Baixing facture ses agents IA au résultat, pas à l'abonnement

À mesure que les grands modèles gagnent en puissance, une question domine désormais les décisions d'achat des entreprises : pour quoi, exactement, sont-elles prêtes à payer ? Le rapport semestriel 2026 de Baixing, entreprise chinoise d'IA cotée à Hong Kong, apporte une réponse chiffrée : pas pour la capacité du modèle en soi, mais pour un résultat mesurable et facturable. Son chiffre d'affaires global a reculé sous l'effet d'un durcissement réglementaire, mais son activité AICC (AI Contact Center, centre de contact piloté par des agents IA) a bondi de 52 %, avec une croissance de 195 % sur les nouveaux secteurs hors finance.

Deux déploiements concrets illustrent cette dynamique. Chez un client du secteur logistique, le volume d'appels traités quotidiennement par les agents est passé de moins de 1 000 au lancement à plus de 15 000 fin août. Chez un grand courtier en valeurs mobilières, le nombre de postes d'agents déployés est passé d'environ 30 en début d'année à environ 210. Baixing appelle ces agents qui prennent en charge des tâches réelles de requête, de réclamation ou de vente des « employés au silicium », et les facture selon leurs résultats plutôt que par licence ou par siège — une vitrine chiffrée, rare, de la commercialisation des agents d'entreprise en Chine.

Deux courbes opposées dans les comptes

Au premier semestre 2026, Baixing a réalisé un chiffre d'affaires de 914 millions de yuans, en recul de 43 % sur un an ; sa marge brute est tombée de 73 % à 53 % et l'entreprise est passée d'un bénéfice de 201 millions de yuans à une perte de 322 millions. En cause, selon le rapport : une réglementation sur le crédit assisté par Internet entrée en vigueur en octobre 2025, complétée par de nouveaux textes au premier semestre 2026, qui a poussé plusieurs établissements financiers à suspendre certains produits — frappant directement les activités historiques de Baixing en aide à la décision et en marketing de crédit.

L'activité AICC, elle, a suivi une trajectoire inverse : 166 millions de yuans de revenus, +52 % sur un an, et une part dans le chiffre d'affaires total passée d'environ 6,8 % à 18,1 %. Dans le même temps, Baixing a choisi d'augmenter ses dépenses de R&D de 31 % à 394 millions de yuans (43 % du chiffre d'affaires) : sur 1 477 salariés fin juin, 901 travaillent en R&D, soit 61 % des effectifs. Le PDG Zhang Shaofeng a qualifié ce virage de « montée en gamme stratégique » lors de la présentation des résultats.

Du script téléphonique à la conversation qui aboutit

La génération précédente de robots de centre d'appel servait surtout les appels sortants scriptés — rappels, campagnes marketing standardisées. Les appels entrants complexes sont d'une autre nature : l'utilisateur arrive avec une question ouverte, un ton et une situation imprévisibles, et l'agent doit comprendre, tenir une conversation à plusieurs tours, puis interroger une base de connaissances et des systèmes internes pour aller au bout de la demande. Selon Zhang Shaofeng, les robots classiques transfèrent un appelant vers un humain dans 70 à 80 % de ces cas complexes — c'est précisément l'écart que la nouvelle génération d'AICC cherche à combler.

Le choix technique de Baixing est d'entraîner ses propres modèles de fondation spécialisés plutôt que de bâtir une couche applicative sur un modèle tiers : la société dispose de BR-Voice (voix multimodale), BR-LLM-Proactive (dialogue proactif) et BR-Vision-Doc (compréhension de documents), avec des tailles de paramètres volontairement contenues entre 0,4 et 30 milliards, pour privilégier précision, stabilité, latence et coût d'inférence plutôt que la taille brute. Zhang Shaofeng distingue explicitement cette approche de celle d'acteurs occidentaux comme Sierra ou Decagon, qui bâtissent leurs agents sur des modèles tiers d'OpenAI ou d'Anthropic : Baixing maîtrise en interne le pré-entraînement, le post-entraînement et l'optimisation d'inférence, ce qui lui permet, en cas d'incident en production, d'identifier plus vite si le problème vient de la couche applicative ou du modèle. Sur la tâche multilingue de compréhension de la parole du challenge INTERSPEECH 2026 MLC-SLM, Baixing revendique 94,84 % de précision, 3ᵉ mondial et 1ᵉʳ chinois. Sur le terrain, une équipe de « FDE » (ingénieurs de déploiement avancé) va cartographier les flux de travail existants chez le client pour les réorganiser en flux pilotés par des agents.

