Un agent téléphonique IA pour les appels clients : l'ajouter à votre plateforme de centre de contact, utiliser une plateforme d'IA vocale ou construire le vôtre

Un agent téléphonique IA reçoit ou passe des appels pour votre entreprise et parle avec vos clients d'une voix générée par ordinateur. Il peut répondre aux questions courantes ou prendre une réservation, et il passe l'appel à une personne quand il ne peut pas aider. Les plateformes de centre de contact et de téléphonie, comme Amazon Connect, Genesys Cloud et Twilio, proposent désormais leurs propres fonctionnalités d'agent IA. Une plateforme d'IA vocale dédiée peut se connecter à vos numéros et à vos systèmes existants, et une société peut construire pour vous un pipeline à partir de composants distincts. Le choix dépend surtout de ce que l'agent doit faire dans vos systèmes et de l'endroit où vos enregistrements d'appels peuvent être conservés.

Comment fonctionne un agent téléphonique IA ?

Chaque fois que l'appelant parle, un agent téléphonique accomplit quatre tâches. La téléphonie, le service qui relie les appels à vos numéros de téléphone, achemine la voix de l'appelant. Un modèle de reconnaissance vocale (speech-to-text) la transforme en texte. Un modèle de langage, le type d'IA sur lequel repose ChatGPT, décide quoi dire ou quelle action demander à vos systèmes. Un modèle de synthèse vocale (text-to-speech) prononce la réponse.

Le guide d'OpenAI consacré aux agents vocaux appelle cela un pipeline chaîné, utile quand vous voulez « inspecter ou transformer le texte intermédiaire et remplacer chaque composant indépendamment. » Une autre architecture repose sur un seul modèle speech-to-speech. Le même guide décrit la Realtime API d'OpenAI comme utilisant « un seul modèle pour interpréter l'audio, décider quoi faire et répondre par la parole. » Avec un tel modèle, demandez comment vous obtenez la transcription que vous conserverez. Toutes les sources de cet article ont été consultées le 6 novembre 2026.

Pourquoi le délai de réponse et les interruptions comptent-ils lors d'un appel ?

Un appelant ne voit pas que quelque chose se passe : un long silence peut donc donner l'impression que la ligne a coupé. Quand l'appelant cesse de parler, l'agent doit d'abord décider qu'il a terminé. Chacune des quatre tâches ajoute ensuite son propre délai avant que la réponse ne commence. Décider trop tôt a aussi un coût : l'agent coupe la parole à un appelant qui marque une pause pour lire un numéro de compte.

La documentation de la Realtime API d'OpenAI présente deux façons de décider. La première attend une durée fixe, la « durée de silence (en millisecondes) pour détecter la fin de la parole. » La seconde « utilise un classifieur sémantique pour détecter le moment où l'utilisateur a fini de parler, à partir des mots qu'il a prononcés. »

Les appelants parlent aussi par-dessus l'agent, ce qu'on appelle le barge-in. L'agent doit alors s'arrêter et garder la trace de la partie de sa réponse que l'appelant a entendue. ConversationRelay de Twilio, qui relie un appel Twilio à votre propre application d'IA, prévient cette application « lorsque l'appelant interrompt la lecture TTS en parlant », TTS désignant la synthèse vocale (text-to-speech). Un bruit de fond ou un rapide « mm-hmm » ne devrait pas arrêter l'agent. LiveKit, un logiciel open source de création d'agents vocaux, décrit une gestion des interruptions qui « peut distinguer les vraies interruptions du backchanneling conversationnel », c'est-à-dire de ces petits signes d'acquiescement. La documentation de LiveKit précise que le modèle sur lequel elle repose tourne sur LiveKit Cloud, son service hébergé.

Comment l'agent passe-t-il un appel à une personne ?

Dans Amazon Connect, l'agent IA dispose d'un outil par défaut appelé Escalate, « pour transférer à un agent humain ». Un exemple d'AWS, qui commercialise Amazon Connect, le remplace par un outil Escalate personnalisé qui transmet le motif et un résumé. Vapi, une plateforme d'agents vocaux IA, propose plusieurs modes de transfert à l'aveugle (blind) et accompagné (warm). Un transfert à l'aveugle « met l'appelant en relation sans parler à la destination ». Un transfert accompagné « énonce à la destination un résumé généré de la conversation avant la mise en relation. » Vapi ne mentionne ce transfert avec résumé que pour Twilio.

