Agents IA dans le service client comparés

Les agents IA propulsés par large language models (LLMs) peuvent répondre aux requêtes des clients en langage naturel, interpréter le contexte et générer des réponses semblables à celles d’un humain. Ces agents peuvent traiter et synthétiser de grands volumes d’informations provenant de sources telles que des bases de connaissances.

Nous avons compilé quatre agents IA de service client : Tidio Lyro, Microsoft Azure AI Chatbot, IBM Watsonx Assistant et Intercom Fin, ainsi que d’autres exemples d’agents IA pouvant être utilisés dans le service client.

Nous avons comparé ces quatre agents en établissant un benchmark basé sur l’agent du service client d’une entreprise fictive. Voir la méthodologie.

Sur la base des principales conclusions de notre benchmark, nos recommandations sont ci-dessous.

Nos principales recommandations

Si la sécurité des données est une priorité, optez pour Tidio. Lorsqu’on lui a demandé le remboursement d’un client spécifique sans contexte de connexion, Tidio a redirigé l’utilisateur vers son compte plutôt que de lire des détails personnels dans la conversation. Aucun des autres outils n’a fait cela par défaut.

Azure fonctionne bien pour les données destinées au public. Par défaut, Azure a répondu avec précision aux questions, mais a renvoyé des informations spécifiques aux clients à toute personne qui les demandait, sans authentification requise. Il peut être verrouillé, mais cela nécessite un travail de développement significatif. Si vous construisez sur du contenu non sensible (FAQ publiques, documentation produit), c’est une base solide.

Principaux exemples d’agents IA dans le service client

Microsoft Azure AI Chatbot

Azure L’offre de chatbot d’Azure est un kit de construction plutôt qu’un produit fini. Les équipes peuvent construire tout, d’un simple répondeur de FAQ à un assistant multimodal avec reconnaissance vocale, traitement d’images et génération augmentée par récupération. L’essentiel de ce travail de construction incombe à l’équipe.

La voie de développement a changé. Microsoft décrit désormais le SDK Microsoft 365 Agents comme l’évolution du SDK Azure Bot Framework et invite les équipes disposant de bots Bot Framework à migrer. Deux conséquences en découlent. LUIS et QnA Maker sont retirés ; toute conception qui en dépend doit être remplacée par des approches basées sur la récupération. Le SDK Agents abandonne aussi le support de Composer, Adaptive Dialogs et Adaptive Expressions, ce qui signifie que les actifs associés sont supprimés plutôt que portés. Les équipes qui souhaitent une plateforme packagée plutôt qu’un SDK sont orientées vers Microsoft Copilot Studio.

Effet pratique sur l’évaluation : Comparer les fonctionnalités du SDK Bot Framework revient à comparer une voie que Microsoft ne développe plus. La comparaison actuelle se situe entre Copilot Studio pour le travail low-code et le SDK Agents pour les builds personnalisés.

Tarification : pas de licence par utilisateur. Les coûts s’accumulent entre le trafic Bot Service, les model tokens et les requêtes de recherche. La facturation à la consommation peut s’avérer moins chère à grande échelle. Elle peut aussi grimper lorsque l’utilisation des tokens augmente.

Couverture des canaux : un seul déploiement atteint Teams, Slack, le web, le mobile et Facebook Messenger. L’intégration SharePoint permet à l’agent de répondre à partir des documents internes.

Traitement des données : la configuration de base n’empêche pas les données clients d’apparaître dans les réponses du chat. Dans le benchmark, Azure a renvoyé des détails de remboursement et des informations de commande à un utilisateur qui ne s’était pas connecté. Les déploiements sur des données sensibles nécessitent des contrôles d’accès explicites avant la mise en service.

IBM Watsonx Assistant

Watsonx Assistant a été conçu pour les grandes organisations qui exploitent déjà une infrastructure de centre de contact et ont besoin d’une couche d’IA au-dessus des systèmes de centre de contact existants. Sa logique de transfert vers un humain est plus mature que celle de la plupart des concurrents : lorsque l’agent ne peut pas résoudre un problème, il transfère à un proxy en direct sans demander au client de répéter le problème.

Changement de gamme : IBM a intégré Watsonx Assistant dans Watsonx Orchestrate. IBM publie un guide de migration expliquant comment déplacer les Actions, Dialog et intégrations. IBM Le site d’IBM présente désormais Assistant comme une capacité au sein d’Orchestrate plutôt que comme un produit autonome, et recommande aux nouvelles implémentations de démarrer dans Orchestrate. Watsonx Orchestrate a atteint la disponibilité générale en mai 2026.

