Twilio (NYSE : TWLO) a annoncé, mardi 17 novembre, de nouvelles fonctions d’infrastructure d’IA vocale dans Conversation Relay et Agent Connect. Elles doivent permettre aux entreprises de relier, sur des appels en direct, le modèle d’IA, le fournisseur de synthèse ou de reconnaissance vocale et l’environnement d’agents de leur choix, avec des contrôles en temps réel et une résilience conçue pour la production, sans dépendance à un prestataire unique.
Monter une preuve de concept d’agent vocal n’est plus un exploit. La faire tenir à l’échelle d’un grand service client, avec des interlocuteurs qui hésitent, changent de langue ou appellent dans le bruit, reste une autre affaire. Twilio identifie trois causes d’échec fréquentes : des minuteurs de silence trop rigides, qui interrompent l’appelant au milieu d’une pensée ; des pannes de reconnaissance vocale, qui font tomber l’appel ; et des plateformes d’agents fermées. Ces nouveautés s’ajoutent à la couche Conversations présentée en mai à la conférence SIGNAL, à San Francisco.
Une infrastructure ouverte, sans dépendance à un fournisseur
« L’infrastructure d’IA vocale ouverte de Twilio évite toute dépendance à un fournisseur : les équipes peuvent connecter n’importe quel LLM, framework d’agents ou technologie vocale à la téléphonie en direct », explique Omar Paul, vice-président produit de l’entreprise. Selon lui, la détection intelligente des tours de parole, le basculement automatique de la reconnaissance vocale, les contrôles dynamiques en cours d’appel et le contexte des conversations précédentes doivent permettre de déployer, à l’échelle mondiale, des agents vocaux fiables, au comportement plus proche de l’humain.
Tours de parole, audio HD et basculement automatique
Conversation Relay, qui relie un appel en direct à un modèle d’IA, passe ce mois-ci en disponibilité générale sur plusieurs fonctions clés. La détection intelligente des tours de parole n’attend plus un simple silence pour décider qu’un locuteur a fini de s’exprimer : elle analyse des indices acoustiques afin de distinguer une pensée achevée d’une simple pause, et vise à réduire les réponses trop précoces comme les coupures en milieu de phrase. L’audio HD, aussi généralisé ce mois-ci, élargit la bande de fréquences transmise entre l’appelant et le système d’IA.
Exemple d’analyse de Conversation Intelligence : détection d’hallucinations et suivi de l’accomplissement des tâches. Visuel : Twilio
La voix conversationnelle avancée, déjà disponible, intègre v4 Turbo, le dernier modèle à faible latence d’ElevenLabs, conçu pour des échanges plus expressifs et multilingues dans plus de 90 langues. Les paramètres dynamiques permettent, via des contrôles WebSocket en temps réel, d’ajuster en cours d’appel la langue, les indices de reconnaissance ou la voix, sans interrompre la conversation. Le basculement de la reconnaissance vocale (STT Failover) passe automatiquement à un fournisseur de secours en cas de panne, de pic de latence ou d’erreur de flux, afin de préserver la continuité de l’appel.
Brancher l’IA déjà en place
Du côté d’Agent Connect, Twilio ajoute des packages SDK partenaires et des outils pour les développeurs, disponibles dès maintenant ou dans les prochaines semaines. L’objectif est de brancher plus facilement les services Twilio sur des parcours déjà pilotés par l’IA, qu’il s’agisse d’AWS, de Google Cloud, de Microsoft Azure, de modèles d’OpenAI ou d’un environnement maison. Sur un marché des agents vocaux déjà encombré, le groupe ne prétend pas fournir le modèle ou l’agent, mais l’infrastructure de communication et la visibilité sur la qualité des échanges.
Savoir quand un humain doit reprendre la main
Twilio enrichit aussi Conversation Intelligence, qui analyse nativement les transcriptions. Les entreprises peuvent y évaluer la qualité, le respect des règles internes, l’accomplissement des tâches, les boucles et les hallucinations, et savoir quand transférer l’échange à un humain. Selon une étude Twilio publiée en octobre, les organisations estiment déjà que l’IA prend en charge la moitié de leurs interactions de service client, et anticipent que cette part atteigne 63 % d’ici 2027. Mais 63 % des consommateurs veulent pouvoir basculer vers un humain à tout moment, et 78 % disent avoir déjà tenté de contourner un agent IA.
« Les solutions qui rendent les échanges avec les clients plus simples et plus naturels, tout en sachant reconnaître quand l’humain doit prendre le relais, seront déterminantes pour réussir », estime Adam Holtby, analyste principal chez Omdia. Chez Karmo, spécialiste de la location automobile par abonnement, Sam Zammit, directeur des produits et cofondateur, dit avoir abandonné « des serveurs vocaux interactifs laborieux au profit d’échanges qui semblent vraiment naturels et qui ne coupent pas la parole aux gens », et y voit un socle pour de nouveaux cas d’usage.



Tech






Apple Intelligence : des quotas quotidiens dès iOS 27.3, iCloud+ pour aller plus loin




