Avis sur Level AI 2026 : un bon contrôle qualité des appels, dont la précision est à tester vous-même

Qu'est-ce que Level AI ?

Level AI est une plateforme de centre de contact qui note, coache et automatise en partie les conversations clients. L'argumentaire actuel de la page d'accueil est « full stack AI agents for the entire customer experience journey », mais quand on regarde autour de quoi le produit est réellement construit, c'est toujours le contrôle qualité, c'est-à-dire vérifier si les agents ont suivi le script et la politique, et gardé le ton que votre équipe attend.

Quelques chiffres d'abord, pour situer l'entreprise. Level AI a été fondée par Ashish Nagar, ancien responsable produit de l'équipe Alexa d'Amazon, et par le CTO Sumeet Khullar. Elle a levé une série C de 39,4 millions de dollars en juillet 2024, menée par Adams Street Partners, portant le financement total à 73,1 millions. Sa page About revendique plus d'un milliard d'interactions clients analysées par an chez plus de 100 entreprises. Ses études de cas citent VistaPrint, Smartsheet et Extra Space Storage, et l'article de la série C ajoute Affirm, Penske et Carta.

Si vous voulez d'abord la vue d'ensemble de l'entreprise et du produit, commencez par mon guide de Level AI. Sur G2, 162 de ses 220 avis se trouvent dans la catégorie Contact Center Quality Assurance, et la répartition par taille d'entreprise est assez nette : 123 évaluateurs de taille intermédiaire et 72 de grandes entreprises, contre 23 petites entreprises. En pratique, c'est donc un outil conçu pour des équipes qui ont un service qualité, pas pour un support à deux personnes.

Comment j'ai évalué Level AI

Je travaille tous les jours la file de support d'eesel, donc le contrôle qualité est la partie du support avec laquelle je vis : relire des conversations, repérer la réponse techniquement juste mais mal passée, et déterminer si la solution relève du coaching ou de la documentation. Rédiger un retour qualité utile, c'est la moitié du travail. C'est, en gros, l'angle que j'ai apporté à cet avis.

Level AI est accessible uniquement sur démo, sans essai gratuit ni centre d'aide public, je n'ai donc pas pu le faire tourner sur ma propre file. J'ai plutôt lu chaque page produit et FAQ, les notes de version des T1 et T2 2026, six études de cas clients, la page de sécurité et 220 avis G2. J'ai aussi passé en revue chaque place de marché où un prix pouvait se cacher. Quand les pages de Level AI se contredisent, je le signale.

Un dernier biais à déclarer d'emblée : eesel met de l'IA sur des files de support en direct depuis des années, et la leçon qui s'est confirmée à mes yeux est que une note d'IA ne vaut que ce que vaut le test qui la sous-tend. C'est pourquoi chaque déploiement eesel est simulé sur des tickets historiques avant que l'agent ne réponde à qui que ce soit, et c'est pourquoi je lis les affirmations de précision de Level AI avec cela en tête.

Ce que fait Level AI

Level AI vend une plateforme qui réunit cinq fonctions. La notation en est l'ancre, et tout le reste soit l'alimente, soit agit sur ce qu'elle trouve.

AutoQA et QA-GPT : le produit central

AutoQA est la principale raison pour laquelle la plupart des équipes finissent par acheter Level AI. La page produit QA promet de noter « 100 percent of calls, chats, emails, and bot conversations », face à une base manuelle que Level AI situe à « often around 1% to 3% » des interactions. Cet écart est, au fond, tout l'argument en faveur du contrôle qualité assisté par IA.