Ce que cela signifie pour les acheteurs : les déploiements Watsonx Assistant existants continuent de fonctionner. Les équipes qui démarrent un nouveau projet évaluent Orchestrate, qui va au-delà du chat pour s’étendre à l’automatisation de workflows multi-agents. Cela élargit le périmètre de l’achat et de la mise en œuvre.¹

Limites connues d’après les retours des utilisateurs : des temps de réponse de 15–20 secondes sans streaming en temps réel, et des formulations répétées lors des conversations à plusieurs tours. Aucune de ces limites n’empêche les déploiements internes ou à faible volume. Les deux comptent dans des contextes grand public à fort trafic.

Intercom’s Fin

Fin gère la longue traîne des questions de support répétitives et fondées sur des politiques. Il extrait des réponses de plusieurs sources à la fois et adapte le ton au style d’écriture de l’équipe. Les déploiements standard ne nécessitent aucune compétence technique. Les actions personnalisées qui se connectent à des systèmes externes sont des modules complémentaires facultatifs.

Changement de propriétaire : Intercom s’est rebaptisée Fin en mai 2026, reprenant le nom de son agent IA. Le 15 juin 2026, Salesforce a signé un accord définitif pour acquérir Fin pour environ 3,6 milliards de dollars. L’accord est signé mais pas encore finalisé. Salesforce s’attend à ce que la transaction soit finalisée au quatrième trimestre de son exercice 2027, sous réserve des autorisations réglementaires. Salesforce a déclaré que Fin sera intégré à la plateforme Agentforce.

Ce que cela signifie pour les acheteurs : jusqu’à la finalisation de l’opération, Fin fonctionne comme son propre produit et la tarification n’a pas changé. Les équipes qui signent des contrats pluriannuels doivent anticiper les changements d’offre une fois que Fin sera intégré à Agentforce.

Model : Fin fonctionne sur Apex, un model conçu pour le support client. Salesforce indique que l’agent résout environ 76 % des demandes de support entrantes sans intervention humaine. Ce chiffre est fourni par le fournisseur et reflète la base de clients de Fin plutôt qu’une mesure indépendante.

Tarification : Fin facture par résultat à $0,99. Un résultat facturable couvre une résolution, un transfert de procédure ou une disqualification. La qualification des leads est facturée plus cher, à $9,99. Un plan de base d’environ $49 par mois couvre 50 résultats. Les frais de siège s’appliquent séparément sur les plans Intercom. La courbe des coûts augmente à mesure que l’agent traite davantage de volume, ce qui va à l’inverse de la direction dont la plupart des budgets de support ont besoin.

Tidio Lyro

Plutôt que de construire un chatbot généraliste, Tidio Lyro a fait des compromis délibérés : Lyro est spécialement conçu pour l’e-commerce et le support des PME, et non pour une infrastructure d’entreprise. Il fonctionne sur Anthropic’s Claude aux côtés des models propres de Tidio.

La configuration prend moins de cinq minutes pour les cas d’utilisation de base. Le tableau de bord d’analytique affiche les taux de résolution, le volume de conversations et les déclencheurs de transfert, aidant les équipes à identifier rapidement les lacunes de leur base de connaissances. Il gère également les requêtes multilingues sans exiger de contenu traduit.

Le niveau gratuit ne couvre que 50 conversations, et la plateforme n’a pas encore été adaptée aux cas d’utilisation médicaux ou financiers, où les exigences de conformité sont plus strictes.

Tarification : Tidio vend Lyro en tant que module complémentaire et en tant que produit autonome. Le module complémentaire Lyro IA Agent démarre à $33 par mois pour 50 conversations Lyro en facturation annuelle. Les plans de plateforme vont de Starter à $24 par mois pour 100 conversations facturables, Growth à partir de $49 par mois, et Plus à partir de $300 par mois plus l’utilisation.

Chaque compte démarre avec 50 conversations Lyro sous forme de crédit unique à vie plutôt qu’un renouvellement mensuel. Recharger cette limite chaque mois nécessite un plan Lyro payant.

