Call-bot.ai

GlossairePublié le

Agent vocal IA

Définition

Un agent vocal IA est un agent d'intelligence artificielle dont l'interface est la voix : il écoute, décide grâce à un modèle de langage et peut agir sur d'autres systèmes (agenda, base clients) pendant la conversation, au téléphone ou sur le web.

À retenir

  • Critère : la capacité d'agir. Le callbot se définit par son canal, le téléphone ; l'agent vocal IA par ce qu'il sait faire : décider et appeler des outils en cours de conversation. Cette distinction est celle de la rédaction, les éditeurs n'emploient pas ces mots de façon uniforme.
  • Plusieurs architectures coexistent selon OpenAI, dont une chaîne STT (reconnaissance vocale), agent, TTS (synthèse vocale) que l'on maîtrise étape par étape et un modèle speech-to-speech (voix à voix) qui interprète l'audio, décide et répond en parlant.
  • Dès qu'il appelle des outils, un agent vocal relève de l'IA agentique, avec les questions de contrôle que cela pose.

Comment ça marche

Le modèle choisit d'appeler un outil (une « fonction ») : consulter un agenda, chercher un dossier. L'application exécute l'appel, renvoie le résultat, et l'agent le formule oralement. Deepgram parle d'appels d'API et d'outils en cours de conversation. OpenAI précise que les outils permettent au modèle de consulter des données, d'agir ou d'appeler des services pendant la session vocale, et recommande les outils de type fonction lorsque l'application garde la logique métier et les contrôles d'approbation. ElevenLabs ajoute une base de connaissances interrogeable par RAG. Pour brancher des outils de façon standard, voir MCP. Fonctions et chiffres relevés le 21/10/2026 dans les documentations.

Pièges et limites

  • Autonomie et erreurs : Anthropic note que l'autonomie des agents entraîne des coûts plus élevés et un risque d'erreurs cumulatives.
  • Tester la tâche, pas seulement la conversation : OpenAI prend l'exemple d'un assistant de réservation et recommande de vérifier que le bon rendez-vous a bien été enregistré.
  • Latence des outils : Twilio cite les appels d'outils parmi les causes de pics de latence.
  • Tour de parole : ElevenLabs range le tour de parole, les interruptions et les délais d'attente parmi les réglages de la conversation.
  • Garde-fous : prévoir validation ou passage de relais vers un conseiller (human-in-the-loop).

Voir aussi

Sources

Tout le glossaire