Guide d’achat des agents vocaux
Agents vocaux IA ou SVI conversationnel : guide d’achat d’un SVI IA
Comparez les SVI à menus, les parcours avec reconnaissance vocale, les agents LLM en cascade et les systèmes vocaux natifs en temps réel selon les contrôles déterministes, les outils, l’identité, le consentement, le transfert et les résultats des tests.
Définition des termes
Le SVI IA ne repose pas sur une architecture unique. Conservez le routage par touches DTMF et par grammaire pour les choix explicites et fiables ; ajoutez la parole pour recueillir des intentions bien délimitées ; utilisez un LLM ou un modèle vocal natif en temps réel seulement lorsque la conversation ouverte justifie son coût opérationnel. Combinez ces approches lorsque les appelants ont besoin à la fois d’un langage naturel et de contrôles sûrs.
- SVI traditionnel à menus/DTMF
- Un menu fixe ou une machine à états dans laquelle les touches du clavier et des messages prédéfinis déterminent l’étape suivante.
- SVI avec reconnaissance vocale
- Un SVI qui accepte la parole reconnue en complément ou à la place des touches DTMF, souvent à l’aide de grammaires ou d’un classificateur d’intentions à périmètre défini.
- Agent vocal en cascade
- Une chaîne de traitement en temps réel qui sépare la reconnaissance vocale, le raisonnement ou l’orchestration par un modèle de langage, et la synthèse vocale ; ses composants peuvent être remplaçables.
- Agent vocal natif en temps réel
- Un modèle ou une session qui reçoit et produit directement de l’audio ; l’application reste responsable de la téléphonie, des règles, des outils, des journaux et de l’escalade.
- Contrôle déterministe
- Un menu, une grammaire, un validateur, un contrôle d’autorisation ou une branche de règles dont les entrées et actions autorisées sont explicites et vérifiables.
- Action d’un outil
- Une opération d’API au périmètre restreint, assortie d’un schéma, d’une autorisation, d’une règle de confirmation, d’une garantie d’idempotence, d’une gestion des erreurs et de preuves d’audit.
- Transfert
- Le passage ou l’escalade vers une personne ou un système, avec conservation du contexte de l’appelant, de son intention, de la preuve d’identité, des actions tentées et du motif.
- Indice d’identité
- Un indice fourni par l’appelant ou déduit par le système ; le numéro de l’appelant ne suffit pas, à lui seul, à prouver son identité ou son autorisation.
- Consentement
- Une information, une autorisation et une trace pertinentes pour l’enregistrement, la transcription, l’automatisation des appels sortants ou l’utilisation des données ; les obligations dépendent du contexte et de la juridiction.
Choisissez le parcours le moins probabiliste qui accomplit la tâche
Comparez chaque option selon les mêmes critères opérationnels.
Faites glisser ou défiler le tableau pour voir toutes les colonnes.
| Critère | Entrée ou besoin | Périmètre de l’évaluation | Preuves à recueillir |
|---|---|---|---|
| Choix courant et délimité | Menu DTMF ou grammaire fixe | N’utilisez une conversation ouverte que si elle réduit réellement l’effort de l’appelant | Scénario indiquant la branche attendue et le parcours de secours |
| Formulation de l’appelant | Grammaire vocale délimitée et synonymes | Testez la compréhension des intentions face aux reformulations, au bruit et aux interruptions | Jeu d’appels commun avec transcription et intention attendue |
| Données sensibles | Saisie masquée ou parcours déterministe | Le modèle ne peut pas décider seul de l’autorisation | Compte de test, tentatives refusées et journaux expurgés |
| Actions des outils | Intentions explicites, validation et confirmation | Le modèle propose ; une passerelle et le service en aval décident | Trace des requêtes et réponses, décision d’autorisation et résultat de l’idempotence |
| Transfert | File ou branche connue | L’agent transmet un contexte exploitable et prévoit un recours en cas d’échec | Parcours de réception, données de contexte et test d’échec du transfert |
| Évolution des connaissances | Modifier les messages, menus ou grammaires | Versionnez la recherche documentaire et les appels de régression | Historique des modifications, version de la source et scénarios rejoués |
| Identité | Recueillir un identifiant au cours d’une étape contrôlée | Ne considérez pas le numéro de l’appelant ou sa voix comme une authentification suffisante | Séquence d’authentification, responsable du risque et tentatives de contournement rejetées |
| Déploiement progressif | Commencer avec des garde-fous et un périmètre restreint | N’élargissez le périmètre qu’après avoir atteint les critères de réussite sur des appels proches des conditions de production | Tableau de bord du pilote, seuils, surveillance et plan de retour en arrière |
Outil de décision réutilisable
Préparez une note de décision pour votre SVI IA
Vérifiez ce qui doit être prêt avant de choisir un SVI ou un agent vocal.
