Comment une IA répond à un appel
Un agent vocal IA, aussi vendu comme standard téléphonique IA ou voicebot, est un programme qui répond au téléphone et parle avec l'appelant dans la langue de tous les jours. La reconnaissance vocale transforme vos paroles en texte, un modèle de langage décide quoi dire ou faire, et la synthèse vocale prononce la réponse. Le standard de l'entreprise lui passe l'appel, et l'agent le transmet à une personne quand il le faut. Ce sujet bouge vite : nous avons vérifié chaque fait de cette page pour la dernière fois le 26 octobre 2026, et nous les revérifions tous les trois mois.
Violet : votre appel et la station qui le traiteLégende
- Violet : votre appel et la station qui le traite
- Écrans : ce que chaque station entend, écrit et dit
- Pointillés : le réseau téléphonique et Internet, bien plus longs que sur le dessin
Un agent IA répond aux appels de ce cabinet · en attente d'un appel
Appuyez sur un bouton, ou cliquez sur un écran pour voir cette station au travail.Appuyez sur un bouton, ou touchez un écran pour voir cette station au travail.
Les étapes décrivent l'agent IA. Basculez pour voir le serveur vocal à touches qu'il remplace, courant des années 1990 aux années 2010.
Anatomie d'un agent vocal IA : un appel qui part de votre mobile, traverse le standard téléphonique et les trois stations de l'agent, puis arrive à une personne à l'accueil. Le sélecteur montre le serveur vocal interactif à touches qu'il remplace. Le dessin n'est pas à l'échelle.
-
Suivez un appel
Appuyez sur Lancer l'appel pour le regarder, ou faites défiler la page : le dessin vous suit, une étape à la fois. Sous le dessin, Essayer vous laisse passer votre propre appel.Appuyez sur Lancer l'appel pour le regarder, ou sur Suivant pour avancer d'une étape. Sous le dessin, Essayer vous laisse passer votre propre appel.
-
Étape 1 sur 6
Le standard passe votre appel à l'IA
Vous appelez votre cabinet dentaire pour déplacer un rendez-vous. L'appel traverse le réseau téléphonique jusqu'au standard téléphonique du cabinet, installé ici dans un data center. Le standard le transmet comme il le ferait vers un téléphone de bureau, mais ce poste-là est un agent IA : des programmes sur des serveurs, sans personne derrière. Sa première phrase vous dit que vous parlez à une IA.
Est-il obligé de dire que c'est une IA ?
Dans l'Union européenne, oui, depuis le 2 août 2026. Le règlement européen sur l'IA (AI Act) prévoit qu'un système qui dialogue avec des personnes doit être conçu pour qu'elles apprennent qu'elles ont affaire à une IA, sauf si une personne raisonnablement bien informée s'en rend compte d'elle-même. Elles doivent l'apprendre au plus tard au début de la conversation.
Au téléphone, vous ne voyez pas qui répond, donc la première phrase s'impose. La section sur les règles, plus bas, donne le détail.
Sources: European Commission AI Act Service Desk: Article 50, transparency obligations (2024); European Commission AI Act Service Desk: Article 113, entry into force and application (2024)
-
Étape 2 sur 6
La reconnaissance vocale note ce que vous dites
Vous dites : « Je peux déplacer mon rendez-vous à vendredi ? » Votre voix arrive à l'agent comme sur n'importe quel appel par Internet, en tranches de 20 millisecondes, 50 par seconde. La première station, la reconnaissance vocale, transforme le son en texte au fur et à mesure. Son écran affiche vos mots.
Comment sait-il que vous avez fini de parler ?
Le plus souvent, il attend un court silence. VoiceXML, une norme de 2004 pour les serveurs vocaux interactifs, avait déjà un réglage pour cela : le temps que le moteur de reconnaissance attend après votre dernier mot avant de conclure que vous avez terminé.
Si cette attente est courte, l'agent vous coupe pendant que vous reprenez votre souffle. Si elle est longue, vous restez dans le silence avant chaque réponse. Tout le temps qu'il attend est pris sur le court blanc que les gens laissent entre deux tours de parole.
Sources: IETF RFC 3551: the RTP profile for audio and video (2003); W3C: VoiceXML 2.0, the standard for voice menus (2004)
-
Étape 3 sur 6
Le modèle de langage décide quoi répondre
Le texte part vers le modèle de langage, la station à deux baies. C'est un programme entraîné sur une énorme quantité de texte, qui écrit sa réponse mot après mot. Seul, il ne sait rien de ce cabinet. Il travaille donc avec ce que le cabinet lui fournit : des instructions, des faits comme les horaires d'ouverture, et des outils. Ici, il trouve votre rendez-vous de mardi dans le fichier patients et consulte l'agenda par Internet. Vendredi à 10 h, c'est libre.
Peut-il se tromper ?
Oui. Un modèle de langage écrit les mots qui ont le plus de chances de venir ensuite, et une phrase fluide peut très bien être fausse. C'est pour cela qu'une entreprise lui confie une tâche bien délimitée, avec ses propres faits et ses propres outils comme l'agenda, au lieu de le laisser répondre de mémoire.
