Des Traynor (Intercom) : Comment nous avons reconstruit l’entreprise pour l’ère de l’IA

Intercom est l’une des entreprises SaaS les plus emblématiques de la dernière décennie, une plateforme qui a redéfini la manière dont les entreprises communiquent avec leurs clients, tout en établissant un nouveau standard pour le support client moderne, évolutif et personnalisé.. Au cœur de cette évolution : Des Traynor, cofondateur d’Intercom et stratège produit, qui a accompagné l’entreprise à chaque tournant clé, y compris sa récente transition vers l’intelligence artificielle.

Des est également le cofondateur de Fin AI, l’agent de service client alimenté par des modèles de langage de grande taille, en forte croissance. Avec plus de 7 000 clients et plus d’un million de résolutions par semaine, Fin est aujourd’hui l’un des exemples les plus concrets de la capacité de l’IA à générer des résultats business à grande échelle.

Pour les dirigeants qui cherchent à intégrer l’IA dans leurs produits, leurs équipes ou leurs modèles opérationnels, la perspective de Des est précieuse. Il a vécu l’avant et l’après : de l’instant où l’IA générative a bouleversé la feuille de route d’Intercom jusqu’à la réorganisation profonde nécessaire pour suivre le rythme de l’innovation. Son expérience apporte ce qui manque souvent dans le bruit ambiant autour de l’IA : de la clarté, de la sincérité, et un véritable plan d’action pour passer de l’expérimentation à la transformation.

Un virage pris en un seul week-end

Il existe peu de percées technologiques dans une vie qui marquent au point de devenir des repères personnels, des moments si transformateurs que l’on se souvient exactement où l’on était lorsqu’on les a découverts. Pour Des Traynor, ce moment a été le lancement de ChatGPT. Le jour du lancement, Des reçoit un message sur Slack lui suggérant de l’essayer. Ses premières requêtes sont semblables à celles de tout le monde : des questions simples, qui ressemblent à des recherches Google un peu plus élégantes. Mais tout bascule lorsqu’il demande à ChatGPT comment installer Intercom dans une application iOS. Le modèle lui fournit une réponse en quelques secondes. Et à cet instant, il comprend que le futur du support client venait d’arriver.

Moins de 72 heures plus tard, Intercom laisse tomber sa roadmap produit, réorganise ses équipes et prend une décision stratégique majeure : miser entièrement sur l’IA. Un pivot radical qui finira par transformer son produit, sa culture et toute la trajectoire de l’entreprise.

La partie difficile dont personne ne parle

Le virage d’Intercom vers l’IA a été rapide, mais loin d’être sans friction. Des années d’intuition produit, affinée avec rigueur, se sont heurtées à une nouvelle réalité technique : l’incertitude. Avant l’IA, les équipes d’Intercom pouvaient s’appuyer sur leur expertise. Si elles voulaient créer un tableau de bord, concevoir un workflow ou lancer une nouvelle fonctionnalité, elles savaient en général que c’était faisable. Avec l’IA, cette confiance a disparu du jour au lendemain.

Des décrit la courbe d’apprentissage sans détour.

Même des idées en apparence simples, comme les réponses générées automatiquement pour les agents du support, se sont rapidement effondrées face aux hallucinations, aux cas limites ou aux coûts de vérification. Si un humain devait passer autant de temps à vérifier la réponse que s’il l’avait écrite lui-même, toute la valeur ajoutée disparaissait.

Le défi était aussi culturel. Treize années de développement produit fiable et linéaire ont dû être déconstruites, puis reconstruites. « Nous avons dû entièrement repenser notre manière de construire des logiciels, depuis la base, car tout a changé, » explique Des. Il a fallu abandonner d’anciens processus. En inventer de nouveaux. Et tout le monde n’a pas accueilli ce rythme de changement avec enthousiasme.

Fin suscitait de la demande, mais Intercom faisait face à un problème de distribution

Avec le recul, Des est catégorique : même pour une entreprise qui allait vite, Intercom n’est pas allée assez vite dans la bonne direction. L’une des premières erreurs a été de croire que la valeur de Fin serait tellement évidente que les clients changeraient de help desk rien que pour l’utiliser. L’équipe pensait que le produit allait naturellement attirer le marché vers Intercom. En réalité, elle a découvert à quel point les migrations de plateforme sont difficiles à mettre en œuvre.

Les clients voulaient Fin. Ils ne voulaient simplement pas bouleverser leurs systèmes existants pour y accéder.

Si Intercom avait développé Fin comme une startup native de l’IA plutôt que comme un produit au sein d’une plateforme déjà bien établie, Des affirme que la première étape aurait été évidente : aller là où se trouvent les clients.