Exemple : un appelant veut modifier une date de livraison
Un SVI à touches peut orienter l’appelant vers le service des livraisons. Un SVI conversationnel peut reconnaître sa demande formulée oralement et lancer un parcours défini. Un agent vocal IA doté d’outils peut recueillir la nouvelle date et appeler un service de planification. Il s’agit de capacités différentes, même si toutes trois sont présentées comme une automatisation téléphonique par IA.
Dans votre comparaison, testez une date ambiguë, un créneau de livraison indisponible et une demande de parler à une personne. Vérifiez la réservation enregistrée et le contexte transmis lors du transfert. Choisissez le parcours le moins complexe qui accomplit la tâche de façon fiable, et prévoyez une solution de repli fixe lorsque l’automatisation ne peut pas aller au bout.
Distinguez les trois choix d’architecture SVI
Les menus DTMF traditionnels, les SVI avec reconnaissance vocale et les agents vocaux fondés sur un LLM ou un modèle en temps réel se situent à différents points d’un spectre de contrôle et de probabilité : ces appellations ne sont pas interchangeables. Un appelant qui dit « facturation » peut simplement être reconnu par une grammaire fixe puis orienté par un parcours déterministe.
Considérez « SVI IA » comme un terme de découverte jusqu’à ce que le fournisseur détaille le trajet entre la voix de l’appelant, la reconnaissance, l’orchestration, les outils, le transfert, l’enregistrement et les journaux. Demandez quelles étapes sont fixes, lesquelles dépendent du modèle et où aboutit une entrée ambiguë ou non reconnue.
Conservez des parcours déterministes pour les entrées délimitées et à risque élevé
Les touches DTMF et les grammaires explicites restent utiles pour les choix oui/non, les numéros de compte ou de confirmation, le choix de la langue, le routage vers une file et une solution de repli prévisible en matière d’accessibilité. Elles sont plus faciles à encadrer, car les entrées acceptées et la branche suivante sont visibles dans le parcours.
Pour les paiements, les modifications de comptes protégés ou d’autres actions aux conséquences importantes, confiez la validation et l’autorisation au service responsable des données. Le modèle vocal peut recueillir ou expliquer des informations, mais il ne doit pas décider en dernier ressort des permissions.
Comprenez la différence entre architecture en cascade et architecture native en temps réel
Un agent en cascade sépare la transcription de la parole, le raisonnement ou l’orchestration par un modèle de langage, et la synthèse vocale. Cette séparation peut faciliter le remplacement des composants et l’identification des pannes, tout en ajoutant des interfaces où le rythme, la ponctuation, la prononciation ou l’alternance des tours de parole peuvent se perdre.
Un agent natif en temps réel reçoit et produit de l’audio au cours d’une même session et peut réduire les interfaces fixes entre composants. Il peut aussi réduire le nombre de contrôles remplaçables indépendamment. Aucune des deux architectures ne garantit une meilleure réussite des tâches, une meilleure précision, une voix plus naturelle ou une latence plus faible ; mesurez l’ensemble du parcours téléphonique, opérateur, outils et transfert compris.
Traitez les outils et l’identité comme des frontières de contrôle
Laissez le modèle proposer une intention et des paramètres structurés, puis faites-les passer par une passerelle d’outils limités à une liste d’autorisation. Vérifiez le schéma, l’autorisation de l’appelant, la nécessité d’une confirmation, la clé d’idempotence, la limite de débit, l’état d’erreur et la trace d’audit avant qu’une lecture ou une écriture n’atteigne un système en aval.
Le numéro de l’appelant, le numéro de compte, le contexte de l’appareil ou les caractéristiques de la voix peuvent aider à orienter un appel, mais ne prouvent pas automatiquement l’identité. Choisissez une séquence d’authentification adaptée au risque, renforcez la vérification pour les actions protégées et indiquez explicitement dans l’état de l’agent lorsqu’aucune vérification n’a eu lieu.
Concevez le transfert comme un résultat à part entière
Un transfert ne réussit que si la file ou la personne destinataire peut agir. Transmettez l’intention exprimée par l’appelant, la partie pertinente de la transcription, l’état de vérification de l’identité, l’état du consentement, les outils tentés, l’erreur et le motif de l’escalade, sans exposer de données inutiles au destinataire.
Testez les transferts accompagnés et directs, l’indisponibilité de la file, le raccrochage de l’appelant, les tentatives répétées en double et le retour après intervention humaine. Mesurez le contexte reçu et la bonne action suivante, au lieu de vérifier seulement que l’agent a annoncé le transfert.
