Depuis que les agents IA traitent une part sérieuse du volume, tout le monde annonce du « AI agent QA ». Derrière le même mot se cachent trois approches qui ne répondent pas à la même question, et le choix se joue moins sur les fonctionnalités que sur ce que chacune est structurellement incapable de voir.
Quels types d'outils scorent les réponses d'un agent IA ?
Les métriques natives de la plateforme
Fin répond à « combien de conversations l'agent a-t-il closes sans humain ». Taux de résolution, taux d'automatisation. C'est une mesure d'activité, pas de qualité : une réponse fausse que le client abandonne est comptée comme une résolution. Et depuis la révision des métriques, les conversations « Fin Constrained » sortent du dénominateur, ce qui remonte le taux affiché sans rien changer au produit.
Les outils de QA humaine qui ajoutent l'IA
Zendesk QA, ex-Klaus, et Rippit, ex-MaestroQA renommé en mars 2026, viennent du monde de l'évaluation d'agents humains : grilles de notation, sessions de calibration, coaching. Ils ont ajouté l'évaluation des conversations de bot avec les mêmes grilles. La question qu'ils traitent est « mes évaluateurs notent-ils de façon cohérente », étendue à l'IA.
Les outils pensés pour l'IA d'abord
Ils partent du volume total plutôt que de l'échantillon, et cherchent à noter chaque réponse contre la source qui aurait dû être citée. La question est « quelles réponses sont fausses, et pourquoi ».
Fin, Zendesk QA ou Rippit : que mesure chacun ?
| Fin (natif) | Zendesk QA | Rippit | |
|---|---|---|---|
| Origine | Métriques de la plateforme | QA humaine (ex-Klaus) | QA humaine (ex-MaestroQA) |
| Helpdesks | Intercom, et Fin sur helpdesk tiers | Zendesk uniquement | Zendesk, Salesforce, Intercom, Freshdesk, 30+ |
| Tarification | Incluse dans la plateforme | À partir de 25 $ / agent / mois, paliers dès 35 $ | Par workspace, à l'agent run : gratuit, 185 $/mois, 495 $/mois, entreprise |
| Évaluation de l'IA | Non, mesure d'activité | Oui, mêmes grilles que les humains | Oui, monitoring des conversations de bot |
| Couverture | 100 % du volume, sur l'activité | AutoQA sur le volume, échantillon pour l'humain | AutoQA annoncé sur 100 % des conversations |
Une précision sur les prix, parce qu'elle change la comparaison : la tarification de Zendesk QA est au siège de helpdesk, celle de Rippit au workspace et à l'usage. À dix agents les deux se ressemblent, à soixante elles divergent fortement. MaestroQA ne publiait pas ses prix, les données de marché situaient le contrat médian autour de 23 500 $ par an, ce qui donne un ordre de grandeur pour le palier entreprise.
Quels sont les points forts de chaque outil ?
Fin en natif reste la seule source pour savoir ce que vous facturez et ce que l'agent a traité. Pour piloter le volume et le coût, il n'y a pas d'alternative, et c'est suffisant tant que la qualité n'est pas le sujet.
Zendesk QA est le chemin le plus court si vous êtes déjà chez Zendesk : rien à intégrer, les grilles existent, le coaching humain et l'évaluation IA vivent au même endroit. La contrepartie est l'enfermement, l'outil ne sort pas de Zendesk.
Rippit est le plus ouvert en connecteurs, avec une offre gratuite qui permet de tester sans engagement. C'est le choix logique d'une équipe multi-helpdesk ou qui veut garder la porte ouverte.
Les trois questions qui départagent
Notez-vous des humains, de l'IA, ou les deux ? Si l'essentiel de votre volume est traité par un agent IA, un outil conçu pour la calibration d'évaluateurs humains résout un problème que vous n'avez pas. Si vous avez une équipe de vingt agents à faire monter en compétence, l'inverse est vrai.
Contre quoi la réponse est-elle jugée ? C'est la question technique qui sépare vraiment les approches. Une grille évalue une réponse dans l'absolu, sur le ton et la forme. Évaluer l'exactitude suppose de la confronter à la source qui aurait dû être citée, donc de connaître votre base de connaissances. Beaucoup d'outils annoncent de l'exactitude en mesurant de la cohérence.
Échantillon ou volume total ? L'échantillonnage manuel classique couvre quelques pour cent des conversations. Sur des défauts concentrés sur un sujet précis, un échantillon de trente conversations a de fortes chances de tout rater.
Où se situe ResponZ, et quelles sont ses limites ?
Nous sommes dans la troisième famille : chaque réponse notée sur quatre critères indépendants, pertinence, exactitude, ton et complétude, contre votre base de connaissances et vos règles. Pas d'échantillon, pas de grille à calibrer.
Ce que nous ne faisons pas, et qu'il faut savoir avant de nous comparer à Zendesk QA ou Rippit : nous ne gérons pas le coaching d'agents humains, ni les sessions de calibration entre évaluateurs, ni les plans de formation. Une équipe dont l'enjeu principal est de faire progresser vingt agents humains sera mieux servie ailleurs. Nous sommes utiles quand le volume est majoritairement traité par l'IA et que la question est de savoir ce qu'elle raconte.
Notre connecteur est Intercom aujourd'hui, Crisp et Zendesk annoncés. Sur ce point, Rippit est plus ouvert que nous.
Comment choisir sans y passer un trimestre ?
- Prenez trente conversations que vous savez mauvaises et trente que vous savez bonnes. Un outil qui ne sépare pas les deux ne vous servira à rien sur le reste.
- Demandez explicitement contre quelle source l'exactitude est évaluée. Si la réponse est floue, c'est de la cohérence.
- Vérifiez le coût à votre volume réel, pas au volume type du site web. Les modèles au siège et à l'usage divergent vite.
Si vous êtes sur Intercom et que la question est la qualité des réponses de Fin, c'est exactement notre sujet. Si votre problème est ailleurs, les deux autres sont de bons produits et nous le disons sans détour.