Avis Gradient Labs (2026) : l'agent IA dédié à la finance en vaut-il la peine ?

Ce qu'est vraiment Gradient Labs

Cela fait plusieurs années que je conçois de l'IA pour le helpdesk, donc je lis beaucoup de pages de lancement d'"agents de support autonomes". La plupart se ressemblent toutes. Gradient Labs fait partie des rares qui ont choisi une voie étroite et précise, et sont allés loin plutôt que large.

L'entreprise a été fondée en 2023 à Londres par trois anciens de Monzo : Dimitri Masin (CEO, qui dirigeait l'équipe data et ML de Monzo), Neal Lathia (a construit l'infrastructure ML de Monzo) et Danai Antoniou (Chief Scientist). Cette origine compte, car tout le produit se lit comme le travail de gens qui ont passé des années à observer le support se gripper dans une vraie banque. Comme le disait Masin dans une interview accordée à The Register, chez Monzo ils avaient passé des années à "viser typiquement des gains d'efficacité modestes de 10 %", et le passage aux modèles modernes a soudain rendu possible d'"automatiser de façon totalement autonome 70 à 80 % du travail manuel répétitif".

Le marché a récompensé ce positionnement. Gradient Labs a levé 26 millions de dollars au total en Série A, un premier tour de 13 millions mené par Redpoint en juillet 2025, puis une seconde extension de 13 millions menée par Octopus Ventures et CommerzVentures autour de juin 2026. Le chiffre d'affaires a été multiplié par environ 10 sur un an, et ses agents touchent désormais plus de 32 millions d'utilisateurs finaux chez des clients comme Wise, Zego, Plum, Current, Stash et Pockit.

Comment Otto fonctionne réellement

C'est là que Gradient Labs se distingue d'un chatbot basé sur des règles. L'agent est construit comme une machine à états orchestrant des compétences spécialisées : un agent de raisonnement central décide de ce dont le client a besoin, puis achemine le dossier à travers des étapes déterministes et agentiques sans perdre le contexte. Il ne se contente pas de récupérer un article en espérant que ça marche, il exécute une procédure.

Deux choix de conception m'ont marqué. Premièrement, il est véritablement multi-modèle : Gradient Labs répartit les requêtes entre OpenAI, Anthropic et Google, utilisant des modèles plus grands pour les étapes exigeant beaucoup de raisonnement et des modèles plus petits pour les tâches déterministes rapides, avec un basculement entre fournisseurs pour qu'une seule panne ne fasse pas tomber l'agent. Antoniou a confié à l'équipe du cas d'usage OpenAI qu'ils observaient "une latence de 500 millisecondes avec GPT-5.4 mini et nano", ce qui rend possibles des conversations vocales naturelles.

Deuxièmement, on lui apprend les choses comme on formerait une nouvelle recrue. Les procédures sont rédigées en langage courant, et l'agent apprend de vos vraies conversations passées et de vos procédures internes, pas seulement du centre d'aide. Leur thèse : "l'automatisation du support aussi simple que d'écrire un document".

Un compromis honnête que les fondateurs assument ouvertement : ce n'est pas l'agent le plus rapide en chat texte. Masin note que leur temps de réponse médian "peut être de 15-20 secondes" parce que l'agent prend plus de temps pour réfléchir, et présente cela comme un compromis raisonnable pour les institutions financières où une mauvaise réponse est pire qu'une réponse lente. Que cela passe ou non dépend de la patience de vos clients.

Les agents spécialisés

Plutôt qu'un seul bot généraliste, Gradient Labs propose une gamme d'agents spécialisés par rôle, chacun évalué sur son propre résultat. C'est ce qui donne l'impression d'un produit construit pour la banque plutôt qu'adapté après coup.

• L'agent service client résout les problèmes sur chat, e-mail et voix (le tableau de bord de démonstration affiche 87,4 % de résolution en texte et 75,9 % en voix).
• L'agent litiges rassemble et vérifie les preuves, décide de l'issue, escalade à un humain pour validation, et dépose la rétrofacturation auprès du réseau de cartes.
• L'agent recouvrement contacte les emprunteurs en retard au bon moment et obtient un engagement de paiement, y compris via la voix IA.
• L'agent KYB / KYC vérifie les documents par rapport à la politique et valide une entreprise ou un client avant l'onboarding.
• L'agent crédit, lancé en avril 2026, automatise tout le parcours emprunteur, de la demande jusqu'au recouvrement.

