Développement d'un agent vocal IA
Un standard téléphonique IA branché sur vos outils
Nous développons l'agent qui répond au téléphone, qualifie l'appel, écrit dans votre agenda ou votre CRM, et passe la main à un humain quand il faut. Téléphonie, voix et modèle assemblés par nous, du cadrage au monitoring.
- Équipe produit senior
- agent vocal en production
- latence et coût mesurés par appel
À quoi sert un agent vocal IA et quand faut-il le faire développer ?
Un agent vocal IA décroche le téléphone à la place de vos équipes, identifie l'appelant, comprend son motif et agit directement dans vos outils : prise de rendez-vous, création de ticket, mise à jour d'un dossier. Il ne remplace pas un conseiller humain sur les sujets complexes, mais il absorbe le premier niveau d'appels sans délai ni file d'attente. On fait développer un agent vocal sur mesure quand le volume d'appels entrants est trop important pour être traité manuellement, ou quand le parcours téléphonique doit se connecter à un logiciel métier spécifique qu'un standard du marché ne peut pas atteindre.
Ce que nos clients font traiter par un agent vocal
Standard de nuit et de week-end
Les appels hors horaires sont pris, qualifiés et résumés au lieu d'être perdus. Le lendemain matin, vos équipes trouvent un ticket avec le transcript.
Prise et déplacement de rendez-vous
L'agent lit vos disponibilités, réserve le créneau dans l'agenda et envoie la confirmation par SMS ou par e-mail. Aucune ressaisie derrière.
Réception des appels de dépannage
Identification du contrat, évaluation de la criticité, création de l'intervention dans votre outil métier, escalade vers l'astreinte au-delà du seuil.
Rappel des demandes de devis
Les formulaires incomplets sont rappelés, les informations manquantes collectées, et vos commerciaux reçoivent un dossier qualifié au lieu d'une ligne vide.
Ce que ça change dans votre exploitation
La technique au service d'un résultat mesurable : plus un appel perdu, moins de saisie, un motif d'appel enfin mesurable.
Plus un appel qui tombe dans le vide
La nuit, le week-end et les pics de trafic sont couverts. Pour une activité qui vit du rendez-vous, c'est du chiffre d'affaires capté, pas une économie de poste.
Le temps humain va aux cas qui comptent
Le premier niveau part à l'agent. Ce qui reste humain arrive avec le contexte déjà collecté, le contrat identifié et le motif écrit noir sur blanc.
La saisie disparaît pendant l'appel
L'agent écrit directement dans l'agenda, le CRM ou l'ERP. Le délai entre la demande du client et son enregistrement tombe à zéro, et les erreurs avec.
Les motifs d'appel deviennent une donnée
Chaque appel produit un transcript structuré. Vous savez enfin pourquoi on vous appelle, en quelle proportion, et ce qui mérite d'être corrigé en amont.
Comment nous livrons votre agent vocal
Cadrage
Entrant ou sortant, type de numéro, volumes, cas à couvrir et cas exclus. La règle de transfert humain et le cadre légal sont tranchés avant de coder.
Prototype d'appel
Un numéro de test joignable en français dès la deuxième semaine, avec annonce IA, une intention réelle et le transfert vers un humain déjà branché.
Mesure et réglage
Rejeu d'un corpus d'appels français, y compris bruit, accent et épellation. Réglage de l'interruption, de la latence et du coût par appel.
Monitoring
Latence par tour, taux de bascule humaine, coût par appel et transcripts horodatés dans un tableau de bord, avec plafond de dépense journalier.
Ce que permet un agent vocal aujourd'hui
- Conversation en temps réel
- L'API temps réel d'OpenAI se connecte en WebRTC pour le navigateur et le mobile, en WebSocket quand votre serveur reçoit l'audio, en SIP pour la téléphonie.
- Téléphonie et transfert d'appel
- Un appel entrant déclenche un webhook. L'agent accepte, refuse avec un code SIP, transfère vers un numéro ou raccroche. Le transfert est une primitive.
- Gestion de la coupure de parole
- Twilio ConversationRelay règle l'interruptibilité, la sensibilité et le filtrage des « oui, d'accord ». C'est ce qui sépare un agent agréable d'un répondeur.