Le moteur de notation est QA-GPT, que Level AI décrit comme un modèle propriétaire entraîné sur les données de votre centre de contact et capable d'« evaluate over 90% of the standards and metrics that scorecards cover ». Ce que j'apprécie, c'est le côté pratique de la mécanique des grilles au quotidien :

• Gardez votre propre grille. Vous pouvez apporter une grille existante (y compris celles utilisées pour des rapports externes) ou partir de la bibliothèque de questions préentraînées de Level AI.
• Notation hybride. Les éléments objectifs comme l'accueil ou la vérification d'identité sont notés automatiquement. Les éléments subjectifs comme l'empathie peuvent aller à un humain, puis les deux sont regroupés en une seule note.
• N/A conditionnel. Les questions peuvent être désactivées par type d'appel ou par service, de sorte qu'un litige de facturation ne soit pas pénalisé pour n'avoir pas fait d'argumentaire commercial.
• Preuve à chaque réponse. Chaque note automatique vient avec la citation de la transcription et l'horodatage sur lesquels elle repose.
• Des corrections qui enseignent. Les évaluateurs peuvent infirmer une note, et ces corrections nourrissent ensuite la façon dont les conversations futures sont notées.

Pour moi, cette piste de preuves compte plus que le gros titre des 100 %. Si une note est quelque chose sur lequel on peut cliquer et que l'on peut vérifier, c'est une note qu'un responsable qualité peut défendre devant un agent. Si vous comparez les approches, mon guide du contrôle qualité en centre d'appels explique à quoi ressemble une grille défendable.

Deux éléments des pages produit ne concordent pas entre eux, et mieux vaut les connaître avant de s'asseoir en démo. La page QA dit que QA-GPT « even monitors agents' screens » pour noter, alors que la FAQ sur l'enregistrement d'écran dit que la notation à partir des données d'écran figure encore sur la « product roadmap ». Et la page QA prétend que les revues sont « 10x faster » tandis que la page de présentation du QA automatisé de Level AI dit « 5x faster ». Demandez lequel s'applique à votre configuration.

Coaching et enregistrement d'écran

Le coaching vient après la notation. Le module de coaching filtre les conversations par note qualité, sentiment ou sujet, et les AI Workers rédigent un plan de coaching personnalisé qu'un manager peut modifier et envoyer. C'est un outil d'après-appel ; l'aide en direct se trouve dans Agent Assist.

L'enregistrement d'écran est la force discrète du produit, et facile à négliger. Il capture jusqu'à quatre moniteurs avec ce que Level AI appelle une précision de masquage de « 90%+ », et c'est la fonction derrière l'une des meilleures citations clients du site : le Global Director of Quality de Vista dit qu'elle a « added 'eyes' to a process where we only had 'ears' before ». Si le coaching des agents est votre objectif principal, notez qu'un évaluateur enterprise de G2 a dit que la fonction de coaching « has not been used/adopted » dans son entreprise.

Agent Assist pour les appels en direct

Agent Assist est un copilote pour les conseillers humains pendant un appel ou un chat. Il transcrit en direct, propose la meilleure action suivante et l'article de connaissance adapté, rédige des résumés d'appels et inclut Phi, un bot de connaissances que les agents peuvent interroger en pleine conversation pour obtenir une réponse sourcée. Les managers disposent aussi d'un tableau en direct affichant le statut et le sentiment de chaque appel, et d'alertes de conformité chaque fois qu'un conseiller saute une mention obligatoire.

Le widget peut être intégré dans Salesforce, Zendesk et Five9. Si vous étudiez cette catégorie, mon comparatif des outils d'agent assist le place à côté des alternatives.

iCSAT, Voice of the Customer et AI Workers

iCSAT est le score de satisfaction inféré de Level AI. Il combine un modèle de sentiment, un modèle d'effort client (répétitions, transferts, durée) et l'information de résolution du problème en un seul score pour chaque conversation, sans enquête. C'est utile quand seule une fraction de vos clients répond un jour aux enquêtes, même si Level AI ne publie ni la pondération ni aucun chiffre de validation. Mon article sur le CSAT par IA explique le compromis des scores inférés.

La couche la plus récente, ce sont les AI Workers, lancés en mai 2026. Ce sont des agents spécialisés par rôle qui répondent à des questions sur vos données de conversation, comme « What are the top reasons for customers asking for a refund? », et Level AI dit que près de 100 équipes CX enterprise avaient effectué plus de 25 000 exécutions de workers au lancement. Une limite à noter, d'après le lancement des custom workers : vous ne pouvez pas encore importer vos propres documents de politique ou de connaissances dans un custom worker.