L'étendue de ces agents constitue la barrière à l'entrée. Un bot de support générique peut répondre à "où est mon remboursement", mais il ne dépose pas de rétrofacturation auprès de Visa ni n'exécute de contrôle de vulnérabilité, et ce sont exactement les workflows qu'une banque doit couvrir.

Résout-il vraiment les tickets ?

Les chiffres phares sont la raison pour laquelle on lit un avis Gradient Labs, alors soyons précis à leur sujet, et signalons qu'ils sont rapportés par l'éditeur (aucun audit tiers n'existe à ce jour).

La tendance qui compte, c'est la montée en puissance. La plupart des déploiements démarrent avec plus de 50 % de résolution dès le premier jour, même sur des flux complexes comme les litiges et la vérification de compte. Sans personnalisation, dès la sortie de boîte, on est autour de 40-60 %. Le pic de 80-90 % arrive après 3 à 5 mois d'optimisation. La lecture honnête, c'est donc que ce n'est pas un outil "80 % instantané", c'est une montée dans laquelle on investit.

Les résultats clients nommés confirment cette trajectoire :

Mon signal préféré n'est pas un chiffre, ce sont les réactions des utilisateurs finaux citées par Gradient Labs, du genre difficile à fabriquer. Une cliente de Plum a écrit : "tu es virtuel ? je pensais que t'étais un humain !" et un client de Morse a dit : "j'ai vraiment cru que tu étais une personne pendant toute la conversation." Quand les clients n'arrivent pas à faire la différence, on a franchi la barre où échouent la plupart des bots de support.

Guardrails et conformité

Pour un acheteur réglementé, cette section est le nerf de la guerre, et c'est là que Gradient Labs est le plus fort. Chaque échange de chaque conversation passe en parallèle par plus de 20 guardrails propres aux services financiers : détection de conseil financier, signaux de vulnérabilité client, détection de réclamation, modération de texte et détection d'injection de prompt, et vérifications visant ceux qui tenteraient de contourner la vérification.

Il est certifié SOC 2 Type 2 avec SSO, permissions basées sur les rôles et journaux d'audit, et préconfiguré pour la FCA Consumer Duty, la CONC, le Reg E, le Reg Z, la PSD2, le RGPD et l'AI Act européen. La formulation d'Antoniou dans l'article OpenAI est la bonne : "Il faut concevoir dès le départ pour éviter les hallucinations. Ça doit être le principe directeur quand on construit." Dans la finance, comme elle le dit, l'écart est "la différence entre résoudre un appel et créer un incident de conformité." Même le meilleur agent a besoin que la prévention des hallucinations soit traitée comme une priorité de premier ordre, et c'est l'un des rares outils qui le fait clairement.

Voix, canaux, et un humain qui reste dans la boucle

Otto est omnicanal par conception, traitant chat, voix, e-mail et SMS comme un seul agent plutôt que des bots séparés accolés les uns aux autres. La voix en production à cette échelle est rare, et c'est un vrai facteur de différenciation.

La fonctionnalité que je recommanderais à n'importe quel responsable des opérations est Ask a Human. Plutôt qu'un transfert brutal où le client patiente dans une file d'attente et doit tout répéter, l'IA continue la conversation pendant qu'un humain traite en coulisses l'étape sensible (par exemple, approuver un litige de 2 000 £). L'agent récupère ensuite le résultat et termine la conversation. C'est une approche plus intelligente de l'escalade du support qu'un transfert brutal. Les résultats de Zego montrent pourquoi c'est important :

"La fonctionnalité ask-a-human a fait passer le temps de traitement humain de 12 minutes à un peu plus de 3, tout en augmentant les scores CSAT."

Andy Murray, Head of Strategy & Enablement, Zego

Tarification : basée sur les résultats, mais il faut appeler

Voici la décision la plus tranchée qu'ait prise Gradient Labs, et la partie de cet avis que je veux surtout que vous reteniez. Il n'y a aucun prix publié nulle part. La page tarifs est un formulaire de contact commercial. Le modèle, dans leurs propres termes, est "une tarification basée sur les résultats sans frais de plateforme, où vous ne payez que pour les résolutions de demandes réussies".

Masin a été agréablement franc sur les raisons de ce choix. Dans The Register, il a directement visé la tarification à la conversation : un concurrent qui facture à la conversation est payé "peu importe ce que ça donne", ce qui "ne crée aucune incitation" à réellement améliorer l'agent. Sa formule sur le modèle est le plaidoyer le plus clair pour la tarification aux résultats que j'aie vu : "Si on ne résout pas le problème et que vous devez quand même mobiliser votre équipe humaine, alors vous n'avez pas besoin de nous payer." Il a évoqué facturer environ 30 % du coût humain équivalent, ce qui impliquerait des économies de coûts significatives si le taux de résolution se maintient (le calcul coût agent IA vs agent humain est la grille de lecture pour en juger).

