IA vocale et agent vocal IA : définition, usages et obligations

Comment fonctionne une IA vocale ?

Une IA vocale écoute, comprend et répond à voix haute, selon deux grandes architectures, parfois combinées.

1. Une chaîne de trois modèles. Un modèle de reconnaissance de la parole transcrit ce que dit l’appelant. Un modèle de langage choisit la réponse. Un modèle de synthèse vocale la prononce. Vous pouvez relire chaque étape et remplacer chaque brique.

2. Un modèle qui traite directement la voix. Un seul modèle écoute, décide et répond à l’oral. OpenAI décrit ainsi son API Realtime : un modèle interprète l’audio, décide quoi faire et répond par la parole.

Le choix pèse sur le délai de réponse. En mai 2024, OpenAI chiffrait le délai moyen de son ancien mode vocal, une chaîne de trois modèles, à 2,8 ou 5,4 secondes selon le modèle. GPT-4o répondait en 320 millisecondes en moyenne, un délai proche d’une conversation humaine selon l’éditeur. Le modèle central de l’ancienne chaîne ne percevait pas le ton de la voix.

L’agent vocal ajoute des outils : il consulte un agenda, crée un ticket, transfère l’appel. C’est un agent IA qui parle.

Agent vocal IA ou serveur vocal interactif : quelle différence ?

Un serveur vocal interactif (SVI) suit un menu fixe ; un agent vocal IA comprend une demande formulée librement. Le SVI vous fait taper 1 ou 2, ou reconnaît quelques mots-clés. L’agent vocal traite les demandes imprévues, mais il peut aussi se tromper avec assurance : c’est le risque d’hallucination. Au téléphone, personne ne relit la réponse avant que l’appelant l’entende.

Le terme « voicebot » peut désigner l’un ou l’autre : demandez au fournisseur si son système suit un scénario ou génère ses réponses. Ne confondez pas non plus l’agent vocal avec l’assistant IA, qui propose un texte et laisse l’action à l’utilisateur. L’IA multimodale, elle, combine texte, image et son dans un même modèle.

Que change un agent vocal IA pour votre décision ?

• L’appelant doit savoir qu’il parle à une IA. L’article 50 de l’AI Act s’applique depuis le 2 août 2026. Le fournisseur conçoit le système pour que la personne le sache, sauf si le contexte le rend évident. L’information arrive au plus tard lors de la première interaction : au téléphone, dès le début de l’appel. Vérifiez cette annonce avant de signer.

• La voix ne prouve plus l’identité. En mars 2024, OpenAI indiquait qu’un échantillon de 15 secondes suffit à un petit modèle pour créer une voix réaliste et expressive. L’éditeur recommande d’abandonner l’authentification par la voix pour l’accès aux comptes bancaires et aux informations sensibles. Si votre agent imite la voix d’une personne réelle, ses contenus peuvent constituer un hypertrucage : vous devez alors l’indiquer (article 50, paragraphe 4).

• La voix révèle plus que des mots. Selon la CNIL, elle renseigne sur l’âge, le sexe, l’état de santé ou l’état émotionnel. Reconnaître une personne à sa voix revient à traiter des données biométriques, des données sensibles au sens du RGPD (voir RGPD et IA). Depuis le 2 février 2025, l’AI Act interdit d’inférer les émotions des personnes sur le lieu de travail, sauf raisons médicales ou de sécurité (article 5). Un outil qui déduit de leur voix la colère ou la satisfaction de vos conseillers relève donc en principe de cette interdiction. Si l’outil analyse vos clients, vous devez les en informer (article 50, paragraphe 3). Les obligations du haut risque s’appliqueront à ces systèmes à partir du 2 décembre 2027 (annexe III).

• Les appels sortants supposent un consentement. Depuis le 11 août 2026, démarcher un particulier par téléphone exige son consentement préalable (article L. 223-1 du code de la consommation, issu de la loi du 30 juin 2025). Quelques exceptions existent, comme un appel lié à un contrat en cours. Le code des postes et des communications électroniques exige aussi ce consentement pour la prospection par automate d’appel (article L. 34-5), rappelle la CNIL. Un agent vocal qui démarche des particuliers suppose donc leur accord, qu’on le classe ou non comme automate. Envers des professionnels, la prospection peut reposer sur l’intérêt légitime si elle concerne leur métier.

• Le passage à un humain se décide avant le lancement. Fixez les cas où l’agent transfère l’appel : demande explicite, incompréhensions répétées, réclamation. Pour les services financiers vendus à distance aux consommateurs, la directive (UE) 2023/2673 donne déjà le droit d’obtenir une intervention humaine. Ce droit vaut avant la conclusion du contrat, quand le professionnel utilise des outils en ligne comme un chatbot. Les États membres doivent l’appliquer depuis le 19 juin 2026. Mesurez ensuite le taux de transfert et le délai de réponse sur une vraie ligne.

Exemple illustratif

Ce cas est fictif. Un réseau de concessions automobiles confie à un agent vocal la prise de rendez-vous pour l’atelier. L’agent annonce dès sa première phrase qu’il est une IA. Il consulte le planning, propose deux créneaux et confirme par SMS. Il transfère l’appel à un conseiller sur demande, en cas de réclamation ou après deux incompréhensions. Le réseau refuse l’option d’analyse des émotions de l’éditeur : elle porterait aussi sur la voix des conseillers.