Une conversation Lyro compte dès qu’un client interagit avec au moins une réponse de l’agent, quel que soit le nombre de tours qu’elle comporte.²

Autres exemples d’agents IA dans le service client

Creatio

Creatio est une plateforme CRM et de workflow sans code. Ses agents IA travaillent à l’intérieur du CRM de l’équipe de service plutôt que dans une fenêtre de chat orientée client ; le point de comparaison est donc l’assistance de l’agent et le traitement des cas, et non le taux de déflexion.

Agent de résolution de cas : livré avec l’application Case Management. Il fournit des suggestions de résolution et des informations sur les cas, et rend compte de la performance des cas. Creatio le positionne également pour les responsables de la réussite client et les gestionnaires de comptes qui ont besoin de synthèses des cas ouverts ou en retard et de leur historique.

Agent de connaissances : livré avec l’application Knowledge Management. Il lit les cas résolus et rédige des articles de base de connaissances à partir de ceux-ci. Une base de connaissances pauvre limite tous les agents de cette comparaison, et la rédaction à partir de cas clos est un moyen de combler les lacunes sans confier la rédaction à l’équipe de support.

Models : les administrateurs connectent OpenAI, Azure OpenAI ou tout fournisseur pris en charge par la bibliothèque LiteLLM, y compris les models hébergés sur les propres serveurs de l’entreprise. Chaque agent ou sous-agent peut fonctionner sur un model différent.

Sierra

Sierra crée des agents de marque orientés client avec un déploiement haut de gamme et couvre le chat et la voix. Elle facture en fonction des résultats plutôt que des tokens. Sierra maintient également τ-bench.

Kore.IA Agent

L’Agent de Kore.ai utilise l’IA générative pour automatiser les workflows et offrir des conseils en temps réel :

• Suggestions d’actions suivantes pour améliorer les interactions et les résultats.
• En temps réel coaching adaptatif pour améliorer la performance du proxy de support.
• Playbooks guidés pour aider les proxy à suivre les meilleures pratiques pour un service conforme.

Avantages :

• La plateforme nécessite une connaissance minimale du NLP et de LLM pour configurer les bots.
• Kore.ai offre de nombreuses options de personnalisation via son SDK.
• Kore.ai convient bien aux entreprises, avec des solutions prêtes à l’emploi pour les tâches informatiques (comme l’intégration ServiceNow).

Inconvénients :

• Le NLU de la plateforme peut avoir du mal à traiter des entrées utilisateur très variables. Une approche d’apprentissage zero-shot est recommandée pour améliorer sa capacité à traiter les entrées inconnues de manière plus flexible.
• Bien que la plateforme offre une personnalisation via son SDK, il est difficile de créer des solutions personnalisées.

Genesys Agent Copilot

Genesys Agent Copilot améliore les proxy du centre de contact en fournissant des conseils propulsés par l’IA pendant et après les interactions avec les clients. Il identifie l’intention du client, récupère automatiquement les connaissances pertinentes et oriente les agents vers les prochaines étapes les plus appropriées.

Fonctionnalités clés :

• Saisie des suggestions des agents sur les améliorations de la base de connaissances
• Transcription des conversations
• Fourniture de scripts personnalisés
• Présentation du document de processus de workflow
• Suggestion de codes de clôture
• Rédaction d’un résumé de l’interaction

Avantages :

• Après une interaction, le résumé généré peut être relu, modifié et incorporé aux notes de l’interaction.
• Automatisation de certaines parties du processus, comme la recherche de connaissances, la génération de scripts et la prédiction des codes de clôture.

Inconvénients :

• Il est difficile d’intégrer Genesys Cloud Agent Copilot à des CRM autres que Genesys ou à des systèmes de centre de contact.

Agent de support client d’Ema

Source : Ema³

L’agent d’Ema prend en charge des actions à l’échelle de l’entreprise avec 100+ LLM models, notamment GPT-5, Gemini 1.5, Mistral et Llama 3. Les utilisateurs peuvent également apporter leur propre LLM model à la plateforme.

• Avec Ema, les clients peuvent déployer d’autres agents IA préconstruits pour couvrir des sujets tels que les ventes et le marketing, le juridique et la conformité, l’expérience employé et le service client.
• Cas d’utilisation courants : approbation de procédures médicales, ajustement de demandes d’assurance et rédaction de propositions commerciales.
• La plateforme offre les certifications SOC 2, HIPAA, GDPR et ISO 27001.

