Intel

HG Insights lance sa plateforme Revenue Growth Intelligence avec de l'IA agentique

HG Insights présente la plateforme RGI : données technographiques, d'intention et de dépenses IT réunies, trois copilotes IA et un Agent Builder agentique pour les équipes GTM.

Updated April 20, 2026

Ce qui s’est passé

Le 24 mars 2026, HG Insights annonce le lancement de sa plateforme Revenue Growth Intelligence (RGI). L’éditeur la présente comme la première plateforme unifiée du secteur : elle réunit dans une seule expérience pilotée par l’IA les données technographiques, les signaux d’intention d’achat, les dépenses IT, les centres de décision et les contacts. En parallèle, HG Insights lance le RGI Agent Builder. Cette couche d’infrastructure agentique permet aux équipes GTM des grands comptes de créer leurs propres agents IA, alimentés par les données propriétaires de HG Insights.

La plateforme RGI repose sur ce que HG Insights appelle la « Revenue Growth Intelligence Fabric ». Cette couche de données agrège près de 50 pétaoctets d’informations tierces, collectées et consolidées sur 15 ans, puis affinées en un modèle spécialisé pour l’intelligence go-to-market. La Fabric fournit des données firmographiques, technographiques, de dépenses, concurrentielles et d’intention d’achat, issues de milliards de points de données. Son objectif : alimenter une analyse GTM précise et granulaire dans les CRM, les plateformes de gestion de données et les copilotes IA.

La plateforme intègre trois copilotes IA, chacun dédié à une fonction GTM. Market Analyzer aide à identifier et à dimensionner les opportunités de marché. Il indique aux CMO, aux équipes RevOps et aux responsables stratégie les segments à prioriser et les zones où les concurrents gagnent ou perdent du terrain. Sales Copilot place l’information sous les yeux des commerciaux au moment de la décision : il automatise la recherche de comptes, déclenche des sales plays et raccourcit les cycles de vente. Data Studio permet aux équipes marketing et RevOps de scorer et de prioriser leads et comptes. Il croise les données internes avec celles de la Fabric et applique des modèles prédictifs.

Pourquoi c’est important pour les praticiens

Avec la plateforme RGI, HG Insights change la façon dont les organisations GTM reçoivent et utilisent l’intelligence de marché. L’éditeur ne se positionne plus comme simple fournisseur de données. Il propose désormais un système d’exploitation de l’intelligence : une plateforme où données, copilotes et workflows agentiques convergent pour réduire l’écart entre l’analyse et l’action.

1. L’Agent Builder apporte l’IA agentique aux workflows d’intelligence de marché. Le RGI Agent Builder, disponible en avant-première, s’appuie sur des outils Model Context Protocol (MCP) et des agents préconfigurés. Il permet de construire des maillages d’agents IA sur mesure dans toute la stack GTM. Il relie l’intelligence, les agents et les copilotes de HG à Microsoft Copilot, Salesforce Agentforce et OpenAI. Pour les praticiens CI qui cherchent comment automatiser la competitive intelligence, l’Agent Builder offre un exemple concret d’IA agentique appliquée aux workflows d’intelligence. Il ne s’agit pas d’une capacité théorique, mais d’une infrastructure prête pour la production, connectée aux systèmes GTM existants.

2. La convergence des données technographiques et d’intention redistribue les cartes. HG Insights réunit sur une seule plateforme quatre types de données : technographiques (les technologies qu’une entreprise utilise), données d’intention (ce qu’elle recherche activement), dépenses IT (ce qu’elle investit) et centres de décision (qui décide). L’éditeur concurrence ainsi les acteurs qui vendent ces données comme produits séparés. Pour les équipes CI qui évaluent des fournisseurs de données, la plateforme RGI pose une question pratique : vaut-il mieux assembler une stack de fournisseurs spécialisés, ou consolider autour d’une plateforme qui met plusieurs types de données en contexte dans une seule expérience ?

3. Sales Copilot fait entrer l’intelligence dans le cycle des deals. Sales Copilot automatise la recherche de comptes et déclenche des sales plays. Il répond directement au cas d’usage deal intelligence, une priorité croissante des organisations revenue. Les commerciaux n’ont plus à ouvrir une plateforme d’intelligence séparée : Sales Copilot affiche l’information en contexte, dans les outils qu’ils utilisent déjà. Pour les praticiens CI, ce modèle (l’intelligence livrée dans le flux de travail, pas via une recherche à part) confirme un besoin : concevoir les livrables CI (battlecards, alertes concurrentielles, analyses win/loss) pour une consultation au moment de la décision.