Consignez par écrit les cas qui vont toujours à une personne, comme les réclamations. Testez ensuite ce que voit votre équipe quand un tel appel arrive, y compris en dehors des heures de travail.

Qu'apporte l'agent IA propre à notre plateforme de centre de contact ?

Sur cette voie, l'agent IA travaille à l'intérieur du système qui contient déjà vos files d'attente et vos enregistrements. AWS indique que ce qu'elle appelle le libre-service agentique (agentic self-service) d'Amazon Connect « permet aux agents IA de résoudre de manière autonome les problèmes des clients sur les canaux vocaux et de chat. » L'agent accède à vos autres systèmes au moyen d'outils MCP, pour des actions « comme la consultation du statut d'une commande, le traitement des remboursements et la mise à jour des enregistrements. » MCP, pour Model Context Protocol, est une manière standard de connecter l'IA à des logiciels. Genesys indique que son Virtual Agent fonctionne « au sein des flux de bots vocaux et numériques, nouveaux comme existants », c'est-à-dire de ses flux automatisés d'appels et de chat.

ConversationRelay de Twilio vous laisse davantage de travail. Il « convertit la parole en texte et l'envoie à votre application », et c'est votre application, construite par vous ou par une société, qui décide de la réponse. Pour les utilisateurs de Twilio, cette voie se rapproche de la construction de votre propre système.

En contrepartie, vous acceptez le choix de modèles et de voix de la plateforme. Twilio propose Google et Deepgram pour la reconnaissance vocale. La page d'AWS consacrée à Amazon Nova Sonic, un modèle speech-to-speech (de la parole à la parole), indique un premier jeu de quatre voix au lancement, trois en anglais et une en espagnol des États-Unis. Cette voie convient quand la plupart de vos appels passent par la plateforme et qu'elle couvre les langues de vos appelants.

Quand une plateforme d'IA vocale dédiée se justifie-t-elle ?

Les plateformes d'agents vocaux IA vendent l'agent téléphonique lui-même. Vous rédigez ses instructions et choisissez les modèles, et la plateforme le connecte à vos numéros et à vos systèmes. La page de tarifs de Vapi présente la reconnaissance vocale, le modèle de langage et la voix comme des postes distincts, issus de fournisseurs distincts. Retell, une autre plateforme de ce type, indique que son guide « montre comment intégrer les agents Retell à votre fournisseur de téléphonie et utiliser vos propres numéros », via un trunk SIP. Un trunk SIP est une connexion qui achemine les appels par internet entre votre fournisseur de téléphonie et un autre système.

Une plateforme convient quand l'IA de votre propre centre de contact échoue à vos tests, ou quand vous voulez un seul agent pour plusieurs systèmes téléphoniques. La contrepartie : un éditeur de plus traite l'audio de vos appelants selon ses propres conditions, et un transfert vers votre équipe passe par deux systèmes. Vapi indique : « Par défaut, Vapi stocke les artefacts de manière sécurisée dans le cloud », c'est-à-dire les enregistrements, les transcriptions et les journaux. Vous pouvez les rediriger vers votre propre stockage.

Quand vaut-il la peine de construire notre propre agent téléphonique ?

Votre propre pipeline assemble des composants distincts : la téléphonie d'un opérateur ou d'une plateforme comme Twilio, plus la reconnaissance vocale, un modèle de langage et la synthèse vocale. Un code écrit pour vous décide qui parle quand, gère les interruptions, appelle vos systèmes et tient les journaux. Des logiciels open source comme LiveKit couvrent une partie de ce travail. Chaque composant peut être loué ou exploité sur vos propres serveurs. Construire en vaut la peine quand au moins l'une de ces conditions est remplie :

• L'audio, les transcriptions ou le modèle doivent rester sur des serveurs que vous contrôlez
• L'agent doit agir dans des systèmes auxquels aucun éditeur ne se connecte
• Vous devez choisir et remplacer chaque composant, par exemple un modèle de parole qui gère mieux les langues de vos appelants
• À votre volume, les frais à la minute coûtent plus cher que l'exploitation de votre propre système

Construire prend plus de temps et, après le lancement, quelqu'un doit exploiter le système. Les articles ci-dessous expliquent qui peut s'en charger sans équipe d'apprentissage automatique, et quelle est la précision de la reconnaissance vocale sur de vrais appels.

