escaladent que ce qu’ils ne peuvent pas résoudre. Les équipes qui hésitent entre les deux sont des organisations de support enterprise et upper-mid-market qui décident quelle couche d’IA placer devant le volume de tier-1, pour que les CSM humains cessent de brûler des heures sur des réinitialisations de mot de passe. Le clivage central est double. D’abord l’architecture : Decagon mise sur un moteur d’agent unique piloté par des Agent Operating Procedures (AOPs) en langage naturel qui exécutent de vraies actions backend ; Forethought livre un stack multi-agent (Solve, Triage, Assist, Discover, Agent QA) avec des modèles par client entraînés sur votre historique de tickets. Ensuite, et c’est plus décisif pour les acheteurs de 2026 : Forethought est désormais un produit Zendesk — Zendesk l’a racheté en mars 2026 — tandis que Decagon reste un fournisseur indépendant. Ce fait de propriété remodèle la décision plus que n’importe quelle comparaison de fonctionnalités.

Là où Decagon gagne

• Exécution d’actions via les AOPs. Le différenciateur de Decagon : des équipes CS et ops de support non techniques rédigent des workflows multi-étapes en langage naturel, et l’agent exécute de vraies actions — traiter un remboursement, vérifier une identité, modifier une commande, annuler un abonnement — pas seulement répondre à des questions de base de connaissances. Le Solve de Forethought résout aussi de bout en bout à partir de vos politiques et contenus, mais la couche AOP de Decagon est le chemin le plus direct vers « l’agent a fait l’action » plutôt que « l’agent a répondu sur l’action ».
• Pas de plancher de données. Decagon n’exige pas de corpus de tickets historiques pour entraîner des modèles par client. Forethought recommande 20 000+ tickets historiques et ~2 000+ tickets/mois avant que ses modèles ne performent ; en deçà, l’IA sous-performe et le calcul du coût par résolution s’inverse. Si vous avez une riche base de connaissances et des workflows mais un historique de tickets mince, Decagon commence à produire de la résolution sans barrière d’entraînement.
• Multicanal avec contexte partagé, voix comprise. Decagon fait tourner chat, email, SMS et voix (construite avec ElevenLabs) sur une seule couche centralisée de connaissances et de workflow avec mémoire inter-canaux — un client qui a commencé en chat n’a pas à tout réexpliquer lors d’un appel. Le Solve de Forethought couvre aussi chat, email et voix, mais la mémoire inter-canaux et la maturité vocale de Decagon sont plus avancées.
• Indépendance du fournisseur. Decagon est un produit autonome dont elle contrôle le roadmap. Pour une équipe qui n’utilise pas Zendesk et ne veut pas voir sa couche de support IA absorbée dans la stratégie de plateforme d’un fournisseur de help desk, cette indépendance est un atout.

Là où Forethought gagne

• First-party sur Zendesk. Si vous utilisez déjà Zendesk ou migrez vers lui, Forethought est désormais first-party (« Forethought AI Agents by Zendesk ») et la dette d’intégration est la plus faible. Les agents Triage, Assist et Agent QA s’insèrent dans le help desk que vous opérez déjà. Decagon s’intègre à Zendesk, mais comme une couche tierce par-dessus.
• Triage et la couche de signal CS. Le Triage de Forethought auto-classe et route l’inbound à l’échelle, produisant des données de tickets propres et étiquetées que CS et RevOps branchent en aval sur des modèles de risque de churn et de NRR. Decagon est conçu pour défléchir et résoudre ; le Triage de Forethought est conçu spécifiquement pour alimenter la couche de signal sur laquelle tourne le forecasting de rétention.
• Agent-assist sur une seule plateforme. L’Assist de Forethought est un copilote dans le help desk pour les tickets qui atteignent bel et bien un humain, et l’Agent QA score 100 % des tickets d’agents humains automatiquement. Decagon se concentre sur la résolution autonome ; si vous voulez résolution autonome plus copilote pour agents humains plus QA chez un seul fournisseur, le stack de Forethought est plus large.
• Boucle d’auto-amélioration. Le Resolution Learning Loop de Forethought détecte les lacunes des workflows, rédige de nouvelles procédures et les teste avant le déploiement. Le Watchtower (QA toujours actif) et Experiments (tests A/B en direct) de Decagon couvrent le monitoring et le réglage, mais la boucle de Forethought vise plus explicitement à combler les lacunes automatiquement — la capacité pour laquelle Zendesk a payé cher.