Facturer le résultat, pas l'abonnement

Le modèle RaaS (Results as a Service) de Baixing facture, selon les cas, les appels ou tickets résolus avec succès sans transfert vers un humain, le volume d'agents effectivement déployés, ou un partage sur le chiffre d'affaires généré. Sur le cas logistique, le coût de traitement par appel résolu serait déjà inférieur de plus de 50 % à celui d'un centre d'appel humain classique. Cela tranche avec la licence logicielle, l'abonnement SaaS ou la facturation au token : une fois le logiciel livré, le risque opérationnel reste chez le client, alors que la facturation au résultat fait entrer le prestataire technologique directement dans le processus métier, où performance, stabilité et coût du modèle deviennent son problème autant que celui du client.

Cette stratégie n'est pas improvisée : dès le 18 décembre 2025, Baixing Yunchuang avait officiellement lancé sa stratégie d'agents IA d'entreprise et sa plateforme « Results Cloud », autour d'un concept qu'elle appelle la « co-gouvernance silicium-carbone » — l'IA (silicium) prenant en charge les tâches standardisées et intensives en calcul, l'humain (carbone) se concentrant sur la stratégie, la créativité et la relation. La plateforme s'organise en trois couches — infrastructure et modèles propriétaires, système d'exploitation pour agents d'entreprise, et magasin d'agents prêts à l'emploi — et s'accompagne de quatre postes phares : un agent commercial et service client qui aurait fait tomber le turnover de l'équipe concernée de plus de 70 % à 0 % et augmenté le taux de conversion de 217 % ; un agent de recrutement qui aurait réduit le cycle d'embauche de 28 à 2 jours ; un agent de services professionnels pour l'expansion internationale qui aurait comprimé le délai de restitution de 90 à 14 jours ; et un agent de production de connaissances qui aurait ramené la livraison d'un rapport approfondi de 20 à 4 jours.

La prochaine étape de l'IA d'entreprise, ce n'est pas de mieux parler, c'est de mieux faire ; ce n'est pas de livrer une fonctionnalité, c'est de livrer un résultat.

De la finance à la logistique, à l'aérien et au courtage

Les capacités AICC de Baixing, affinées pendant sept à huit ans dans le secteur financier, se répliquent désormais vers la logistique, l'aérien, le courtage, la banque, les télécoms et l'assurance — des secteurs à forte densité de service, avec un volume élevé et récurrent d'interactions client et une concentration d'acteurs suffisante pour qu'un déploiement de référence chez un grand compte se réplique facilement en interne, puis chez ses concurrents. En juillet, treize institutions du secteur du courtage avaient signé ou étaient en cours de contractualisation avec Baixing. La société reconnaît toutefois que l'essentiel du temps de déploiement passe désormais dans les cycles de validation d'achat des grandes entreprises et l'intégration aux systèmes existants, le volume ne montant en charge qu'une fois la sécurité, la conformité et le périmètre du service validés.

Pour une entreprise en France qui évalue une offre d'agents IA, l'enseignement le plus direct est que le critère d'achat se déplace : de la richesse fonctionnelle vers des indicateurs de résultat vérifiables — taux de résolution sans transfert humain, coût par interaction traitée, capacité du fournisseur à démontrer une réplication à l'échelle. Pour les métiers du service client, du recrutement ou du back-office juridique, où les tâches sont déjà largement standardisées, ce cas chinois est un signal d'anticipation : quand une même brique technologique se réplique d'un secteur à l'autre, ce sont ces postes qui sont automatisés en premier, et il revient aux directions des ressources humaines de préparer, dès maintenant, la bascule des équipes vers les tâches qui demandent jugement et relation humaine plutôt que d'attendre l'arrivée effective des agents IA en entreprise.