Call-bot.ai

GlossairePublié le

Barge-in (interruption de l'agent par l'appelant)

Définition

Le barge-in est la capacité d'un système vocal à se laisser interrompre : l'appelant peut couper la lecture d'un message en parlant ou en appuyant sur une touche, et ce qu'il dit ou saisit est alors pris en compte.

À retenir

  • Critère : le barge-in porte sur la parole de l'appelant pendant celle de l'agent ; l'endpointing porte sur la fin de sa parole. Dans le premier cas l'agent se tait, dans le second il répond.
  • Héritage du SVI : la spécification VoiceXML 2.0 du W3C (2004) prévoit déjà qu'un message soit interruptible par la parole ou par une touche, avec un attribut bargein à désactiver pour un avertissement ou un texte légal.
  • Réglable : par message ou en général. Twilio ConversationRelay expose interruptible (pas d'interruption, touches, parole ou les deux) et règle à part les interruptions pendant le message d'accueil ; OpenAI permet de laisser la réponse en cours aller à son terme malgré la parole de l'appelant (interrupt_response).

Comment ça marche

Selon Deepgram : détecter la prise de parole (par la transcription ou un détecteur d'activité vocale), couper la lecture immédiatement, signaler jusqu'où l'audio a été joué, puis ajouter au contexte du modèle le texte réellement entendu pour qu'il ne répète pas ce que l'appelant a déjà entendu. OpenAI décrit la même logique : détecter la parole, annuler la réponse en cours, puis tronquer la partie non jouée. Le W3C distingue deux types : speech (arrêt dès qu'une parole ou une touche est détectée) et hotword (arrêt seulement si l'entrée correspond à une grammaire active). Fonctions et chiffres relevés le 21/10/2026 dans les documentations.

Pièges et limites

  • Faux déclenchements : bruit, écho, simples « oui » ou « mm-hm ». Twilio propose un niveau de sensibilité intermédiaire qui réduit les fausses interruptions et une option qui ignore ces courtes marques d'écoute.
  • Messages à entendre en entier : le W3C recommande de désactiver le barge-in pour un avertissement, un texte légal ou une publicité.
  • Contexte désynchronisé : sans mise à jour de ce que l'appelant a entendu, le modèle croit avoir dit des phrases coupées.
  • Support variable : en 2004, le W3C notait que tous les moteurs de reconnaissance vocale et toutes les plateformes ne géraient pas le barge-in.

Voir aussi

Sources

Tout le glossaire