Agents virtuels pour la voix et le chat

Level AI construit aussi des bots qui font face directement au client. La page de l'agent virtuel décrit des « humanlike voice and chat agents in 50+ languages », et les versions de 2026 ont été très orientées voix : appels sortants en septembre et une fonction de Context Handoff qui transmet à l'agent humain une fiche de briefing en quatre parties et qui, selon Level AI, fait gagner 60 à 90 secondes par appel escaladé. Le transfert est le moment où la plupart des bots perdent la confiance du client, il vaut donc la peine de lire sur la qualité de l'escalade.

Ce qui est malin, c'est que Level AI évalue ses propres bots avec VA Pulse, un score pondéré à 40 % sur la prise de décision, 35 % sur la rapidité et la sécurité et 25 % sur la qualité de la conversation, toute réponse de plus de 2,5 secondes étant marquée comme un échec. Peu d'éditeurs auditent leurs bots avec la même grille que leurs humains, et celui-ci en fait partie.

Ce n'est toutefois pas un agent de tickets. L'e-mail n'est pas un canal listé de l'agent virtuel, aucun helpdesk n'est cité sur la page, et une recherche sur le Marketplace Zendesk pour Level AI renvoie zéro application. Les chiffres de latence diffèrent aussi selon la page : « <2 s » sur la page de l'agent virtuel et « <500 ms » sur la page Voice AI. Si vous cherchez précisément des bots téléphoniques, comparez avec ma liste d'agents vocaux IA.

Quelle est la précision de la notation par IA de Level AI ?

C'est la question qui décide si Level AI fait gagner du temps à votre équipe qualité, ou lui crée un second travail : vérifier l'IA. La réponse honnête est que les promesses s'adoucissent à mesure qu'on les regarde de près.

Voici ce que dit chaque source, une par une :

1. Le gros titre. La page QA affirme que QA-GPT note « the most subjective scorecard questions with near-100% accuracy ». Aucune méthode ni taille d'échantillon n'est donnée.
2. La FAQ, sur la même page. « The accuracy of AI-based QA depends on how well the evaluation criteria and scoring logic are configured. » C'est la plus honnête des deux phrases, et c'est sur elle qu'il faut vous appuyer.
3. Le benchmark d'origine. L'article de lancement de QA-GPT de 2023 revendiquait une précision de « over 90% » « compared to a consensus of human QA managers ». C'est un vrai type de test, mais là encore sans taille d'échantillon.
4. Les outils de 2026. AutoEval, issu des notes de version du T1 2026, fait noter par un « deep-reasoning LLM » les mêmes questions qu'AutoQA et montre où ils divergent. L'écran de test propose aussi un mode Manual, qui compare AutoQA à vos propres évaluateurs humains. Choisissez le mode manuel, car une seconde IA qui confirme la première prouve moins que votre meilleur auditeur qui confirme.
5. Les utilisateurs. Dans le résumé des avantages et inconvénients de G2, Inaccuracy est le premier inconvénient avec 17 mentions, et le résumé de G2 l'appelle « inaccuracy in AI QA scores ».

Rien de cela ne veut dire que la notation est mauvaise. La précision apparaît aussi comme un avantage dans 27 mentions G2, et une grille calibrée sur des critères clairs est là où les modèles réussissent. Cela veut dire que la précision se mérite pendant la mise en place. La bonne nouvelle, c'est que Level AI fournit l'outil pour cela : les nouvelles questions d'AutoQA peuvent être testées sur 50 conversations dans un bac à sable avant d'être mises en service. Utilisez ce bac à sable sur vos appels les plus difficiles, pas sur les plus propres, et après le lancement, gardez un humain qui échantillonne chaque semaine une partie des notes.

Cela rejoint ce qui revient dans les appels commerciaux d'eesel. Un responsable CX d'une marque DTC de compléments alimentaires sur Gorgias, avec environ 7 000 tickets par mois, a formulé l'enjeu en mots simples :

"I cannot go and check all my 7,000 tickets to see if the AI actually made a good answer"

Remplacez « answer » par « score » et vous avez la décision d'achat d'AutoQA en une ligne. Si vous ne pouvez pas vous fier aux notes sans les revérifier, alors 100 % de couverture, ce ne sont que 100 % de données en plus à auditer.