Utilisez le même dossier de preuves pour chaque architecture
Soumettez chaque solution finaliste aux mêmes scénarios courants, ambigus et non pris en charge. Incluez les touches DTMF et les synonymes prononcés, les pauses, les interruptions par l’appelant, les corrections, le bruit de fond, les accents, les noms, les nombres, les connaissances obsolètes, les tentatives d’injection de prompt, les défaillances d’outils et les échecs de transfert.
Consignez la réussite de la tâche, les réponses et actions erronées, l’escalade sûre, le contexte transmis, l’effort de l’appelant, le délai de réponse, les appels répétés et le coût total de la charge de travail. Distinguez les affirmations des fournisseurs des résultats observés ; aucun seuil universel ne remplace les exigences de votre tâche téléphonique et votre tolérance au risque.
Combinez les approches lorsque les appelants ont besoin d’accessibilité et de contrôle
Un parcours hybride peut commencer par un choix de langue ou une authentification déterministes, utiliser la parole conversationnelle pour découvrir l’objectif de l’appelant, n’appeler que des outils au périmètre défini, puis revenir à une confirmation fixe ou à un transfert humain avant toute action aux conséquences importantes.
Définissez la frontière pour chaque parcours au lieu d’imposer une seule architecture à toutes les files. Gardez une sortie par touches DTMF ou grammaire fixe, une réponse explicite aux demandes hors périmètre et un responsable capable de désactiver le parcours fondé sur le modèle sans mettre toute la ligne téléphonique hors service.
À présenter à chaque fournisseur
Votre liste de contrôle d’évaluation
- Cartographier les parcours actuels : menu, grammaire, parole, modèle, outil, file et solution de repli
- Distinguer les contrôles déterministes de la marge de décision du modèle
- Tester les touches DTMF, la parole, les interruptions, le silence, le bruit, les accents, les noms et les nombres
- Tester les demandes non prises en charge, les connaissances obsolètes, les injections de prompt et les défaillances d’outils
- Vérifier l’identité et l’autorisation avant toute lecture ou écriture de données protégées
- Définir les exigences relatives à l’enregistrement, à la transcription, à l’information sur l’IA, au consentement et au refus
- Vérifier le contexte des transferts accompagnés et directs ainsi que la reprise après un échec de transfert
- Ramener à une base comparable les coûts de téléphonie, du modèle, de la parole, des outils, des transferts, de l’évaluation et du support
- Fixer les seuils de réussite et d’échec, les responsables de la surveillance et un plan de retour en arrière
Utilisez l’outil de décision ci-dessus et la feuille de travail complète du pilote pour consigner les résultats de chaque fournisseur présélectionné : Espace de sélection.
Sources primaires
Résumé des sources vérifié le 2026-09-04.
Dans VoiceXML, les champs peuvent associer des grammaires explicites pour la parole et les touches DTMF, puis renvoyer des interprétations sémantiques.
Twilio Gather accepte les touches DTMF, la parole ou les deux, puis transmet l’entrée reconnue à une URL d’action.
Microsoft décrit un parcours en cascade de transcription de la parole et un parcours natif de parole à parole, avec des compromis différents en matière de contrôle.
Le modèle Realtime d’OpenAI prend en charge l’entrée et la sortie audio via WebRTC, WebSocket ou SIP, ainsi que l’appel de fonctions.
OWASP recommande de limiter les fonctions et permissions des outils au strict nécessaire, de soumettre les actions à fort impact à approbation, et de prévoir des journaux et des limites de débit.
Le NIST définit l’authentification comme la preuve du contrôle d’un ou plusieurs authentificateurs associés au compte d’un abonné.
La FCC indique que les appels sortants utilisant une IA ou une voix artificielle relèvent des règles du TCPA sur les voix artificielles ou préenregistrées.
Le cadre AI RMF du NIST fournit des recommandations volontaires pour gérer la fiabilité tout au long de la conception, du développement, de l’utilisation et de l’évaluation de l’IA.
Amazon Connect représente une interaction transférée sous la forme d’une chaîne de contacts et peut conserver des attributs contextuels entre ses segments.
Fournisseurs à étudier
Voir les 27 fournisseurs →Ces exemples couvrent les modèles opérationnels abordés dans ce guide.