Une fois que Fin a été proposé comme une couche par-dessus des plateformes comme Zendesk, l’adoption a littéralement explosé. Et lorsque Fin a commencé à résoudre entre 60 % et 70 % des demandes sur ces systèmes existants, les migrations vers Intercom sont soudainement devenues plus simples, et non plus plus complexes. Au-delà de l’amélioration des workflows de support, l’IA a en réalité changé l’économie même du changement de plateforme.

Réduire le coût de l’exploration

Comme l’explique Des, l’un des avantages les plus sous-estimés de l’IA n’est pas tant la vitesse que sa capacité à anticiper ce qui vient. Avant les modèles génératifs, explorer plusieurs idées produit, modèles de tarification ou directions de design demandait du temps, de la coordination et beaucoup de ressources. Les équipes devaient choisir une voie très tôt, car en tester cinq en parallèle n’était tout simplement pas réaliste.

L’IA a changé cela du jour au lendemain.

« L’IA réduit massivement le coût de l’exploration » affirme Des. Chez Intercom, cela a permis aux feuilles de route de devenir presque interactives. Plutôt que de débattre sur la bonne direction à suivre, les équipes pouvaient coder rapidement différentes idées, les mettre côte à côte, et les comparer avant de s’engager. Ce changement a transformé le processus produit : on ne devine plus ce qui va marcher, on le teste concrètement.

Et au-delà du produit, cette approche a aussi bouleversé la manière dont les dirigeants prennent leurs décisions. Des estime que tout le monde reconnaît aujourd’hui qu’un ingénieur peut être plus productif grâce à l’IA. Mais peu de leaders réalisent à quel point cela peut aussi améliorer leur propre capacité à juger.

« L’IA peut rendre un VP plus pertinent ? Absolument » dit-il. « Mais beaucoup de dirigeants pensent encore que l’IA, c’est pour les jeunes. »

En réalité, l’IA permet aux décideurs de tester leurs choix bien avant de les appliquer. Stratégies de prix, plans de recrutement, paris go-to-market : tout peut être modélisé, étendu, testé sous pression et affiné en un temps record. Les décisions ne sont pas seulement prises plus rapidement, elles sont aussi mieux informées.

Pour Des, c’est là le vrai changement : les décisions modernes reposent sur une compréhension plus riche des conséquences de chaque option. L’IA transforme la planification stratégique en un processus vivant, dans lequel les équipes peuvent explorer davantage de pistes, mieux comprendre les compromis, et avancer avec beaucoup plus de confiance.

Les coulisses de ce que l’IA a débloqué chez Intercom

Si la plupart de l’attention autour de l’IA se concentre sur le produit lui-même, Des souligne que certains des gains les plus significatifs apparaissent en coulisses, dans les décisions liées à la finance, à la tarification ou aux opérations, qui déterminent concrètement comment une entreprise avance. Ces équipes ont toujours été essentielles, mais leur travail reposait historiquement sur des analyses manuelles et des délais de traitement longs. L’IA a changé la donne.

La tarification en est l’un des exemples les plus frappants. Intercom évalue en continu de nouvelles idées de pricing et de packaging, en particulier depuis que les fonctionnalités IA introduisent de nouvelles formes de valeur. Traditionnellement, cela impliquait de transmettre une hypothèse à l’équipe business ops… et d’attendre plusieurs semaines pour obtenir des modèles, des projections et des scénarios de revenus. Avec l’IA, selon Des, cette dynamique s’est inversée du jour au lendemain.

À l’écouter, il suffit désormais de quelques heures avec un modèle comme Claude pour explorer tout un éventail de stratégies tarifaires : tarification à l’usage (token-based), options additionnelles, niveaux de prix basés sur les résultats… L’IA peut lire la documentation pertinente, reproduire les approches connues, générer des alternatives, construire les modèles et présenter des tableaux de bord interactifs permettant aux équipes d’ajuster les hypothèses en temps réel. Ce qui prenait deux semaines peut maintenant être fait en une après-midi.

« C’est clairement un cas d’usage où tout est mieux, plus rapide et moins coûteux » conclut Des.

Réinventer la tarification à travers les résultats

Lorsque Intercom a commencé à réfléchir à la manière de tarifer Fin, l’équipe a rapidement compris qu’il ne s’agissait pas simplement de lancer une nouvelle fonctionnalité. Elle introduisait un produit qui allait fondamentalement transformer le fonctionnement des équipes de support client.

Il était vrai que Fin permettait aux agents d’être plus efficaces. Mais dans bien des cas, il remplaçait carrément des catégories entières de travail. Cela a créé une tension particulière. Le modèle économique d’Intercom avait toujours été basé sur le nombre de sièges, c’est-à-dire le nombre d’agents humains utilisant la plateforme.

Mais le succès de Fin impliquait que ce nombre de sièges allait mécaniquement diminuer avec le temps.