- Détection de fin de parole
- Le détecteur de tour de parole de LiveKit encode l'audio pour capter l'intonation, couvre le français, et descend le délai par défaut à 0,3 seconde.
Le vocabulaire d'un agent vocal
- Endpointing
- Détection de la fin de parole de l'appelant. C'est le premier maillon de la latence perçue : trop court, l'agent coupe la parole ; trop long, il paraît lent. LiveKit descend son délai par défaut à 0,3 seconde, avec un plafond à 2,5 secondes.
- Barge-in
- Capacité de l'appelant à couper l'agent pendant qu'il parle. Twilio ne le règle pas par un booléen mais par degrés, et filtre les « hmm oui » pour éviter qu'un agent se coupe en permanence sur des acquiescements.
- refer
- Opération de transfert d'appel vers une cible, un numéro de téléphone par exemple. C'est la primitive qui rend le passage à un humain propre, avec le contexte déjà collecté, au lieu d'un « rappelez plus tard ».
- Rejeu de contexte
- Sur une API temps réel, chaque tour renvoie l'historique de la conversation au modèle. Un appel de dix minutes mal conçu coûte plusieurs fois un appel de dix minutes bien conçu, avec une fenêtre de 32 000 tokens.
- Article 50 de l'AI Act
- Obligation d'informer la personne qu'elle interagit avec un système d'IA, sauf évidence contextuelle. Elle couvre les callbots et les voicebots, avec des sanctions annoncées jusqu'à 15 millions d'euros ou 3 % du chiffre d'affaires mondial.
- Numéro NPV
- Catégorie de numéro imposée en France pour l'appel sortant automatisé et la vente. Twilio interdit explicitement ces usages depuis un numéro géographique ou mobile français, et exige K-bis, SIREN et adresse en France.
Les contraintes réelles d'un agent vocal
La latence est le produit, pas une option
Elle s'additionne : fin de parole, transcription, modèle, synthèse, réseau, passerelle. Un seul maillon lent suffit à faire raccrocher l'appelant. La documentation OpenAI conseille d'ailleurs un effort de raisonnement bas en production vocale.
Le coût est la somme des couches
Chez Retell, la grille publique va de 0,07 à 0,31 dollar la minute : infrastructure voix, synthèse, téléphonie, puis des options à la minute comme la base de connaissances ou la suppression des données personnelles.
Annoncer la machine est une obligation
L'article 50 de l'AI Act impose d'informer l'appelant qu'il parle à une IA. Les sources juridiques françaises consultées situent son application au 2 août 2026 pour les callbots. Nous l'intégrons dès l'annonce de décroché.
Le démarchage sortant a changé de régime
Depuis le 11 août 2026, l'article L. 223-1 du code de la consommation exige un consentement préalable pour tout démarchage téléphonique. Un agent de prospection grand public se cadre juridiquement avant la première ligne de code.
Plateforme clé en main ou assemblage sur mesure ?
Deux chemins pour mettre un agent vocal en production. Le bon dépend de votre échéance et de ce qui devient structurant ensuite : la latence, le coût à l'échelle ou la souveraineté.
| Critère | PlateformeVapi, Retell | AssemblageLiveKit, temps réel |
|---|---|---|
| Délai de mise en service | Quelques jours | Trois à quatre semaines |
| Structure de coût | Marge de la plateforme à la minute | Coût des briques seules |
| Maîtrise de la latence | Les réglages exposés | Chaque maillon réglable |
| Logique métier | Outils et workflows fournis | Votre code, sans limite |
| Hébergement | Chez le fournisseur | Cloud ou auto-hébergé |
| Changement de brique | Selon le catalogue | Un changement de configuration |
| Le bon cas | Valider l'usage vite | Tenir le volume et le coût |
Le mauvais choix n'est pas l'un ou l'autre, c'est de ne pas pouvoir passer du premier au second. Nous plaçons chaque brique derrière une interface interne pour que la bascule reste un changement de configuration et un test de non-régression.
Ce que nous mesurons sur un agent vocal
Les autres briques IA
Un agent vocal se combine avec ces briques plus souvent qu'il ne s'y substitue.
GeminiLe modèle qui décide, quand le texte suffit et que la voix n'est pas le sujet.
MistralL'option souveraine, hébergée en France, quand la donnée l'exige.
HeyGenL'avatar vidéo, quand la voix seule ne porte pas le message.
