Le chinois Liangpei facture $275 pour du matchmaking par IA et rembourse si aucun mariage n’a lieu en 3 ans

Les applications de rencontre classiques obéissent depuis longtemps à une logique étrange : plus l’utilisateur cherche longtemps, plus il paie. Fil infini, super likes payants, abonnement pour le simple fait de rester abonné. Une issue heureuse dessert le produit, puisqu’un couple satisfait quitte le service et cesse de rapporter de l’argent. Liangpei (« bon couple »), une start-up chinoise de Shenzhen, a décidé de renverser ce modèle.

Comment cela fonctionne

L’onboarding repose sur une conversation vocale. Pendant environ 20 minutes, l’utilisateur échange avec une entremetteuse IA et répond à 25 questions : historique de ses relations, projets de mariage, revenus, possession d’un logement et, à défaut, date prévue pour son acquisition. L’autre personne suit le même parcours. Le réseau neuronal construit les profils, calcule un score de compatibilité et recommande un partenaire.

Viennent ensuite des restrictions presque inexistantes dans les applications occidentales. Un seul match peut être actif. Tant que l’un des deux participants ne l’a pas définitivement clos, aucun échange avec d’autres personnes n’est possible. Ce choix neutralise délibérément la mécanique dopaminergique du swipe : inutile de continuer à faire défiler les profils lorsqu’une personne précise vous a déjà été proposée.

À titre de comparaison, un mouvement similaire se dessine aussi en Occident. Après un match, Breeze n’ouvre pas de chat et réserve directement une table dans un bar. Known fait passer à l’utilisateur un entretien vocal d’une demi-heure avec un réseau neuronal et ne facture que les rendez-vous confirmés.

Une tarification qui aligne les intérêts

Avec l’offre payante, l’utilisateur verse une seule fois 2000 yuans (environ $275). S’il ne s’est pas marié dans les 3 ans, il est remboursé. Si un mariage a eu lieu, il n’y a pas de remboursement. Ce délai n’a pas été choisi arbitrairement : le service a interrogé de jeunes personnes dans un bureau d’état civil de Shenzhen, et environ 70% d’entre elles s’étaient mariées dans les 3 ans suivant leur rencontre.

Il ne faut pas y voir une curiosité exotique, mais un changement de métrique. Une application de rencontre classique gagne de l’argent grâce à la rétention et à la LTV. Liangpei mise sur un résultat rapide et paie en quelque sorte son inefficacité sous forme de remboursement. L’entreprise a intérêt à voir l’utilisateur repartir heureux le plus vite possible. C’est un cas rare où le modèle économique et l’objectif du client coïncident.

Le matchmaking comme problème de recherche

Le fondateur, Zeng Xinxun, ne vient pas des rencontres, mais de la recherche. Il a travaillé sur des moteurs de recherche et des systèmes de recommandation chez WeChat et TikTok, puis a récemment occupé un poste de responsable technique chez Kimi. Sa thèse : trouver un partenaire est un problème de recherche, sauf qu’il ne s’agit pas de chercher des documents, mais des personnes. L’équipe entraîne actuellement un modèle qui estime, à partir de deux profils, la probabilité qu’une relation fonctionne.

Une précision s’impose : il s’agit encore d’un produit récent, lancé en juillet, et aucune donnée publique ne mesure la proportion réelle de mariages. Le chiffre de 70% repose sur une enquête menée dans un bureau d’état civil, et non sur une étude contrôlée. L’échantillon favorise donc les personnes qui allaient de toute façon se marier. Les questions sur les revenus et le logement reflètent également un contexte culturel précis et ne peuvent pas être transposées à l’identique sur d’autres marchés.

Ce que cela implique concrètement

Pour les équipes produit, la principale leçon est qu’une contrainte peut devenir une fonctionnalité. Le match actif unique, l’onboarding vocal et la rémunération au résultat servent de filtre pour évaluer le sérieux des intentions. Pour les développeurs, le remplacement des questionnaires par un entretien vocal avec un LLM est particulièrement intéressant : il produit un signal plus riche que des cases à cocher, tout en imposant une structure de 25 questions adaptée au scoring.

Pour les fondateurs, la conclusion est encore plus directe : si votre chiffre d’affaires augmente parce que le client ne parvient pas à résoudre son problème, le marché finira tôt ou tard par proposer un produit qui gagne de l’argent sur le résultat inverse. Un modèle assorti d’un remboursement exige d’avoir confiance dans la qualité du matching, et c’est précisément l’IA qui rend cette confiance au moins partiellement justifiable.