C'est aussi pour cela que le passage à une personne, à l'étape 6, a son importance.
-
Étape 4 sur 6
La synthèse vocale prononce la réponse
La réponse va à la troisième station, la synthèse vocale, qui transforme le texte en voix. Elle peut prononcer les premiers mots avant que le modèle ait écrit les derniers. Le son repart par le chemin de votre appel, à travers le standard, jusqu'à votre mobile : « Vendredi à 10 h, c'est libre. Je le réserve ? »
Pourquoi chaque station doit-elle être aussi rapide ?
Parce que les gens remarquent le silence. Dans une conversation, l'écart entre une question et sa réponse dure une fraction de seconde, et une pause plus longue sonne comme une hésitation. Les chiffres sont plus bas, sous « Combien de temps peut durer une pause ».
Les stations se chevauchent donc. La reconnaissance vocale écrit pendant que vous parlez, le modèle commence sa réponse dès que vous vous taisez, et la synthèse vocale prononce les premiers mots pendant que la suite s'écrit encore.
-
Étape 5 sur 6
Vous lui coupez la parole, et il se tait
Au milieu de la réponse, vous dites : « Pardon, je peux parler à quelqu'un ? » La reconnaissance vocale a continué d'écouter pendant que l'agent parlait. Elle vous entend, l'agent s'arrête au milieu d'un mot, et le modèle lit ce que vous avez dit. Au téléphone, on se coupe la parole sans arrêt. Un agent qui continuerait à parler par-dessus vous sonnerait comme un enregistrement.
Pouvait-on aussi interrompre un serveur vocal ?
Souvent, oui. VoiceXML, la norme du World Wide Web Consortium pour les serveurs vocaux, appelle cela le barge-in : vous appuyez sur une touche ou parlez par-dessus un message enregistré, et le message s'arrête.
L'auteur du menu pouvait aussi le désactiver, pour une mention légale ou une publicité que l'appelant devait écouter jusqu'au bout.
Sources: W3C: VoiceXML 2.0, the standard for voice menus (2004)
-
Étape 6 sur 6
Il vous passe quelqu'un
Vous avez demandé une personne, alors l'agent demande au standard de transférer l'appel. Le standard fait sonner le téléphone de bureau d'Anna à l'accueil, elle décroche, et l'agent quitte l'appel. Un agent bien conçu passe aussi la main sans qu'on le lui demande : quand il ne vous comprend pas, ou quand la question sort de ce qu'il a le droit de traiter.
Comment l'appel change-t-il de destination sans que vous rappeliez ?
L'agent envoie une demande de transfert sur l'appel en cours. Pour les appels par Internet, la norme publiée par l'IETF en 2003 prévoit pour cela le message REFER : un côté de l'appel demande à l'autre d'appeler quelqu'un d'autre à sa place.
Votre mobile reste connecté tout du long. Seul l'autre bout change, de l'agent au téléphone de bureau d'Anna.
Sources: IETF RFC 3515: the SIP REFER method, for transfers (2003)
Le serveur vocal et l'agent IA, côte à côte
Les deux répondent au même appel, sur le même standard. Ce qui a changé, c'est la machine derrière : autrefois un arbre de touches figé, aujourd'hui un modèle qui lit vos mots.
Serveur vocal
Agent IA
Ce qu'il comprendITU-T Q.23; W3C; Eurostat
Des touches
Chaque touche envoie sa propre paire de tonalités, et certains menus connaissaient aussi une courte liste de mots
Vos propres mots
La reconnaissance vocale les transforme en texte
Qui décide de la suiteW3C; European Commission AI Act Service Desk
Un arbre figé
Chaque touche mène à une branche que l'entreprise a prévue à l'avance
Un modèle de langage
Il construit une réponse à partir de ce que vous avez dit, dans le cadre des instructions de l'entreprise
Ce que vous entendezW3C; Eurostat
Des enregistrements
Des messages enregistrés à l'avance, ou lus par un synthétiseur vocal
Une phrase nouvelle
Écrite pour votre appel par le modèle, prononcée par la synthèse vocale
Doit-il dire que c'est une machine ?European Commission AI Act Service Desk (1, 2)
Aucune règle
Le règlement européen sur l'IA date de 2024
Oui
Dans l'Union européenne depuis le 2 août 2026, sauf si c'est évident
Combien de temps peut durer une pause
Un agent IA doit vous entendre finir, décider et commencer à parler dans le blanc que les gens laissent entre deux tours de parole, et le réseau téléphonique prend aussi sa part de ce temps. Ces trois chiffres donnent la taille de ce blanc.
-
208 ms
Sur dix langues, les gens commençaient leur réponse en moyenne environ 208 millisecondes après la fin de la question. Les locuteurs japonais étaient les plus rapides, à 7 ms, et les locuteurs danois les plus lents, à 469 ms.