Ce que disent les utilisateurs de Level AI sur G2

Dans l'ensemble, le tableau G2 est solide. Level AI affiche une note de 4,6/5 sur 220 avis, dont 78 % de cinq étoiles. Un petit détail que j'ai remarqué : le badge du site de Level AI indique « 4.7 (200+ reviews) », ce qui est légèrement en retard sur le chiffre en direct de G2.

Les sous-notes viennent de la page Level AI vs Observe.AI de G2 ; le chiffre de la remise vient de la page d'avis de G2. Les éloges sont assez constants et portent surtout sur le passage de l'échantillonnage à une couverture quasi totale.

"Our QA has migrated from 2% manual volume to nearly 100% automated volume as a direct result of using Level AI. We also have iCSAT on 100% of contacts rather than traditional CSAT on just a fraction."

Retail enterprise reviewer, G2

"Instead of sampling a handful of calls by hand, we can now review trends across thousands of interactions and immediately pull up the exact examples we need for training or root-cause analysis."

Retail enterprise reviewer, G2

Les plaintes se regroupent en trois endroits. Le premier est la précision, que j'ai traitée plus haut. Le deuxième concerne les tableaux de bord et la configuration :

"At times, the analytics dashboard can be somewhat ambiguous. It is occasionally unclear how certain metrics are being calculated or visualized, which can make it difficult to fully trust the data without secondary validation."

Paula G., QA specialist, G2

Le troisième est la stabilité. Slow Performance compte 14 mentions, et un évaluateur enterprise a dit qu'il « découvre » souvent des mises à jour « because of bugs they cause ». Le prix, fait intéressant, n'apparaît pas comme thème dans les avis que j'ai lus.

Une réserve honnête : 7 des 10 avis de la première page de G2 sont datés du 24 juin 2026, ce qui ressemble à une campagne de collecte d'avis. C'est courant et ce n'est pas un signal d'alerte en soi, mais il vaut la peine d'accorder aussi du poids aux avis plus anciens.

Les résultats que rapportent les clients de Level AI

Les études de cas sont l'endroit où Level AI montre de vrais gains opérationnels. Ce sont les chiffres de l'éditeur lui-même, cités tels quels de chaque étude de cas.

La baisse du over-crediting chez VistaPrint est le chiffre le plus convaincant ici, car c'est une métrique d'argent, et elle est liée à un comportement que le contrôle qualité peut vraiment repérer. Deux des pages comportent aussi des incohérences internes à noter : le titre d'Extra Space dit « 120 Min saved » alors que le corps décrit 90 minutes, et le titre d'Ollie dit que 30 % des notes qualité viennent d'Auto QA alors que le corps dit « half ».

Le chiffre de Smartsheet mérite aussi un second regard, puisque iCSAT est le score inféré de Level AI lui-même et non une enquête auprès des clients. C'est la preuve que la lecture du sentiment par le modèle a évolué, ce qui est utile, mais ce n'est pas la même chose que des clients qui vous disent être plus satisfaits. Associez-le aux indicateurs de support auxquels vous faites déjà confiance.

Intégrations et sécurité

La page d'intégrations de Level AI affiche 51 vignettes, très orientées vers les systèmes téléphoniques. La page elle-même qualifie la liste de « non-exhaustive » et ne dit pas ce que fait réellement chaque intégration.

Les connexions Five9 et Genesys ont leurs propres pages de partenariat, et il existe aussi une fiche sur Salesforce AppExchange, qui exige Service Cloud et indique l'anglais comme langue prise en charge. Si la planification des effectifs fait partie de votre stack, le partenariat avec Assembled de février 2026 indique que les fonctions d'intégration « will roll out over the coming months ».

La sécurité est une vraie force pour les acheteurs réglementés. La page de sécurité liste SOC 2 Type II, ISO 27001, HIPAA avec BAA, PCI DSS, HITRUST CSF et RGPD, et indique que les noms, numéros de carte et numéros de sécurité sociale sont masqués avant tout traitement par IA. L'infrastructure tourne sur Google Cloud, et les données clients ne sont pas utilisées pour entraîner des modèles partagés. La seule lacune pour les acheteurs européens est qu'aucune région d'hébergement ni option de résidence des données n'est mentionnée nulle part.

