Ce que le test de Sierra a mesuré et ce qu'il a révélé
Le 21 octobre, Sierra, entreprise américaine d'agents de service client, a publié τ-i18n, une extension de sa suite de tests τ-bench. Elle évalue des agents vocaux dans cinq langues en plus de l'anglais : l'espagnol, le portugais du Brésil, le hindi, le coréen et le mandarin. Elle a réalisé 2 700 appels avec trois agents vocaux (GPT Live 1, Gemini 3.8 Live et Grok Voice Think Fast 2.0) sur les mêmes tâches de compagnie aérienne, de commerce et de télécommunications dans chaque langue.
Les principaux résultats sont les suivants :
- L'espagnol s'en sort bien sur les tâches : le taux de tâches accomplies en espagnol n'est inférieur que de 2,4 points à celui de l'anglais ; en portugais, l'écart est de 6,4 points.
- La conversation est le point faible : dans plus de 80 % des appels, GPT Live 1 et Gemini 3.8 Live n'ont pas répondu à un tour de parole du client, ont répondu lentement ou n'ont pas cédé la parole. Grok Voice Think Fast 2.0 a eu ce problème dans 16 % des appels.
- Ils réagissent à ce qu'ils devraient ignorer : selon l'agent, entre 26 % et 60 % des appels ont comporté plus de trois réponses à des interjections comme « hmm hmm » ou à des voix qui ne s'adressaient pas à l'agent.
- Personne ne gagne sur tous les plans : GPT Live 1 arrive en tête pour les tâches accomplies (79,9 %) et la qualité de langue ; Grok est en tête pour l'interaction, mais avec une faible qualité de langue. Selon Sierra, l'agent qui répond le plus vite n'est pas forcément celui qui parle le plus naturellement.
Sierra a publié le code pour que d'autres puissent ajouter des langues et des variantes régionales.
Les lancements de la semaine : Mistral et ElevenLabs
Le 20 octobre, la française Mistral AI a présenté Voxtral 3, une famille de modèles pour écouter, transcrire et parler, avec un kit de création d'agents vocaux basé sur LiveKit. Selon Mistral, la transcription en temps réel a une latence inférieure à 500 millisecondes, chaque tour de parole de l'agent s'effectue en moins d'une seconde, l'espagnol fait partie des langues prises en charge et les appels téléphoniques se connectent via SIP. Le service d'agent vocal coûte à partir de 0,04 dollar par minute et peut être utilisé depuis des serveurs en Europe ou installé sur l'infrastructure du client.
Le même jour, ElevenLabs a lancé Eleven Realtime, ses premiers modèles voix-à-voix pour agents, en deux versions : Mini, pour les conversations à faible coût, et Max, pour les tâches complexes comme le support ou la qualification de prospects. L'entreprise annonce un temps moyen jusqu'au premier son de 0,57 seconde pour Max et de 0,62 seconde pour Mini, la prise en charge de plus de 90 langues et la compatibilité avec l'interface temps réel d'OpenAI. Tous ces chiffres proviennent du fabricant.
Pourquoi la latence décide de la réussite d'un appel
Dans une conversation entre personnes, les pauses entre les tours de parole sont très courtes. Quand un agent vocal tarde à répondre, le client répète sa question, parle en même temps que l'agent ou raccroche. C'est pourquoi le secteur se bat à la milliseconde : chaque étape (écouter, réfléchir et parler) ajoute du délai, auquel s'ajoute le trajet de l'audio sur le réseau téléphonique et sur internet.
Le test de Sierra montre que la vitesse ne suffit pas. Un bon agent doit aussi savoir quand le client a fini de parler, ignorer les bruits ou les remarques adressées à une autre personne et accepter d'être interrompu. C'est pour la même raison que des opérateurs comme Orange et Elisa commencent à exécuter l'IA vocale au sein de leurs réseaux, plus près de l'utilisateur.
Ce que cela signifie pour les entreprises en Colombie et en Amérique latine
Les nouvelles sont bonnes pour ceux qui veulent automatiser des appels en espagnol : il y a plus d'options, des prix à la minute plus bas et des performances sur les tâches proches de celles de l'anglais. Mais avant de souscrire un agent vocal, il convient de poser ces questions au fournisseur :
- Combien de temps met-il à répondre lors d'un vrai appel ? Demandez à mesurer le délai entre le moment où le client finit de parler et celui où il entend la réponse, sur le réseau téléphonique, et non lors d'une démonstration web.
- Comment gère-t-il les interruptions et les interjections ? Essayez de l'interrompre, de dire « hmm hmm » ou de parler à quelqu'un à côté de vous.
- A-t-il été testé avec l'espagnol de Colombie ? Les tests utilisent un espagnol général ; accents, noms propres, numéros de pièce d'identité et adresses locales doivent être validés avec de vrais appels.
- Où la voix et les transcriptions sont-elles traitées et stockées ? Ce sont des données personnelles protégées par la loi sur la protection des données.
- Comment l'appel est-il transféré à une personne ? Il doit toujours exister une issue vers un conseiller humain, avec le contexte de ce qui a déjà été dit.
Chez 19 80 TIC Cloud, nous connectons des agents vocaux IA à vos numéros et à votre PBX ou centre de contacts dans le cloud, pour que vous puissiez les tester avec vos propres clients et basculer vers un conseiller quand c'est nécessaire.
