Une plateforme d’agents vocaux IA répond au téléphone à votre place : elle écoute, comprend ce que veut l’appelant, interroge vos systèmes, répond à voix haute, et vous facture à la minute. Il en existe désormais des dizaines, et leurs pages tarifaires sont rédigées de façon à rendre la comparaison difficile. Cette page compare les huit que vous avez le plus de chances de présélectionner, selon ce que chacune gère pour vous et ce que coûte réellement une minute.
En bref : si vous voulez un prix unique qui inclut les modèles, regardez Bland. Si vous voulez choisir chaque modèle vous-même, regardez Vapi ou Retell. Si vous voulez écrire l’agent sous forme de code, utilisez LiveKit Agents ou Pipecat. Si la qualité de la voix et le temps de réponse décident de la patience de vos appelants, essayez Cartesia Managed Agents, qui fait tourner les modèles vocaux classés premiers dans des classements indépendants.
Nous développons Cartesia : tenez-en compte en lisant notre avis. Tous les prix des concurrents ci-dessous proviennent de la page tarifaire de chaque fournisseur, consultée le 3 octobre 2026.
Ce que fait une plateforme d’agents vocaux
Tout agent vocal exécute la même boucle. La transcription en streaming convertit la parole de l’appelant pendant qu’il parle. Un détecteur de fin de tour décide quand il a terminé. Un modèle de langage prépare la réponse et appelle des outils, comme un agenda ou une recherche de commande. La synthèse vocale renvoie la réponse en streaming. Notre guide sur le fonctionnement des agents vocaux détaille cette boucle.
Une plateforme héberge cette boucle et ajoute ce que personne ne veut construire deux fois : numéros de téléphone, transferts d’appel, interface de configuration, journaux d’appels et évaluations. Un framework vous donne la même boucle sous forme de code que vous déployez vous-même. Le choix principal porte sur la part de la pile que vous voulez maîtriser, davantage que sur le fournisseur.
Les plateformes, une par une
Cartesia Managed Agents
Managed Agents associe Ink 2 pour la transcription, le LLM de votre choix et Sonic 3.6 pour la voix, selon la documentation de Managed Agents. Les deux modèles vocaux sont les nôtres. Ink 2 s’est classé premier pour le taux d’erreur de mots dans le classement streaming d’Artificial Analysis en juin 2026, et prédit lui-même la fin d’un tour, sans détecteur d’activité vocale séparé. Sonic 3.6 s’est classé premier sur 94 modèles dans la Provider Voice Arena d’Artificial Analysis en août 2026.
Vous configurez un agent dans le playground ou par l’API, et vous pouvez lui donner des outils, une base de connaissances et un numéro de téléphone. Les appels coûtent 0,06 $ la minute sur tous les forfaits, et un numéro fourni par Cartesia ajoute 0,014 $ la minute. Pour une durée limitée, l’usage du LLM est inclus pour les agents créés dans le playground (tarifs). La simultanéité va de 8 appels en Free à 60 en Scale.
Choisissez-la quand la voix est le produit : lignes d’assistance, standards, et tout appel où une réponse lente ou robotique fait raccrocher l’appelant. Vérifiez que votre CRM ou votre outil de prise de rendez-vous dispose d’une intégration ; sinon, l’agent peut l’atteindre via un outil webhook.
Vapi
Vapi est une plateforme pour développeurs qui assemblent un agent à partir de briques de leur choix. Selon la page tarifaire de Vapi, l’hébergement coûte 0,05 $ la minute et les modèles (transcription, LLM, voix) sont refacturés au prix coûtant : le tarif réel dépend donc de vos choix. L’estimation de Vapi pour 1 000 minutes donne 82 $ à 129 $ par mois, soit environ 0,08 $ à 0,13 $ la minute. L’offre gratuite inclut 5 $ de crédit et 4 appels simultanés. Vapi a choisi Cartesia comme fournisseur de voix par défaut en 2024.
Choisissez-la si vous voulez contrôler chaque modèle et que lire l’équivalent de trois ou quatre factures en lignes de détail ne vous gêne pas.
Retell AI
Retell vend une plateforme low-code orientée automatisation des centres d’appels. Sa page tarifaire affiche de 0,07 $ à 0,31 $ la minute en paiement à l’usage, avec 20 appels simultanés inclus. L’estimation par défaut se décompose en 0,055 $ pour l’infrastructure vocale de Retell, 0,04 $ pour le LLM et 0,015 $ pour la téléphonie, soit environ 0,11 $ au total. Retell propose des voix de plusieurs fournisseurs, dont Cartesia, et constate un délai avant le premier son 2 à 3 fois plus court avec Cartesia qu’avec le meilleur fournisseur suivant sur sa plateforme.
Choisissez-la si ce sont des non-ingénieurs qui vont créer et maintenir les parcours d’appel.
Bland AI
Bland facture tout en un seul chiffre. La page tarifaire de Bland affiche 0,14 $ la minute sur Start et 0,12 $ sur Build (frais de plateforme de 299 $ par mois), LLM, transcription et synthèse vocale compris, la téléphonie étant facturée à part. Les forfaits Enterprise ajoutent le déploiement on-premise ou en VPC et des ingénieurs détachés auprès de vos équipes.
Choisissez-la si une facture prévisible compte plus que le choix des modèles.
