À propos d’EliseAI
Environ un appartement sur six aux États-Unis utilise EliseAI. Si vous avez appelé pour réserver une visite, signaler un lave-vaisselle en panne ou poser une question sur un renouvellement de bail, il y a de bonnes chances qu’un agent vocal d’EliseAI vous ait répondu.
EliseAI a désormais mené plus d’un milliard de conversations IA dans le logement et la santé. Dans le logement, ses agents accompagnent le locataire tout au long de son parcours, de la première demande à la maintenance, en passant par les renouvellements et l’assistance aux résidents. Dans la santé, ils prennent les rendez-vous des patients et gèrent leur admission.
Avec un tel volume d’appels à fort enjeu, la voix au bout du fil décide souvent si l’appelant obtient ce dont il a besoin ou s’il abandonne.
Le défi
Qu’un appelant postule pour un appartement ou déplace un rendez-vous, l’agent d’EliseAI doit trouver le ton juste dans les deux cas. Pour y parvenir, il fallait résoudre plusieurs problèmes à la fois :
- La constance à grande échelle : une voix impeccable en démo peut se dégrader sur des milliers d’appels réels et perdre le ton juste au pire moment.
- Le choix de la bonne voix : la plupart des fournisseurs remettent un catalogue à tester, sans collaboration sur la durée.
- Toucher chaque appelant : une voix générique dans une seule langue ne peut pas servir les personnes qui ne parlent pas du tout anglais.
La solution
EliseAI fait tourner ses agents vocaux sur les modèles Sonic de Cartesia, et les deux équipes travaillent main dans la main pour décider quelles voix sont déployées et comment.
Lorsqu’Akshay a rejoint EliseAI, choisir une voix supposait un partenariat étroit avec Cartesia et un retour constant sur les voix et les accents régionaux qui tenaient le coup en conditions réelles. EliseAI a testé une voix du Midwest dans l’Illinois et une voix du Sud au Texas, et Cartesia a aidé à ajuster les voix région par région.
Grâce aux voix multilingues, EliseAI peut déployer des agents qui parlent la langue de l’appelant comme un natif, ce qui compte tout particulièrement pour le logement social.
Nous traitons plus de 5 M d’appels vocaux par mois pour accompagner les gens dans les vérifications d’éligibilité et de revenus et dans le renouvellement de leur dossier. Avec le multilingue, nous pouvons désormais le faire dans leur langue, en dehors des heures de bureau, quand ils en ont besoin, parce que la langue que l’on parle ne devrait pas rendre l’accès au logement plus difficile.
Chez EliseAI, rien n’est déployé sur une simple intuition. Chaque nouvelle voix ou nouveau modèle doit franchir quatre étapes :
- Une première vérification sur des benchmarks publics
- Un test A/B à l’aveugle où chaque évaluateur note les appels sur le naturel et la fluidité
- Un déploiement sur 1 % de la production, mesuré sur des indicateurs comme les visites réservées, les rendez-vous patients et l’engagement
- Un audit manuel d’un échantillon d’appels en production avant un déploiement plus large
Nous adorons travailler avec Cartesia parce que l’équipe nous écoute vraiment et itère selon nos besoins. L’avenir de la voix passe par la personnalisation, du ton à l’émotion en passant par le débit, et il reste tant à faire pour aider nos clients à instaurer la confiance grâce à des expériences vocales agréables.
Les résultats
Le test des voix régionales a fait progresser chacun des indicateurs clés suivis par EliseAI.
- Les conversions en visite ont augmenté de 5 %.
- L’engagement des appelants a augmenté de 8 %.
- Les appelants ont prononcé 16 % de mots en plus, ce qui donne à l’agent davantage d’éléments et de meilleures chances de résoudre le problème dès le premier appel.
Sonic-3.6 a aussi poussé le naturel plus loin. Lors des premiers tests, les locataires lui ont attribué une note de naturel de la voix supérieure de 12,5 % à celle de tous les modèles précédents.
La suite
EliseAI continue de s’attaquer aux appels les plus difficiles, comme une télévision à plein volume en arrière-plan ou deux personnes qui parlent en même temps. Avec Cartesia, l’équipe considère ces cas limites comme des problèmes qui méritent qu’on y investisse et qu’on les résolve vraiment.
La voix est l’interface de l’AGI. La majeure partie du monde n’a pas encore adopté l’IA, et le vrai frein, c’est la distribution, pas les capacités. C’est par la voix que nous apporterons l’IA au plus grand nombre.