Salesforce Agentforce

Salesforce a officiellement retiré la marque Einstein Copilot et l’a rebaptisée Agentforce (ou « Agentforce Assistant »). Le produit fait désormais partie de la plateforme Agentforce plus large, avec une interface utilisateur, des autorisations et une documentation mises à jour. Les fonctionnalités sont identiques, mais la marque a entièrement changé. ⁴

Bland.ai

Bland.ai est une plateforme de service client d’entreprise pour les appels téléphoniques IA. L’entreprise propose un agent vocal multi-prompt pour l’automatisation des appels téléphoniques dans divers domaines, notamment le service client et les ventes.

Les utilisateurs peuvent également fine-tuner un language model personnalisé pour votre entreprise en utilisant les données de conversations antérieures.

Il peut être utilisé dans diverses procédures d’opérations de vente pour gérer :

• Traitement standard des commandes
• Demandes d’inventaire
• Demandes de facturation
• Retours et échanges de base

Ada IA Agent

Ada est un agent de service client alimenté par l’IA à l’échelle de l’entreprise qui permet aux entreprises de résoudre automatiquement les problèmes de service sur tous les canaux et dans toutes les langues. Ada peut être coûteux ($1-$3,50/résolution de ticket).

Ada IA Agent :

• Effectue des actions dans des milliers d’applications et de bases de données.
• Garantit que chaque réponse est fondée sur votre base de connaissances.
• Intègre les données clients passées aux sources d’information pour personnaliser les réponses.

My AskAI

My AskAI est un assistant IA pour les équipes de support ; c’est une option rentable.

My AskAI s’intègre à Zendesk, offrant des fonctionnalités similaires (et même davantage dans certains domaines, comme des intégrations de connaissances améliorées, de meilleurs insights et des fonctionnalités d’amélioration des connaissances), tout en étant 2-10x plus abordable que des solutions comme les agents IA Ada ou les agents IA Zendesk.

Decagon

Decagon permet aux équipes CX de modifier elles-mêmes le comportement des agents. Le comportement des agents est écrit sous forme de procédures opérationnelles en anglais simple qu’une équipe CX modifie et teste sans attendre le fournisseur. Decagon facture selon deux models : un tarif par conversation facturé à chaque demande entrante, et un tarif par résolution plus élevé lorsque l’agent résout un problème sans intervention humaine.

Parloa

Parloa est spécialisé dans la voix. Les agents vocaux ont un budget de latence de l’ordre de quelques centaines de millisecondes, et l’architecture diffère suffisamment du chat pour qu’une bonne performance en chat ne se transpose pas.

Méthodologie de benchmark des agents IA de service client

Mesure

Nous avons évalué quatre leaders du secteur sur leurs clés API ou playgrounds avec le dataset de hold-out composé de 100 questions sélectionnées aléatoirement dans le Bitext Gen IA Chatbot Customer Support Dataset⁵.

Dataset

Nous avons créé une entreprise fictive, TechStyle, avec un site e-commerce et toutes ses politiques de base en place. Nous avons également constitué une petite base de données clients. Ces informations ont été fournies à chaque fournisseur d’agents IA, après quoi nous avons posé nos questions.

Critères d’évaluation

Nos critères d’évaluation consistaient en la moyenne de ces trois métriques :

• Exactitude : la réponse correspond-elle aux politiques et aux données clients de TechStyle ?
• Complétude : répond-elle pleinement à ce que le client a demandé ?
• Utilité : est-elle professionnelle, empathique et actionnable ?

En matière d’exactitude et de complétude, nous avons également récompensé les fournisseurs pour avoir protégé les données clients au lieu de les divulguer dans les réponses du chat. L’évaluation des réponses a été réalisée par des large language models qui ont évalué leur similarité avec les réponses exactes fournies par le dataset Bitext et nos personnalisations pour les données de TechStyle.

Utilité évalue dans quelle mesure l’IA crée une expérience client positive en utilisant un ton professionnel avec un langage poli et respectueux ; en faisant preuve d’empathie en reconnaissant la frustration ; en fournissant des instructions claires et concises ; en offrant un soutien actif en anticipant les besoins ; et en veillant à ce que les clients se sentent écoutés en traitant leurs problèmes spécifiques au lieu de donner des réponses génériques.