Réalité du pricing

Les deux sont en custom, sur devis uniquement, sans tier self-serve public — et les deux portent des planchers enterprise capables d’atteindre six chiffres. La structure rapportée de Decagon : des frais de plateforme annuels d’environ 50 000 $ plus un usage, facturé soit par conversation soit par résolution (~0,50 $/résolution d’après les rapports), avec des minimums de conversations dans les contrats enterprise ; la dépense annuelle médiane rapportée dépasse nettement les frais de plateforme une fois le volume compté. Les données de marketplace tierces (Vendr) de Forethought situent les contrats annuels grosso modo entre 36 K$ et 151 K$, médiane proche de 75 K$/an, indexés sur le volume de tickets, le nombre d’agents, les canaux et les agents activés. À périmètre comparable de volume moyen, les deux tombent dans la même fourchette ; l’écart n’est pas l’essentiel. Le piège de coût diffère pour chacun : celui de Decagon est le plancher de frais de plateforme (poids mort en dessous de quelques milliers de conversations/mois) ; celui de Forethought est le plancher de données (vous payez des tarifs enterprise pendant que le modèle n’a rien sur quoi s’entraîner en dessous de ~20 K tickets historiques).

Effort d’implémentation

Aucune n’est un interrupteur qu’on bascule. L’implémentation de Decagon est un projet : vous rédigez les AOPs, câblez les intégrations (Salesforce, Intercom, Zendesk, Kustomer) et ajustez pendant des semaines avant que la déflexion n’atteigne le niveau promis par le deck — budgétez du temps de CS-ops, pas seulement la licence. Forethought ajoute un prérequis dur au-dessus du travail d’intégration : le plancher de données. En dessous de ~20 000 tickets historiques les modèles par client sont faibles, donc le pilote doit franchir un seuil mesuré de taux de résolution avant qu’un déploiement complet ait du sens. La montée en charge de Decagon est bornée par la vitesse à laquelle vous rédigez les workflows ; celle de Forethought est bornée à la fois par la configuration des workflows et par la profondeur suffisante de votre historique de tickets pour l’entraînement. Si vous utilisez Zendesk, le câblage de Forethought est plus léger ; sinon, obtenez un engagement écrit sur les délais de support multiplateforme avant de signer en multi-annuel, car le roadmap autonome est en cours d’absorption dans le Resolution Platform de Zendesk.

En résumé

• Choisissez Decagon si vous avez besoin que l’agent exécute de vraies actions backend (remboursements, modifications de compte) via des AOPs en langage naturel, que vous n’utilisez pas Zendesk, que votre historique de tickets est mince mais vos connaissances/workflows solides, ou que vous voulez une couche autonome capable de voix d’un fournisseur qui contrôle son propre roadmap.
• Choisissez Forethought si vous êtes déjà sur Zendesk (la dette d’intégration est la plus faible en tant que produit first-party), que vous avez les 20 000+ tickets historiques pour l’entraînement, ou que vous voulez résolution autonome plus agent-assist plus Triage alimentant vos modèles de NRR depuis une seule plateforme.
• Ne choisissez ni l’un ni l’autre si vous faites moins de 20 000 tickets/an ou seulement quelques milliers de conversations par mois. Les deux portent des planchers enterprise qui ne se rentabilisent pas à ce volume — Intercom et son agent Fin (paiement à la résolution, sans plancher de volume) offrent plus de valeur par dollar dans cette fourchette. Et rappelez-vous qu’aucun des deux outils ne retient : associez le gagnant à une plateforme CS de référence — Gainsight, Totango ou ChurnZero — qui possède les health scores, les renouvellements et l’expansion.

Si vous choisissez dans l’absolu, sans les conditions ci-dessus, prenez Decagon. L’indépendance du fournisseur et l’absence de plancher de données en font le défaut le moins risqué en 2026, alors que le roadmap de Forethought est en pleine absorption par Zendesk. Basculez vers Forethought quand vous vous standardisez sur Zendesk et que l’intégration first-party devient déterminante.