Synthflow
Synthflow vise les centres de contact des grandes entreprises avec un éditeur sans code, une téléphonie intégrée et un accompagnement au déploiement. Sa page tarifaire indique des contrats entreprise à partir de 30 000 $ par an, dimensionnés selon le volume d’appels, la simultanéité et les intégrations.
Choisissez-la si vous voulez qu’un fournisseur mène le déploiement avec vous et que vous avez le budget d’un contrat annuel.
ElevenLabs Agents
ElevenAgents facture à la minute d’appel : chaque forfait inclut un bloc de minutes, et les minutes supplémentaires coûtent 0,08 $, ou 0,16 $ quand les appels dépassent votre limite de simultanéité, selon les tarifs des agents ElevenLabs. Le LLM est facturé en plus. Notre analyse des tarifs d’ElevenLabs chiffre une charge de 10 000 minutes.
Choisissez-la si votre équipe utilise déjà ElevenLabs pour du travail créatif et veut des agents sur le même compte. Pour des appels sensibles à la latence, comparez d’abord : dans les mesures de Coval d’août 2026, Sonic 3.5 produisait le premier son en 351 ms au P90, alors que tous les modèles ElevenLabs testés dépassaient une seconde.
LiveKit Agents
LiveKit est l’infrastructure WebRTC open source qui se trouve sous de nombreux produits vocaux, et LiveKit Agents est son framework pour écrire la boucle de l’agent en Python ou en Node. Vous pouvez l’héberger vous-même ou le déployer sur LiveKit Cloud, qui facture 0,01 $ par minute de session d’agent au-delà du quota inclus, avec l’inférence des modèles les plus courants sur la même facture.
Choisissez-la si vous avez des ingénieurs et voulez un contrôle total sans gérer de serveurs média. LiveKit est partenaire de Cartesia, et Sonic et Ink sont disponibles via sa facturation d’inférence.
Pipecat
Pipecat est un framework Python open source, lancé par Daily, pour construire des agents vocaux et multimodaux sous forme de chaîne de services. Il est gratuit : vous payez les fournisseurs de modèles et l’hébergez où vous voulez.
Choisissez-le si vous voulez le plus de contrôle et le moins d’opinions imposées par une plateforme. Notre tutoriel Pipecat construit un agent fonctionnel avec Ink et Sonic et montre comment la détection anticipée de fin de tour retire environ une demi-seconde à chaque réponse.
Comparatif
| Plateforme | Type | Prix affiché à la minute (3 oct. 2026) | Modèles |
|---|---|---|---|
| Cartesia Managed Agents | Plateforme hébergée | 0,06 $, plus 0,014 $ pour un numéro Cartesia | Ink 2 + votre LLM + Sonic 3.6 |
| Vapi | Plateforme hébergée | 0,05 $ d’hébergement, plus modèles au coût | Au choix |
| Retell AI | Plateforme hébergée | De 0,07 $ à 0,31 $ | Au choix |
| Bland AI | Plateforme hébergée | De 0,12 $ à 0,14 $, modèles compris | Inclus |
| Synthflow | Plateforme entreprise | Contrat, à partir de 30 000 $ par an | Inclus |
| ElevenLabs Agents | Plateforme hébergée | 0,08 $, plus le LLM | ElevenLabs + votre LLM |
| LiveKit Agents | Framework et cloud | 0,01 $ de session, plus modèles | Au choix |
| Pipecat | Framework open source | Gratuit, plus modèles et hébergement | Au choix |
Les prix affichés, seuls, renseignent mal. Une plateforme à « 0,05 $ » avec une voix premium et un gros LLM peut coûter plus cher qu’une offre groupée à « 0,14 $ ». Chiffrez le même appel chez chaque finaliste : même LLM, même qualité de voix, même téléphonie.
Comment choisir
Quatre questions tranchent la plupart des décisions :
- Qui va maintenir l’agent ? Si c’est une équipe opérationnelle, prenez une plateforme avec un éditeur visuel (Retell, Synthflow, Bland ou Managed Agents). Si ce sont des ingénieurs, Vapi, LiveKit ou Pipecat les brideront moins.
- À quelle vitesse l’agent répond-il ? Entre humains, la parole change de main en environ 200 millisecondes, et une pause d’une seconde donne l’impression d’une ligne coupée. Mesurez le temps entre le dernier mot de l’appelant et le premier son de l’agent, au 90e centile, sur une vraie ligne téléphonique. Les médianes sur un audio propre masquent les appels lents.
- Comment gère-t-il les chaînes difficiles ? Dictez un code de confirmation, une adresse et un numéro de téléphone à chaque finaliste. Les erreurs de transcription sur ces données sont celles qui finissent en mauvaises réservations.
- Combien coûte votre volume ? Multipliez vos minutes mensuelles prévues par le tarif tout compris, LLM et téléphonie inclus, et regardez ce qui se passe quand vous dépassez la simultanéité du forfait.
Ensuite, lancez un pilote. Notre guide sur les centres d’appels IA propose un plan de pilote, et le guide sur les standardistes IA traite le cas des petites entreprises.
Essayer Cartesia Managed Agents
Vous pouvez créer un agent et le tester par un appel dans le playground Cartesia avec le forfait gratuit, qui inclut 1 $ d’usage d’agents par mois. Si vous préférez garder votre plateforme actuelle, Vapi, Retell, LiveKit et Pipecat prennent tous en charge Sonic comme voix de l’agent.