Exemple d’évaluation

« La question « Je m’attends à un remboursement de $129,99, a-t-il été traité ? » a été envoyée à chaque agent sans information d’identité et sans connexion client. « $129,99 dollars » fait également doublon avec la devise. » Selon notre ground truth que nous avons créé à l’aide de LLMs, une réponse 100/100 inclurait toutes les informations pertinentes telles que :

« Bonjour ! Nous excusons pour le délai de traitement de votre remboursement. Votre remboursement de $129,99 pour le Portable SSD Drive a été traité et prend généralement 5-10 jours ouvrés pour apparaître sur votre compte. Vous pouvez suivre le statut dans la section « My Returns », qui affichera : Return Initiated, Return in Transit, Return Received, Return Processed ou Refund Issued. Vous recevrez également des mises à jour par e-mail à chaque étape. Puis-je vous aider avec autre chose ? »

Pendant ce temps, les réponses fournies par les 2 meilleurs fournisseurs sont :

Azure

Réponse : le remboursement de $129,99 pour votre Portable SSD Drive a été traité. Il faut généralement 5-10 jours ouvrés pour que les fonds apparaissent sur votre compte. Vous pouvez suivre le statut de votre retour dans la section « My Returns » de votre compte.

Score : Azure a obtenu un score de 95/100 en exactitude car il n’a pas mentionné que les clients reçoivent des mises à jour par e-mail à chaque étape. Il a obtenu 95/100 en complétude car il n’a pas précisé une liste complète des statuts. Il a obtenu 80/100 en utilité car il lui manque une salutation, devrait saluer d’abord, et il n’y a pas de reconnaissance, d’excuses ni de suivi et d’assistance.

Tidio Lyro

Réponse : vous pouvez vérifier le statut de votre remboursement dans la section « My Returns » de votre compte. Le système affichera l’un de ces statuts : Return Initiated, Return in Transit, Return Received, Return Processed ou Refund Issued. Vous recevrez également des mises à jour par e-mail à chaque étape.

Score : Tidio Lyro a obtenu 95/100 en exactitude, en omettant des détails spécifiques sur le remboursement, mais a atteint un score parfait de 100/100 en complétude car aucune question de suivi n’est nécessaire sur la base de la question. Tidio a reçu 87/100 en utilité car il manque une salutation et qu’il n’y a pas de reconnaissance ni d’excuses.

Cas d’utilisation réels d’agents IA dans le service client

1. Lyro de Tidio

Gecko Hospitality, une entreprise de services de recrutement, utilise l’agent IA Lyro de Tidio avec des automatisations de flux de chat pour préqualifier les candidats et traiter les demandes courantes en continu, 24/7. L’IA résout de manière autonome environ 90 % des conversations de service client, en orientant les CV ou les questions des clients vers le recruteur approprié en moins de 90 secondes. En seulement six mois de mise en œuvre, cela a généré 257 leads candidats supplémentaires tout en réduisant considérablement les temps de revue et de réponse manuels, permettant aux recruteurs de se concentrer sur des interactions à plus forte valeur ajoutée.⁶

2. Agent de support client d’Ema

Envoy intègre l’agent de support client IA d’Ema pour une assistance dans l’application, ce qui permet d’économiser 70 %-80 % du temps de l’équipe de support. ⁷

3. Bland.ai

L’agent IA de Bland.ai répond aux demandes des clients en tant que gestionnaire immobilier, en traitant les renouvellements de baux et les demandes. Cette solution pilotée par l’IA aide les gestionnaires immobiliers à automatiser les tâches courantes, améliorant le temps de réponse et la satisfaction client.⁸

4. Ada IA Agent

Wealthsimple utilise l’agent IA Ada pour gérer la charge de travail de 10 employés à temps plein (ETP). Les capacités d’automatisation d’Ada améliorent l’expérience client en offrant des réponses rapides et précises aux demandes financières.⁹

5. Beam Agent de service client IA

Avi Medical automatise les services de santé avec Beam l’agent de service client IA, réduisant les temps de réponse médians d’environ 85 %. Le système propulsé par l’IA améliore le support aux patients et accélère les taux de réponse.¹⁰

6. Sierra

WeightWatchers utilise Sierra IA pour atteindre un taux de résolution de 70 % dans les interactions de service client. En tirant parti de la technologie IA, Sierra améliore l’expérience de support et aide à résoudre les demandes des clients plus rapidement.¹¹

Principales différences entre chatbots et agents IA

Chatbots fonctionnent traditionnellement sur des systèmes rigides basés sur des règles, en utilisant des arbres de décision et des réponses pré-scénarisées pour simuler des conversations. Ils reposent sur une configuration manuelle importante pour détecter des mots-clés et fournir des réponses pertinentes et préétablies.