« Fin est un produit très cannibale, presque hostile à notre cœur de métier » affirme Des. « C’est simplement la réalité. »« Si Fin fonctionne, il y aura moins de personnes dans les équipes support à l’avenir. Le nombre de sièges va baisser, » explique Des.

L’équipe s’est donc engagée dans une réflexion pour repenser l’économie de son produit. Si Fin résolvait une question client instantanément et avec précision, n’était-ce pas ce résultat-là que les clients devaient payer — plutôt que le nombre de personnes dans leur équipe support ?

« Si Fin fonctionne, il y aura moins de personnes dans les équipes support à l’avenir. Le nombre de sièges va baisser » explique Des.

Et pourtant, pour les clients, la valeur des conversations effectivement résolues ne ferait qu’augmenter.

La solution était donc de lier la tarification directement aux résultats. Intercom a ainsi opté pour un modèle basé sur la performance, facturant à la résolution réussie, car cela alignait les incitations sur la précision.

Plus Fin accomplissait de tâches, plus les clients recevaient de valeur. Et plus il était précis, plus le modèle s’améliorait de lui-même. Des tient à préciser que cette approche, elle aussi, n’était pas sans complexité. En réalité, toutes les résolutions ne se valent pas. Certaines nécessitent des chaînes de raisonnement longues. D’autres se terminent par une reprise en main humaine, tout en ayant consommé des jetons et des ressources du modèle. « Parfois, on consomme énormément de jetons, on passe quand même la main à un humain… et on n’a rien obtenu » résume-t-il.

Malgré ses imperfections, la tarification basée sur les résultats a mis une chose en évidence : l’alignement est essentiel. Les clients ne payaient pas pour une promesse d’IA. Ils payaient pour ce que l’IA accomplissait réellement.

La nouvelle frontière du logiciel d’entreprise

Pour Des, la plus grande opportunité, et la plus grande menace, qui pèse sur le logiciel d’entreprise ne réside pas dans une fonctionnalité, un modèle ou un workflow en particulier. Elle réside dans le rythme du changement lui-même.

Avec l’IA, les équipes peuvent faire exploser les attentes et réduire à néant la distance confortable entre une idée, un prototype et un produit en production.

Des parle d’un véritable changement d’état d’esprit que beaucoup d’entreprises continuent de sous-estimer :

« Réimaginez votre entreprise dans un monde où les progrès sont extrêmement, extrêmement rapides » dit-il.

Les équipes qui prospèrent dans cet environnement ne s’accrochent pas à des feuilles de route pluriannuelles ni à des structures figées. Elles conçoivent pour le mouvement : des cycles plus courts, plus d’itérations, et une plus grande tolérance à l’incertitude.

Le défi, selon Des, c’est que l’IA introduit beaucoup plus d’inconnu dans l’entreprise que ce à quoi la plupart des dirigeants sont habitués. De nouveaux modèles apparaissent sans cesse. Des concurrents se repositionnent brutalement sur des marchés voisins. Des fonctionnalités qui prenaient des mois à développer peuvent désormais être prototypées en un week-end.

« Ne rien faire et réussir n’est plus une option réaliste » prévient-il.

Cette réalité oblige les entreprises à remettre en question leurs propres hypothèses. Que construiriez-vous si vous démariez aujourd’hui ? Quelles fonctions sont encore vraiment nécessaires ? Quels processus vous ralentissent ? Et quelles parties de votre organisation sont maintenues par habitude, et non par besoin réel ?

Les entreprises qui réussiront dans cette nouvelle ère seront celles qui auront le courage de repenser leurs systèmes en profondeur, même si cela implique d’abandonner des structures longtemps considérées comme acquises.

« Soit vous adaptez votre entreprise à l’IA, soit le marché le fera pour vous » conclut Des.

IA et le piège du “build versus buy”

À mesure que de plus en plus d’équipes en entreprise se précipitent pour adopter l’IA, Des observe un schéma bien connu : les entreprises sous-estiment massivement ce qu’implique réellement la création d’outils d’IA efficaces. En apparence, c’est tentant. Une démo rapide, un prototype réalisé lors d’un hackathon, ou une simple requête bien formulée dans un modèle peuvent donner l’illusion qu’une solution interne est à portée de main, en quelques week-ends seulement.

Mais, comme le dit Des, la plupart des équipes ne mesurent pas l’ampleur réelle du problème dans lequel elles s’engagent.

La différence entre une démo et un système fiable, c’est celle qu’il y a entre un projet de loisir et un produit comme Fin, qui repose sur des dizaines de sous-systèmes, un entraînement sur mesure post-modèle, des garde-fous robustes et une amélioration continue de l’architecture. Et cette complexité soulève une question plus difficile encore : Même si une entreprise est capable de construire un tel système… doit-elle vraiment le faire ?