Où les enregistrements et les transcriptions sont-ils conservés, et pouvons-nous les exporter ?

Les enregistrements et les transcriptions sont ce qu'il y a de plus difficile à déplacer par la suite. Décidez donc où ils seront stockés avant le lancement :

• Amazon Connect : vous « indiquez le bucket et la clé KMS pour les enregistrements des conversations vocales ». Il s'agit d'un emplacement de stockage dans Amazon S3, le stockage cloud d'Amazon, et d'une clé de chiffrement que vous choisissez
• Twilio : par défaut, les enregistrements restent dans un « stockage cloud chiffré » chez Twilio. Avec le stockage externe activé, « Twilio téléverse les nouveaux enregistrements vocaux dans un bucket AWS S3 qui vous appartient au lieu de les stocker dans le cloud de Twilio. »
• Vapi : dans le cloud de Vapi par défaut, ou dans votre propre Amazon S3 ou Google Cloud Storage
• Votre propre pipeline : là où vous les mettez

Quelle que soit la voie, exportez à intervalles réguliers les enregistrements, les transcriptions et les journaux vers un stockage que votre entreprise contrôle. Appliquez aux transcriptions les mêmes droits d'accès et la même durée de conservation qu'aux enregistrements.

Qui contrôle ce que l'agent peut faire dans nos systèmes ?

Les instructions de l'agent, appelées prompts, se trouvent généralement dans l'outil de l'éditeur : gardez-en une copie que vous pouvez déplacer. Les actions demandent des règles plus strictes que les réponses, car un remboursement ou une modification de compte change vos données. Amazon Connect indique que « les agents IA utilisent le même cadre de profils de sécurité que les agents humains, qui contrôle les outils auxquels l'agent IA peut accéder. » Donnez à l'agent des droits sur les actions de sa liste, et rien de plus, et décidez comment il vérifie l'identité de l'appelant.

La personne qui devrait approuver une action risquée est rarement en ligne. L'agent peut enregistrer la demande et indiquer à l'appelant quand attendre une réponse, puis votre équipe la traite après vérification. L'article sur les agents IA et l'approbation humaine, dont le lien figure plus haut, explique quelles actions nécessitent l'approbation d'une personne.

Si des appelants paient par carte, demandez comment les numéros de carte sont tenus à l'écart du modèle et des enregistrements. Twilio met en garde au sujet du champ qui renvoie les données de l'appel après une session d'IA : « N'incluez pas de données PCI dans ce champ ». Les données PCI sont les données de carte couvertes par la norme de sécurité du secteur des cartes de paiement.

À qui appartiennent les numéros de téléphone, et à quel point est-il difficile de changer de fournisseur ?

Vos clients connaissent vos numéros : gardez-en la maîtrise. Un numéro acheté auprès d'une plateforme doit être porté, c'est-à-dire transféré chez un autre fournisseur, si vous partez. Twilio, par exemple, indique que le transfert d'un numéro vers ses services « prend 5 à 15 jours, mais peut prendre jusqu'à 4 semaines en cas de rejet par votre fournisseur actuel. » Vous évitez l'essentiel de ces démarches en gardant vos numéros chez un opérateur de votre choix et en y connectant l'IA. Retell le fait via un trunk SIP, et Vapi peut importer « un numéro Twilio nouveau ou existant ». Changer plus tard revient alors à modifier l'acheminement des appels.

Quelles règles s'appliquent quand une IA parle au téléphone ?

Aux États-Unis, le Telephone Consumer Protection Act (TCPA) restreint les appels passés avec une voix artificielle ou préenregistrée. La Federal Communications Commission (FCC) a adopté une décision déclaratoire (declaratory ruling) le 2 février 2024 (FCC 24-17). La FCC y écrit : « nous confirmons que les restrictions du TCPA relatives à l'utilisation d'une “voix artificielle ou préenregistrée” englobent les technologies d'IA actuelles qui génèrent des voix humaines. » Ces appels nécessitent donc « le consentement préalable exprès de la personne appelée pour passer de tels appels, en l'absence de finalité d'urgence ou d'exemption. » Si un tel appel présente une publicité ou relève du télémarketing, c'est-à-dire qu'il incite à l'achat ou à la location de biens ou de services, ou à l'investissement dans ceux-ci, les règles de la FCC exigent un « consentement préalable exprès écrit ».