J'aime la philosophie. L'inconvénient pratique, c'est qu'on ne peut pas estimer sa facture sans un appel commercial, il n'y a pas d'essai gratuit, et le tarif par résolution lui-même est confidentiel, donc le comparer à un outil publiant son tarif par résolution (Zendesk cite 1,50 $ par résolution automatisée comme repère de catégorie) est impossible de l'extérieur. Si un budget prévisible et en libre-service compte pour vous, c'est un vrai point de friction. Notre analyse complète de la tarification de Gradient Labs détaille les calculs.

Ce qu'on en dit vraiment

Voici l'écart honnête de tout avis Gradient Labs : il n'y a presque aucune voix utilisateur indépendante. Pas de notes substantielles sur G2, Capterra ou Trustpilot, pas de fils Reddit qui s'enflamment, pas de benchmark tiers. Le récit public repose sur les interviews des fondateurs, les publications de l'entreprise elle-même et des études de cas de ses partenaires modèles. Considérez les chiffres comme crédibles mais rapportés par l'éditeur, pas audités.

L'élément le plus citable dans le registre public est en fait Masin étant franc sur les limites de la catégorie. Sur les points où les agents IA en promettent trop, il a confié à The Register que les agents de vente et marketing "sont vraiment inutiles dans la plupart des cas". Un fondateur qui dit cela publiquement me paraît plus digne de confiance sur les affirmations qu'il fait réellement à propos du support.

"Ce que nous construisons, c'est la couche d'agents dont les services financiers ont besoin pour piloter leurs opérations client de façon autonome."

Dimitri Masin, cofondateur et CEO, Gradient Labs

Le verdict : qui devrait acheter Gradient Labs

Après avoir passé le produit en revue, voici mon avis tranché.

Achetez-le si vous êtes une banque, un prêteur, une néobanque ou un assureur avec une réelle exposition réglementaire et le volume nécessaire pour justifier un déploiement cadré. Les agents spécialisés, les plus de 20 guardrails de conformité, la posture SOC 2 et la voix en production sont difficiles à réunir ailleurs, et la tarification basée sur les résultats signifie que vous ne payez pas pour des conversations ratées. Pour cet acheteur, c'est l'une des entreprises d'IA pour service client les plus crédibles du marché.

Passez votre chemin si vous êtes en dehors de la finance réglementée, si vous voulez voir les prix avant de parler aux ventes, ou si vous devez être en production cette semaine. Le positionnement finance qui en fait un produit fort pour une banque le rend surdimensionné (et inaccessible) pour un site e-commerce, une équipe de support SaaS ou un helpdesk IT interne. Pour ces équipes, notre guide du meilleur logiciel de helpdesk IA est un meilleur point de départ. Et le fait de ne passer que par les ventes signifie qu'il n'y a aucun moyen de simplement l'essayer d'abord sur vos propres tickets, ce qui est exactement la garantie construire ou acheter que la plupart des équipes recherchent.

Essayez eesel si vous êtes hors finance

Si vous avez lu ce verdict et que vous vous êtes reconnu dans "pas une banque", cette partie est pour vous. eesel AI est la version horizontale de l'idée que Gradient Labs a validée dans la banque : un agent IA qui résout de vrais tickets, conçu pour se brancher sur le helpdesk que vous utilisez déjà.

Les différences sont celles qui comptent quand on ne gère pas une banque. eesel se connecte à Zendesk ou Freshdesk en quelques minutes, s'entraîne sur vos tickets passés et votre centre d'aide pour sonner comme votre équipe dès le premier jour, et vous permet de le simuler sur des milliers de tickets historiques avant qu'une seule réponse ne parte. La tarification est publique et basée sur l'usage, vous pouvez donc faire le calcul de coût vous-même avant même de réserver un appel, et vous contrôlez précisément quels tickets il traite et redirigez le reste vers une personne. La preuve arrive vite car il n'y a aucun projet cadré à attendre. Comme le dit Kim Simpson chez Gridwise : "dès le premier mois, eesel résout 73 % de nos demandes de niveau 1", après un essai de 7 jours. Vous pouvez essayer eesel gratuitement et lancer dès aujourd'hui cette même simulation sur vos propres tickets.