Des explique :

Il cite quelques exceptions : des entreprises avec des marges extrêmement faibles, ou des produits arrivés à maturité, optimisés uniquement pour l’efficacité. Mais pour la grande majorité, Des estime que le coût d’opportunité est trop élevé. Construire des systèmes d’IA en interne revient souvent à passer des mois à résoudre des problèmes que des fournisseurs spécialisés ont mis des années à maîtriser.

Et même dans ce cas, les équipes prennent le risque de s’enfermer dans des systèmes rigides, difficiles à maintenir, qui peinent à suivre l’évolution rapide du paysage de l’IA. Le conseil de Des est pragmatique : acheter quand c’est possible, construire uniquement quand cela renforce réellement votre avantage stratégique, et rester lucide sur la catégorie dans laquelle vous vous situez.

Pour les responsables tech, le but ne devrait pas être de posséder plus de logiciels, mais de faire de meilleurs choix sur là où votre talent crée le plus de valeur.

Concevoir pour une simplicité radicale

Pour Des, la nouvelle norme en matière de design produit devrait être simple : demander le moins possible à l’utilisateur, et laisser le système faire le reste.

C’est cette philosophie qui a poussé Intercom à repenser la manière dont les clients configurent Fin. Les premières versions reposaient sur une seule zone de texte pour orienter le modèle, une solution élégante, mais insuffisante. Les utilisateurs ne formulaient pas des instructions assez détaillées, ce qui a conduit Intercom à introduire un peu plus de structure.

Cette approche se reflète dans l’onboarding de Fin. Il peut ingérer un centre d’aide et produire une démo fonctionnelle en quelques minutes, sans configuration complexe ni session de formation. Ce niveau d’immédiateté améliore non seulement l’expérience produit, mais élargit aussi le nombre de personnes capables de l’utiliser.

Pour Des, c’est là que l’IA a l’impact le plus transformateur : elle fait passer le logiciel d’un outil qu’on doit apprendre à un outil auquel on peut simplement poser une question. Et quand n’importe qui peut exprimer ce qu’il veut, sans devoir maîtriser un logiciel au préalable, la simplicité devient un véritable moteur de croissance.

À quoi ressembleront les 3 à 5 prochaines années

En regardant vers l’avenir, Des estime que l’IA va transformer non seulement la manière dont les équipes travaillent, mais aussi qui fait le travail. Les frontières bien définies entre les rôles (product manager, designer, ingénieur...) commencent déjà à s’estomper, car l’IA permet à chacun de naviguer plus facilement entre les disciplines.

« Tout le monde sera globalement capable, et potentiellement redoutable, dans la plupart des rôles » affirme-t-il.

Il prévoit une convergence : des équipes produit composées de profils capables de concevoir, prototyper, coder et penser la stratégie. L’IA viendra combler les manques. Les spécialistes existeront toujours, mais leur force résidera dans leur profondeur d’expertise, non dans l’exclusivité de leur domaine. Un changement similaire s’annonce pour les équipes en contact avec les clients.

Plutôt que de segmenter les rôles entre SDR, AE ou CSM, Des imagine un futur où une seule personne, assistée par l’IA, pourra prendre en charge une plus grande partie du parcours client. C’est, d’une certaine manière, un retour aux débuts de la tech, une époque où des profils généralistes portaient un produit entier sur leurs épaules. La différence aujourd’hui, c’est que l’IA agit comme un amplificateur, offrant à chacun un levier démultiplié. Des est convaincu que les équipes et les leaders qui accepteront cette transformation, qui verront dans l’IA une façon d’élargir leur champ d’action plutôt que de défendre leur périmètre, seront ceux qui avanceront le plus vite.

Conclusion

Tout au long de la conversation, Des revient à une idée centrale. Oui, l’IA transforme le fonctionnement des produits. Mais elle permet aussi aux entreprises de repenser la façon dont elles planifient, prennent des décisions, organisent leurs équipes et redéfinissent leur avantage concurrentiel.

Ce changement repose sur un nouveau rythme opérationnel : l’exploration devient moins coûteuse, les cycles d’itération se raccourcissent, et la distance entre la vision et l’exécution se réduit considérablement. Pour les organisations prêtes à remettre en question leurs propres certitudes, l’IA devient un multiplicateur d’impact. Elle permet de tester des idées avant de s’engager, de modéliser les résultats avant d’agir, et de faire des choix avec plus de clarté et de confiance.

Mais les entreprises qui réussiront dans cette nouvelle ère ne seront pas celles qui ajoutent simplement de l’IA à leurs anciens processus. Ce seront celles qui accepteront de repenser ces processus entièrement à partir de zéro.