Tarifs de Level AI

Level AI ne publie pas de prix. Sa page /pricing renvoie une 404, et chaque chemin que j'ai vérifié aboutit à « talk to sales ».

L'unité de facturation n'est pas publiée non plus. Le calculateur de ROI demande le volume d'interactions et le nombre d'agents, ce qui indique sur quoi l'équipe commerciale dimensionnera l'accord, mais pas comment vous serez facturé. Avant de signer quoi que ce soit, obtenez l'unité par écrit : par agent, par interaction ou frais de plateforme, plus ce qui se passe quand le volume explose. Mon décryptage des coûts du service client par IA couvre les questions qui valent d'être posées.

Pour le coût total, prévoyez le temps et pas seulement la licence. Trois mois de mise en œuvre signifient que votre équipe qualité fait tourner l'ancien et le nouveau processus en parallèle pendant tout un trimestre.

Avantages et inconvénients de Level AI

Qui devrait utiliser Level AI ?

La question de l'adéquation se résume en réalité à deux choses : combien d'agents vous avez, et si votre travail arrive sous forme d'appels ou de tickets.

Level AI convient aux centres de contact avec des centaines d'agents, une vraie fonction qualité et beaucoup de volume téléphonique. Si vous êtes sur Five9, Genesys ou Nice, que vous avez besoin de contrôles HIPAA ou PCI et que votre équipe qualité croule sous l'échantillonnage manuel des appels, c'est une option sérieuse. Les études de cas se situent en plein dans ce groupe.

Level AI est démesuré pour les équipes de moins de 50 agents environ, ou celles dont le travail est surtout fait d'e-mails et de tickets de helpdesk. Vous achèteriez une plateforme qualité enterprise avec un déploiement de trois mois et un contrat mené par les ventes, juste pour noter une file qu'un outil qualité plus léger ou Zendesk QA pourrait couvrir. Si vous voulez la comparaison la plus proche, lisez mon avis sur Cresta ; Cresta évolue dans le même espace des grands centres de contact.

Si votre problème n'est pas « nous ne pouvons pas noter assez de conversations » mais plutôt « nous ne pouvons pas répondre à assez de tickets », il vous faut quelque chose qui fait le travail, pas quelque chose qui le note.

eesel pour les équipes qui travaillent une file de tickets

eesel est une plateforme de coéquipiers IA, et le coéquipier qui compte ici est le coéquipier IA helpdesk. Là où Level AI note vos agents humains sur leurs appels, eesel rejoint votre helpdesk comme un nouvel agent : il lit votre centre d'aide, vos macros et vos anciens tickets, puis rédige ou envoie des réponses, pose des tags et route dans Zendesk, Freshdesk, Gorgias, Front et d'autres helpdesks. C'est un outil IA de helpdesk qui se teste avant son lancement.

Le volet qualité est intégré dès le départ. Avant qu'eesel ne réponde à un client, sa skill de simulation rejoue des centaines de vos anciens tickets, note chaque réponse par rapport à ce que votre équipe a réellement envoyé et suggère des changements d'instructions là où elle est restée en deçà. C'est la même discipline du « tester avant de faire confiance » que Level AI demande aux utilisateurs d'AutoQA, appliquée ici à l'agent lui-même. Vous pouvez démarrer en mode brouillon, pour qu'un humain approuve chaque réponse, puis passer les actions en automatique une par une.

Les tarifs sont publics. Le plan gratuit donne 100 crédits sans carte, et le plan Teammate commence à 299 $/mois pour 500 crédits, un ticket ou un chat comptant pour un crédit quel que soit le nombre de réponses, avec agents et postes illimités. Une limite honnête à mentionner : eesel n'a pas de canal téléphonique, donc si votre volume est constitué d'appels, Level AI ou un agent vocal est le bon outil. Si ce sont des tickets, essayez eesel sur votre propre file et regardez la simulation avant qu'il ne touche un client.