La décision indique que le TCPA ne prévoit aucune « exclusion des technologies qui prétendent fournir l'équivalent d'un agent humain ». Un agent IA qui parle comme une personne ne bénéficie d'aucune dérogation. Les règles qu'elle cite imposent que l'appel « indique clairement l'identité de l'entreprise » dès le début, et les appels de télémarketing doivent offrir un moyen de s'y opposer. Ces exigences s'appliquent à « toute technologie d'IA qui passe un appel téléphonique sortant vers des consommateurs à l'aide d'une voix artificielle ou préenregistrée ». Pour les appels que vos clients vous passent, demandez à vos avocats quelles règles s'appliquent.

Dans l'UE, l'article 50, paragraphe 1, du règlement européen sur l'IA (AI Act) vise les systèmes d'IA qui interagissent directement avec des personnes. Ils doivent être conçus de façon que les personnes « soient informées qu'elles interagissent avec un système d'IA », sauf si cela ressort clairement, compte tenu du contexte, du point de vue d'une personne normalement informée. L'article 50, paragraphe 5, précise que cette information doit être fournie « au plus tard au moment de la première interaction ou de la première exposition », ce qui, lors d'un appel, renvoie au message d'accueil. Cette obligation incombe au fournisseur du système d'IA. Savoir si c'est vous ou un éditeur est une question pour vos avocats.

L'article 113 du règlement européen sur l'IA fixe au 2 août 2026 sa date générale d'application. L'omnibus numérique sur l'IA (Digital Omnibus on AI), un règlement modificatif publié au JO L 2026/1744, a déplacé plusieurs autres dates. Au 6 novembre 2026, l'AI Act Service Desk de la Commission européenne n'indique comme modifié que le paragraphe 7 de l'article 50. Son calendrier indique que « les règles de transparence (article 50) commencent à s'appliquer » le 2 août 2026.

Les règles sur l'enregistrement des appels varient selon les pays et, aux États-Unis, selon les États. Le droit fédéral américain autorise un enregistrement lorsque « l'une des parties à la communication a donné son consentement préalable » (18 U.S.C. § 2511(2)(d)). Le droit des États peut exiger davantage. L'État de Washington exige « le consentement de tous les participants à la communication ». Il considère comme un consentement l'annonce que l'appel « va être enregistré », à condition que cette annonce soit elle aussi enregistrée.

Au sens du RGPD, le règlement de l'UE sur la protection des données, une donnée à caractère personnel est une information se rapportant « à une personne physique identifiée ou identifiable ». Le Comité européen de la protection des données (CEPD, EDPB en anglais), l'organe de l'UE qui réunit les autorités nationales de protection des données, range les enregistrements vocaux parmi ces données dans ses lignes directrices de 2021 sur les assistants vocaux virtuels. Elles ajoutent que « les données vocales sont intrinsèquement des données à caractère personnel biométriques ». Si la voix sert à identifier un appelant, les lignes directrices indiquent que le traitement doit reposer sur une base juridique au titre de l'article 6 du RGPD et sur une dérogation prévue à l'article 9. Elles ont été rédigées pour les assistants vocaux d'appareils comme les enceintes connectées : demandez donc à votre délégué à la protection des données comment elles s'appliquent aux appels.

Que tester avant que l'agent ne prenne de vrais appels ?

Constituez un jeu de test à partir de vos propres appels, avec des seuils de réussite convenus à l'avance, comme le décrit l'article sur le test d'un assistant IA. Ajoutez-y ensuite les cas que seul un agent téléphonique rencontre :

• Les accents et les langues de vos vrais appelants, à partir d'enregistrements passés lorsque votre politique le permet
• Les appels depuis un mobile et en haut-parleur dans des lieux bruyants
• Les appelants qui interrompent l'agent ou se reprennent au milieu d'une phrase
• Les longs silences pendant qu'un appelant cherche un document
• Les numéros de compte et les montants relus à l'appelant pour confirmation
• Les transferts quand votre équipe est occupée ou en dehors de ses heures d'ouverture
• L'information sur l'IA et l'annonce de l'enregistrement au début de chaque appel

Mesurez le délai entre la fin de la parole de l'appelant et le premier mot de l'agent, sur de vraies lignes téléphoniques, aux heures où vous êtes le plus sollicité. Relancez les tests chaque fois que l'éditeur change un modèle ou une voix.