4. L’intégration MCP révèle une tendance de fond vers l’interopérabilité. Le choix du Model Context Protocol pour l’Agent Builder reflète un consensus croissant sur le marché de l’intelligence GTM : les agents IA ont besoin de moyens standardisés pour se connecter aux sources de données. Grâce à MCP, des agents qui tournent sur d’autres plateformes (Salesforce, Microsoft, OpenAI) peuvent exploiter l’intelligence de HG sans intégration sur mesure. Pour les équipes CI qui construisent ou évaluent des workflows d’intelligence augmentés par l’IA, la compatibilité MCP devient un critère de sélection. Elle détermine si une source de données peut s’intégrer à une architecture agentique ou reste isolée en silo.

Points clés

  • Date d’annonce : 24 mars 2026
  • Plateforme : Revenue Growth Intelligence (RGI) Platform
  • Socle de données : RGI Fabric, soit près de 50 pétaoctets de données collectées sur 15 ans
  • Types de données unifiés : technographiques, intention d’achat, dépenses IT, centres de décision et contacts
  • Copilotes IA :
    • Market Analyzer : dimensionnement de marché, segmentation et positionnement concurrentiel pour les CMO, les équipes RevOps et les responsables stratégie
    • Sales Copilot : recherche de comptes automatisée, déclenchement de sales plays et accélération des cycles pour les commerciaux
    • Data Studio : scoring des leads et des comptes avec des modèles prédictifs explicables pour le marketing et les RevOps
  • Infrastructure agentique : RGI Agent Builder (avant-première), pour créer des agents IA sur mesure avec des outils MCP et des agents préconfigurés
  • Intégrations : Microsoft Copilot, Salesforce Agentforce, OpenAI
  • Clients : 75 % des entreprises tech du Fortune 100

Implications pour le marché

Le lancement de la plateforme RGI illustre une tendance plus large : les éditeurs d’intelligence passent du statut de fournisseurs de données à celui de plateformes qui intègrent l’intelligence directement dans les workflows GTM. Gong, ZoomInfo et 6sense ont suivi la même trajectoire. Chacun est parti d’une capacité de données centrale (conversation intelligence, données de contact, signaux d’intention) pour construire une plateforme plus large, avec IA, automatisation et outils de workflow.

Sur le segment de l’intelligence de marché, l’approche plateforme de HG Insights relève le niveau de la concurrence. Les éditeurs qui vendent encore des flux de données ou des tableaux de bord statiques vont subir une pression croissante. Face à eux : des plateformes qui mettent les données en contexte, les livrent via des copilotes et rendent possibles des workflows agentiques. Avec 50 pétaoctets de données et 15 ans d’historique, HG Insights occupe une position solide sur le créneau technographique. Mais son pari plateforme part d’un constat : la profondeur des données ne suffit plus. Les acheteurs veulent une intelligence qui agit, pas seulement une intelligence qui informe.

Le RGI Agent Builder, encore en avant-première, mérite un suivi attentif. Si les équipes GTM des grands comptes adoptent à grande échelle les architectures d’agents basées sur MCP, la dynamique concurrentielle du marché de l’intelligence de marché peut changer en profondeur. Les éditeurs dont les données sont exploitables par des agents autonomes s’ancreront plus profondément dans les workflows clients que ceux qui exigent une interaction manuelle. Pour les praticiens CI, c’est un signal précoce à évaluer : parmi les éditeurs de votre stack, lesquels préparent un futur agentique, et lesquels conçoivent encore pour une consommation uniquement humaine ?

L’accent mis sur les modèles prédictifs explicables dans Data Studio mérite aussi l’attention. Le marché s’interroge sur la confiance accordée à l’IA, un thème que reprend la récente étude de Gong sur les freins à la confiance dans l’IA en entreprise. L’explicabilité devient donc un facteur de différenciation. Les équipes CI qui évaluent des plateformes d’intelligence de marché doivent vérifier une chose : les résultats produits par l’IA (scores de leads, priorités de comptes, signaux concurrentiels) sont-ils assez transparents pour créer la confiance en interne et obtenir l’adhésion des parties prenantes ?

Ressources associées