Faites glisser ou défiler le tableau pour voir toutes les colonnes.
| Fournisseurs | Points à examiner | Points à examiner |
|---|---|---|
| ConversationRelay | Vérifiez Interface vocale en cascade avec LLM fourni par le développeur sur votre véritable parcours téléphonique, puis testez Non documenté publiquement. | Ce n’est pas un agent prêt à l’emploi. La région, l’opérateur, l’enregistrement, la conformité, le modèle et l’application restent à la charge de l’équipe qui l’intègre. Sources de la fiche · vérifiées le 2026-09-04 |
| Realtime API | Vérifiez Entrées et sorties audio natives avec appel d’outils sur votre véritable parcours téléphonique, puis testez Non documenté publiquement. | Ce n’est pas un centre de contact clé en main. Il faut mettre en œuvre l’exploitation téléphonique, l’identité, les outils, la surveillance, l’évaluation, la conservation des données et l’escalade. Sources de la fiche · vérifiées le 2026-09-04 |
| Amazon Connect Customer AI with Nova Sonic | Vérifiez Chaîne Connect configurable avec option Nova Sonic native sur votre véritable parcours téléphonique, puis testez Non documenté publiquement. | Vérifiez la région, la langue, l’accès au modèle, l’opérateur, l’enregistrement, les journaux, la conservation et tous les frais AWS supplémentaires. Sources de la fiche · vérifiées le 2026-09-04 |
| Copilot Studio Voice | Vérifiez Mode natif GPT-Realtime ou mode GPT-5-Chat en cascade sur votre véritable parcours téléphonique, puis testez Non documenté publiquement. | Les noms des produits, licences, préversions et architectures varient. Exigez une décomposition des coûts de Copilot, Dynamics, Azure, de la téléphonie et des services. Sources de la fiche · vérifiées le 2026-09-04 |
| Cognigy.AI | Vérifiez Chaîne en cascade avec fournisseurs STT et TTS configurables sur votre véritable parcours téléphonique, puis testez Non documenté publiquement. | Confirmez l’architecture actuelle, la disponibilité, les contrôles d’appel, la gestion des données, la couverture linguistique et le coût complet dans un pilote au périmètre défini. Sources de la fiche · vérifiées le 2026-09-04 |
Questions des acheteurs
Questions des acheteurs
Un SVI conversationnel est-il la même chose qu’un agent vocal IA ?
Non. Un SVI conversationnel peut se limiter à la reconnaissance vocale et à une grammaire d’intentions délimitée dans un parcours déterministe. Un agent vocal IA ajoute généralement un dialogue piloté par modèle, de la recherche documentaire ou des outils. Demandez où le modèle peut modifier le parcours et ce qui reste fixe.
Quand faut-il conserver un menu DTMF ?
Conservez-le pour les choix explicites, les identifiants numériques, le routage prévisible, les frontières à risque élevé ou comme solution de repli pour l’accessibilité et les pannes. Vous pouvez ajouter la parole à certaines étapes sans remplacer tous les contrôles déterministes.
La parole à parole native rend-elle les contrôles SVI inutiles ?
Non. Le traitement direct de l’audio modifie le parcours du modèle, mais pas vos responsabilités en matière d’autorisation, de consentement, d’outils, de téléphonie, de transfert, de journalisation ou de retour en arrière. Encadrez les actions aux conséquences importantes par des contrôles déterministes.
Le numéro de l’appelant peut-il servir à l’authentifier ?
Considérez-le comme un indice utile au routage ou à l’évaluation du risque, pas comme une preuve d’identité. Pour les actions protégées, utilisez une méthode d’authentification adaptée à la menace et consignez la réussite ou l’échec de la vérification avant l’exécution de l’outil.
Un SVI IA doit-il toujours permettre de joindre une personne ?
Il doit offrir un recours accessible à une personne ou à un parcours sans modèle dans les cas définis d’échec, de risque, de besoin d’accessibilité ou de demande de l’appelant. Mesurez si le parcours destinataire reçoit assez de contexte pour résoudre l’appel.
Comment comparer équitablement les fournisseurs de SVI IA ?
Confiez à chaque finaliste la même tâche téléphonique, le même parcours opérateur, les mêmes permissions d’outils, règles d’identité et de consentement, scénarios, hypothèses de volume et critères de réussite. Comparez les résultats observés et les coûts complets, plutôt qu’une appellation comme « SVI IA » ou « conversationnel ».
Continuez à élaborer votre sélection
Parcourir les fournisseurs d’agents vocaux →Comparer les architectures natives et en cascade →Examiner les contrôles de consentement et de conformité →Créer une présélection fondée sur des preuves →Tous les guides d’achat →Évaluer les langues avec de vrais appels
Testez la reconnaissance, la qualité de la voix, les interruptions, le changement de langue, l’utilisation des outils et le transfert vers un humain avec vos propres appels dans la langue requise. La disponibilité peut varier selon le modèle, l’offre et le parcours téléphonique.
DocsBot documente les processus vocaux multilingues et la prise en charge du japonais. Vérifiez la voix exacte, le parcours téléphonique et les transferts lors de votre pilote. Consulter les informations de DocsBot sur les langues ↗
Les affirmations des autres fournisseurs sur les langues proviennent des sources citées. Confirmez directement auprès de chacun la prise en charge du japonais et des autres langues requises.
Une inscription ne constitue ni une recommandation ni une garantie de performance. Cet annuaire est publié par DocsBot. Politique éditoriale