ElevenLabsNous développons votre connecteur ElevenLabsTranscriptionNous développons votre connecteur de transcription
Anthropic (Claude)Un modèle qui appelle vos outils, pas un chat de plus
OpenAILe modèle écrit dans vos outils, il ne discute pas
CursorL'agent atteint vos outils internes, pas juste votre codeOn combine Agent vocal IA avec
La stack qui entoure un agent vocal sur nos projets.
Agent vocal IA : vos questions
Quatre étapes. D'abord cadrer : entrant ou sortant, quels motifs d'appel couverts, quels motifs exclus, et à quel signal l'agent passe la main. Ensuite choisir l'assemblage : une plateforme comme Vapi ou Retell pour valider l'usage en quelques jours, ou un assemblage direct sur une API temps réel et un trunk SIP quand la latence et le coût deviennent structurants. Puis brancher les outils métier, agenda, CRM ou ERP, pour que l'agent écrive pendant l'appel au lieu de laisser un message. Enfin mesurer sur vos propres appels : latence par tour, taux de bascule humaine, coût moyen. La difficulté n'est pas de faire parler un modèle, c'est de tenir une conversation en français au téléphone quand ça bruite et que l'appelant épelle son nom.
Le coût réel est celui de la somme des couches, pas du modèle. La grille publique de Retell s'échelonne de 0,07 à 0,31 dollar la minute, décomposée entre infrastructure voix, synthèse vocale, téléphonie, et des options à la minute comme la base de connaissances ou la suppression des données personnelles. Chez OpenAI, le modèle temps réel est facturé au token audio, ce qui déplace le sujet vers la conception : à chaque tour l'historique est renvoyé, donc un appel mal conçu coûte plusieurs fois un appel bien conçu. Nous posons un plafond de dépense par appel et par jour, avec une dégradation contrôlée quand le plafond approche, et nous vous remettons la décomposition avant de développer.
Le premier niveau, oui : identifier l'appelant, comprendre le motif, prendre un rendez-vous, créer un ticket, orienter. Au-delà, non, et c'est le seul déploiement honnête. Les conversations à plusieurs tours d'ambiguïté, les demandes émotionnelles ou litigieuses, l'épellation longue, les environnements très bruités, les appelants qui parlent en même temps que l'agent et les mélanges de langues en cours d'appel restent hors de portée. Un agent qui prétend tout traiter dégrade l'image de marque plus vite qu'un serveur vocal assumé. Nous concevons donc la porte de sortie humaine en premier : intention non reconnue deux fois, mot déclencheur, détection d'agacement, échec d'outil, sujet exclu.
Oui. L'article 50 de l'AI Act impose d'informer la personne qu'elle interagit avec un système d'IA, sauf évidence contextuelle, et les sources juridiques françaises consultées confirment son application aux callbots et aux voicebots au 2 août 2026, avec des sanctions annoncées jusqu'à 15 millions d'euros ou 3 % du chiffre d'affaires mondial. S'y ajoute la doctrine de la CNIL sur l'écoute et l'enregistrement des appels : information au moment de l'appel, finalité, base légale et destinataires. Concrètement cela donne une annonce de décroché, une durée de conservation définie, une séparation entre données d'exploitation et données de mise au point, et un registre de traitements à jour. Nous posons ce cadre au cadrage, pas après la mise en production.
C'est le cas le plus contraint. La loi du 30 juin 2025 a réécrit l'article L. 223-1 du code de la consommation, entré en vigueur dans cette rédaction le 11 août 2026 : le consentement préalable du consommateur est exigé pour tout démarchage téléphonique, Bloctel disparaît, et un contrat conclu sans consentement est nul. S'y ajoute une contrainte de numérotation, Twilio interdisant explicitement l'appel sortant automatisé et la vente depuis un numéro géographique ou mobile français. Un agent sortant reste faisable sur une base consentie, en rappel d'une demande entrante par exemple, ou en enquête de satisfaction après intervention. Le cadrage juridique passe avant le développement, pas après.
Un projet d'agent vocal IA ?
Parlons-en. 30 minutes pour cadrer les motifs d'appel à couvrir, le cadre réglementaire applicable et vous dire franchement ce qui est faisable aujourd'hui.
Parler de mon projet vocal