Comment les éditeurs facturent-ils un agent téléphonique ?

Les coûts se répartissent en cinq postes, combinés différemment selon la voie. Les prix sont en dollars américains et proviennent des pages de tarifs publiques au 6 novembre 2026 :

• Frais de plateforme à la minute : Amazon Connect affiche « $0.038 per voice min (standard telephony rates apply) ». Twilio affiche Conversation Relay à 0,07 $ la minute. Vapi facture « $0.05/min Vapi hosting » sur sa formule prépayée, et Retell affiche ses agents vocaux IA de 0,07 $ à 0,31 $ la minute
• Frais de modèles et de traitement de la parole : chez Vapi, « Models pass-through at cost », c'est-à-dire que les modèles sont refacturés à prix coûtant, en supplément. Genesys Cloud facture l'usage de l'IA dans ses propres tokens, et son article sur la facturation indique que « les voice bots se convertissent à raison de 17 minutes = 1 token »
• Téléphonie : Twilio facture 0,0085 $ la minute pour recevoir des appels sur un numéro local américain, plus 1,15 $ par numéro et par mois
• Enregistrement et stockage : Twilio facture 0,0025 $ la minute pour enregistrer un appel et 0,0005 $ la minute et par mois pour le stocker
• Ingénieurs et maintenance : la construction, la connexion à vos systèmes et la réexécution des tests quand les modèles changent. Ce poste augmente à mesure que vous construisez vous-même

Les prix à la minute ci-dessus ne couvrent pas les mêmes éléments. Demandez à chaque éditeur de chiffrer un mois de votre volume d'appels réel, téléphonie, modèles, enregistrements et minimums compris.

Que demander à une société qui le construirait ou l'intégrerait ?

• Quels composants tournent où, et quelles entreprises traitent l'audio de nos appelants ?
• Comment mesurerez-vous le délai avant que l'agent ne réponde, sur nos lignes téléphoniques ?
• Comment l'agent gère-t-il les interruptions et les longs silences, et comment fonctionne un transfert ?
• Quelles actions l'agent peut-il effectuer seul, et lesquelles attendent l'approbation d'une personne ?
• Où les enregistrements, les transcriptions et les journaux sont-ils stockés, et comment les exportons-nous ?
• Qui détient nos numéros de téléphone, et que faudrait-il pour les transférer ?
• Qui rédige et teste l'information sur l'IA et l'annonce de l'enregistrement pour chaque pays que nous appelons ?
• Serons-nous propriétaires, à la fin, du code, des prompts, des appels de test et des journaux ?

Où se situe amBrain ?

amBrain publie ce blog. Sur son propre produit, elle dit : « Notre propre produit, shyash.ai, repose sur des agents IA qui recherchent, rédigent, vérifient et mesurent à partir d'une mémoire commune des faits de l'entreprise. Une personne approuve tout ce qui est publié. »

Cet article n'est pas une étude de cas et ne décrit aucun travail client. Il n'affirme pas qu'amBrain a construit un agent téléphonique ou un produit de centre de contact, et la ligne ci-dessus ne dit rien des appels téléphoniques. Les entreprises et organismes publics cités ici le sont d'après leurs pages publiées. L'article n'affirme aucune relation entre amBrain et l'un d'eux, ne recommande aucun de leurs produits et ne donne ni prix ni délais d'amBrain.

amBrain développe des logiciels depuis 2019. Sur sa façon de travailler avec ses clients, elle dit : « Trois formats : livraison complète, équipe dédiée ou ingénieurs intégrés à votre équipe. » Sur la propriété, sa formule est : « Le client conserve la pleine propriété du produit et du code, à l'exception de nos composants réutilisables. » Demandez la liste nominative de ces composants avant de signer.

Cet article ne constitue pas non plus un conseil juridique. Il ne couvre que les règles américaines et européennes citées plus haut. Faites confirmer par vos avocats les règles de consentement à l'enregistrement et d'information sur l'IA qui s'appliquent dans chaque pays où vous recevez ou passez des appels. Si amBrain figure sur votre liste restreinte, posez-lui les mêmes questions qu'à n'importe quelle autre société.