Et si la prochaine interface de l’IA… était la voix ?

Les interfaces d'intelligence artificielle (IA) génératives ont longtemps été dominées par le texte, comme écrire à une machine. Cependant, selon Julien Lesaicherre, directeur général d'ElevenLabs en France, cette domination n'est qu'un point de départ. L'IA vocale, capable de converser naturellement avec les humains, représente l'avenir des interactions avec les machines. Pendant des années, les assistants vocaux étaient limités par des voix robotiques et des conversations peu naturelles. Aujourd'hui, grâce aux progrès technologiques, ces limites sont en train de disparaître, rendant les échanges avec l'IA plus fluides et humains.

Les avancées récentes en IA vocale concernent plusieurs aspects techniques. D'abord, la transcription automatique de la parole (speech-to-text) a vu sa précision s'améliorer considérablement. Par exemple, ElevenLabs est passé d'un taux d'erreur de 8% à 15% à seulement 2,3% à 2,5%, un niveau inférieur à celui d'un humain. Ensuite, les technologies de gestion des interruptions, des pauses et du rythme de la conversation permettent de reproduire des échanges plus naturels. Enfin, l'IA peut désormais détecter les émotions de l'interlocuteur, comme l'hésitation, la colère ou la joie, et adapter ses réponses en conséquence. Ces innovations transforment une simple interaction en une conversation presque humaine.

Les services clients sont l'un des premiers domaines où l'IA vocale est testée et déployée. Les interactions y sont souvent répétitives et cadrées, comme des demandes de suivi de commande ou des questions de facturation. Par exemple, Klarna a déployé un agent vocal d'ElevenLabs aux États-Unis, capable de résoudre certaines demandes jusqu'à dix fois plus rapidement qu'un humain. Dans le commerce, des entreprises comme Deutsche Telekom intègrent des IA vocales pour traduire des conversations en temps réel. Pour un utilisateur, cela signifie remplacer des formulaires complexes par un dialogue oral fluide, comme pour déclarer un sinistre auprès d'une assurance habitation. En Ukraine, ElevenLabs collabore avec le ministère de la Transformation numérique pour rendre certains services publics accessibles via des agents conversationnels.

Malgré ses avancées, l'IA vocale doit relever un défi majeur : éviter les hallucinations, c'est-à-dire les réponses inventées ou hors contexte. Pour limiter ces risques, ElevenLabs utilise une approche basée sur des agents spécialisés, chacun dédié à une tâche précise, comme les remboursements ou les changements d'adresse. Cette spécialisation réduit les erreurs en limitant le périmètre d'action de chaque IA. De plus, des instructions strictes et des garde-fous techniques empêchent l'IA d'accéder à des données hors de son domaine ou de manipuler les réponses. Ces mesures visent à garantir la fiabilité des interactions, surtout dans un cadre professionnel.

L'IA vocale ne vise pas à remplacer totalement les humains, mais à les compléter. Les entreprises ont longtemps cherché à réduire les interactions humaines, notamment pour des raisons de coût. Cependant, l'IA vocale pourrait inverser cette tendance en offrant des échanges plus accessibles et fluides. Par exemple, un utilisateur pourrait choisir entre attendre 15 minutes pour parler à un humain ou obtenir une réponse immédiate d'une IA. Selon Julien Lesaicherre, 95% des utilisateurs opteraient pour la seconde option. L'objectif est donc de confier à l'IA les demandes simples et répétitives, tout en réservant les situations complexes ou nécessitant de l'empathie aux humains. Cette complémentarité pourrait redéfinir la relation client en remettant la conversation au cœur des interactions.