PNAS: universals and cultural variation in turn-taking in conversation (2009)
-
600 ms
Dans une étude menée auprès de 380 auditeurs, un silence de 600 millisecondes avant un « oui » suffisait à faire paraître la réponse plus réticente.
Journal of the Acoustical Society of America: silent gaps after requests (2013)
-
150 ms
L'Union internationale des télécommunications fixe à 150 millisecondes dans un sens, de la bouche à l'oreille, le délai en dessous duquel la plupart des appels ne sont pas gênés. Vos mots font ce trajet jusqu'à l'agent, et la réponse le refait dans l'autre sens.
Comment on en est arrivé là
- 1952
Une machine entend dix chiffres
Trois ingénieurs décrivent un circuit qui reconnaît les chiffres de zéro à neuf prononcés sur une ligne téléphonique, dans 97 à 99 % des cas. Il ne fonctionne que pour une voix à la fois, après avoir été réglé sur elle.
Journal of the Acoustical Society of America: automatic recognition of spoken digits (1952)
- 1963
Des touches qu'une machine entend
Le Bell System commence à vendre des téléphones à touches Touch-Tone dans deux villes de Pennsylvanie. Chaque touche envoie des tonalités qu'une machine peut entendre, ce qui rend possibles les serveurs vocaux.
- 1992
Dites-le, sans appuyer
AT&T annonce qu'il traitera les appels en PCV par reconnaissance vocale : l'appelant dit « collect » à une machine plutôt qu'à un standardiste. L'entreprise prévoit de se passer de 3 000 à 6 000 de ses 18 000 standardistes.
Christian Science Monitor: AT&T and speech recognition (1992)
- 2004
Une norme pour les serveurs vocaux
Le World Wide Web Consortium publie VoiceXML 2.0, un langage commun pour les serveurs vocaux. Ils peuvent guetter des touches et des mots prononcés, et jouer des messages enregistrés ou synthétisés que l'appelant peut interrompre.
- 2017
Le Transformer
Des chercheurs présentent le Transformer, une architecture de réseau fondée sur l'attention, à la conférence NeurIPS. Il a été conçu pour traduire d'une langue à l'autre, et les grands modèles de langage d'aujourd'hui reposent sur lui.
- 2024
Dire aux gens que c'est une IA
L'Union européenne adopte le règlement sur l'IA. À partir du 2 août 2026, un système qui dialogue avec des personnes doit leur faire savoir qu'elles ont affaire à une IA.
European Commission AI Act Service Desk: Article 50, transparency obligations (2024)
Ce que la loi demande à une IA au téléphone
Dans l'Union européenne, une IA qui répond aux appels relève du règlement sur l'IA, et tout ce qu'elle enregistre relève des règles de confidentialité qui s'appliquent à chaque appel téléphonique. Certains pays y ajoutent des lois sur le service client. Voici, en termes simples, les obligations qui dictent le comportement d'un agent pendant un appel. Ce n'est pas un conseil juridique.
-
Il vous dit que c'est une IA
Depuis le 2 août 2026, le règlement sur l'IA oblige le fournisseur d'un système qui dialogue avec des personnes à le concevoir de sorte qu'elles soient informées qu'elles ont affaire à une IA. L'information doit être claire et donnée au plus tard au début de l'échange, sauf si une personne raisonnablement bien informée s'en rend compte d'elle-même. Manquer à cette obligation peut coûter à une entreprise jusqu'à 15 millions d'euros ou 3 % de son chiffre d'affaires annuel mondial, le montant le plus élevé étant retenu.
-
Pour enregistrer un appel, il faut une raison et vous prévenir
Le droit européen protège la confidentialité des appels : personne d'autre que les participants ne peut les écouter ou les stocker sans leur consentement. Il admet toutefois les enregistrements que la loi autorise dans le cadre d'une pratique commerciale licite, par exemple pour garder la preuve d'une vente. L'autorité française de protection des données, la CNIL, ajoute que les appelants doivent être informés de l'enregistrement, et de leur droit de s'y opposer avant la fin de l'appel.
legislation.gov.uk; Commission nationale de l'informatique et des libertés
-
En Espagne, une personne dès que vous la demandez
La loi espagnole sur le service client s'applique aux grandes entreprises et aux services essentiels. Elle interdit que la réponse automatique soit le seul moyen de les joindre. Un bot ou un serveur vocal doit vous laisser demander une personne à tout moment, dès le début de l'appel, et cette personne doit se présenter. La loi est entrée en vigueur le 28 décembre 2025. Les entreprises ont jusqu'au 28 décembre 2026 pour adapter leur service client.
La place de Voxbi
Voxbi le vend sous le nom de Standard téléphonique IA Voxbi. Il répond sur un poste de votre standard téléphonique Voxbi, sur les numéros que vous avez déjà, et transfère les appels vers vos collègues et vos files d'attente dans le même système. En Belgique et au Luxembourg, il n'est proposé qu'avec une offre Voxbi Managed.
- Standard téléphonique IA Voxbi
- Flux d'appels
- Serveurs vocaux interactifs
- Comptes rendus d'appels par IA