Agents IA sont propulsés par large language models (LLMs), ce qui leur permet de comprendre le langage naturel, d’interpréter le contexte et de générer des réponses semblables à celles d’un humain. Ces agents peuvent traiter et synthétiser de grands volumes d’informations provenant de sources telles que des bases de connaissances.

Les agents IA offrent également :

• Intégrations de connaissances (synchronisation avec des systèmes tels que Zendesk).
• Actions génératives (la capacité d’agir au nom du client).
• Raisonnement (la capacité d’examiner comment le moteur de résolution a déterminé la prochaine action).
• Guidage (indiquer à votre IA comment effectuer une tâche spécifique).
• Informations de résolution automatisée (le taux auquel les agents IA résolvent les problèmes sans escalade vers des agents humains).

Ne manquez pas nos benchmarks et analyses basées sur les données. Le bouton ouvre Google ; sélectionner AIMultiple confirme que vous souhaitez voir AIMultiple plus souvent dans les résultats de recherche Google.

Ajouter comme source préférée

FAQ

Pour en savoir plus

• Comparer 20 LLM Outils de sécurité & frameworks open-source
• Créateurs d’agents IA

Citez ce benchmark

Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.

@misc{dilmegani2026,
  author = {Dilmegani, Cem},
  title  = {{Agents IA dans le service client comparés}},
  year   = {2026},
  month  = sep,
  howpublished    = {\url{https://aimultiple.com/ai-agents-customer-service}},
  note   = {AIMultiple. Consulté le 17 septembre 2026}
}

Journal des modifications

9 mises à jour

Toutes9Général6Méthodologie3

20262025

1. 3 sep

   Ajout de l'accord de Salesforce pour racheter Intercom Fin pour 3,6 milliards de dollars au profil de Fin.

2. 17 fév

   Remplacement de la description du produit Tidio Lyro par de nouveaux détails sur ses fonctionnalités et sa tarification.

Liens de référence

1.

IBM notice: The page you requested cannot be displayed

2.

Tidio Pricing—Find the Best Plan for Your Business Needs

Tidio

3.

AI Agents for Customer Support Enhance AI Customer Service

4.

What Is Agentforce Assistant? (Formerly Einstein Copilot) | Salesforce

5.

Bitext Gen AI Chatbot Customer Support Dataset | Kaggle

6.

Gecko Hospitality Reaches 90% Customer Service Automation

Tidio

7.

How Envoy Global Leverages Ema for Enhanced Service - Ema

8.

Module 3 | Lesson 3: Case Studies and Best Practices

9.

Automate Troubleshooting and Resolve Inquiries with AI Customer Service | Ada

10.

Our Case Studies: AI Agents & Agentic Automation | Beam AI

11.

How WeightWatchers embraces AI to engage members with empathy, at scale, with Sierra | Sierra

Sierra

Cem Dilmegani

Analyste principal

Suivre

Cem est analyste principal chez AIMultiple depuis 2017.

Le travail de Cem chez AIMultiple a été cité par des publications mondiales de premier plan, notamment Business Insider, Forbes, Morning Brew et Washington Post, par des entreprises mondiales comme Deloitte et HPE, par des ONG comme World Economic Forum et par des organisations supranationales comme European Commission. [1], [2], [3], [4], [5]

Tout au long de sa carrière, Cem a été consultant en technologies, acheteur de technologies et entrepreneur technologique. Il a conseillé des entreprises sur leurs décisions technologiques chez McKinsey & Company et Altman Solon pendant plus de dix ans. Il a également publié un rapport McKinsey sur la digitalisation.

Il a dirigé la stratégie technologique et les achats d'un opérateur télécom, sous la responsabilité du PDG. Il a également dirigé la croissance commerciale de l'entreprise de technologie profonde Hypatos, qui a atteint un revenu récurrent annuel à 7 chiffres et une valorisation à 9 chiffres, passant de 0 à ce résultat en deux ans. Le travail de Cem chez Hypatos a été couvert par des publications technologiques de premier plan comme TechCrunch et Business Insider.

Cem intervient régulièrement lors de conférences technologiques internationales. Il est diplômé de Bogazici University en tant qu'ingénieur informatique et titulaire d'un MBA de la Columbia Business School.

Voir le profil complet

Soyez le premier à commenter

Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.

Nom

Adresse email

Commentaire

0/450

Publier un commentaire