L’IA conversationnelle est un logiciel qui tient une conversation à double sens pour accomplir quelque chose. La plupart des listes d’exemples s’arrêtent à Siri, Alexa et aux chats des sites web. Ce sont de vrais exemples, mais si vous vous demandez s’il faut mettre un agent sur vos propres lignes téléphoniques, ils ne vous apprennent pas grand-chose. Ce que vous voulez savoir, c’est qui en fait tourner un en production, ce qu’il traite et ce qui a changé après sa mise en service.
Voici douze déploiements qui répondent à ces questions. Tous tournent sur les modèles vocaux de Cartesia, parce que ce sont ceux dont nous connaissons les chiffres. Chacun renvoie à l’histoire client complète. Le point commun entre eux compte plus que n’importe quel exemple isolé ; une courte section y revient à la fin.
Les douze exemples en un coup d’œil
| Entreprise | Ce que fait l’IA conversationnelle | Ce qui a changé |
|---|---|---|
| Lorikeet | Résout des appels de support pour des secteurs réglementés | Plus de 21 000 appels en neuf jours pendant une crise, avec 100 % de disponibilité |
| Replicant | Répond aux appels de centres de contact pour des marques comme Fanatics | Appels décrochés immédiatement ; le taux de résolution a progressé en quelques semaines |
| Assort Health | Prend et déplace des rendez-vous patients | Rendez-vous +7 %, temps d’attente −89 % |
| SuperDial | Appelle les assureurs pour vérifier droits et remboursements | Productivité de l’équipe facturation ×4 |
| Arini | Répond au téléphone des cabinets dentaires | Réponses plus de 2 fois plus rapides qu’avec le fournisseur précédent |
| EliseAI | Planifie des visites d’appartements et répond aux résidents | Conversion des visites +5,3 % après un test de voix régionales |
| Fundamento | Rappelle les demandeurs de prêt bloqués en cours de dossier | 42 % des abandons sont revenus et ont terminé |
| 2X Solutions | Passe et reçoit des appels commerciaux pour des entreprises à fort volume de leads | Appels abandonnés sous 1,25 %, bien en deçà de la limite légale de 3 % |
| Thoughtly | Appelle et qualifie les prospects directement depuis le CRM | Latence de bout en bout sous 200 ms en appel |
| Bolna | Gère des appels de support et de vente en langues indiennes | Plus de 500 000 appels par jour ; ~40 % de temps d’ingénierie en moins sur la latence |
| Tavus | Avatars vidéo qui conversent en direct | Moins d’une seconde de bout en bout |
| Ego | Personnages de jeu à qui l’on peut parler | PNJ et compagnons qui parlent dans un mod de Valheim |
Service client
Lorikeet : une ligne de crise montée en un jour. Lorikeet crée des agents de support pour des entreprises réglementées des services financiers, de la santé, de l’assurance et du voyage. Quand plus de 300 000 familles ont brusquement reçu leur aide alimentaire SNAP via GiveCard, le volume d’appels a explosé du jour au lendemain. Lorikeet a fait répondre des agents vocaux en moins de 24 heures. Sur les neuf premiers jours, ils ont pris plus de 21 000 appels, des centaines en même temps, en anglais, en espagnol et en mandarin, avec 100 % de disponibilité. Les agents vérifiaient l’identité des appelants et réglaient avec eux les problèmes de carte. Beaucoup remerciaient l’agent et lui souhaitaient une bonne journée, alors même que l’agent annonçait d’emblée être une IA.
La leçon n’est pas que l’agent était brillant. C’est que la tâche était étroite (problèmes de carte), que les données étaient accessibles (consultation de compte) et que la voix était assez calme pour que des appelants stressés restent en ligne.
Replicant : le gros volume du centre de contact. Replicant automatise les conversations clients d’entreprises comme DoorDash, AAA et Fanatics. Pour Fanatics, cela veut dire absorber les pics d’appels saisonniers sans recruter. Depuis le changement, les appels sont décrochés immédiatement et l’équipe humaine consacre son temps à ceux qui demandent du discernement. Replicant annonce 99,99 % de disponibilité, et il en a besoin : quand une tempête sature une ligne d’assistance routière, un agent qui ralentit sous la charge est pire que pas d’agent du tout.
Si le support est votre premier cas d’usage, le guide d’automatisation du centre de contact explique comment choisir les premiers appels à confier.
Santé
Assort Health : la prise de rendez-vous pour cliniques spécialisées. Les agents d’Assort répondent aux patients de plus de 140 cliniques et ont géré plus de 5 millions d’interactions. Ils prennent et déplacent des rendez-vous et répondent aux questions pratiques, directement dans le dossier patient informatisé. Les rendez-vous ont augmenté de 7 %, les coûts d’exploitation baissé de 63 % et le temps d’attente des patients chuté de 89 %. Le plus dur : ne jamais se tromper sur les dates, adresses, mutuelles et noms de médicaments, avec un son téléphonique, sur des milliers de cas limites.
SuperDial : les appels qu’aucun patient ne voit. Une bonne part du temps téléphonique d’une clinique, c’est du personnel en attente avec les assureurs. Les agents de SuperDial passent ces appels : ils naviguent dans les serveurs vocaux des assureurs, patientent en ligne et vérifient les droits ou relancent des remboursements avec le conseiller de l’assureur. Les équipes de facturation abattent quatre fois plus de travail.
Arini : l’accueil des cabinets dentaires. Arini répond jour et nuit aux appels des cabinets dentaires, prend des rendez-vous et répond aux questions d’assurance et de facturation en anglais et en espagnol. Son cofondateur l’a dit sans détour : un appel manqué peut représenter plus de 5 000 dollars pour un cabinet. Chaque instant de latence augmente le risque que le patient raccroche ; c’est pourquoi Arini est passé à un fournisseur plus de deux fois plus rapide.
Pour savoir où placer la limite clinique, ce qu’impose la HIPAA et quelles métriques suivre en pilote, voir IA conversationnelle en santé.
Logement
EliseAI : un appartement américain sur six. Environ 1 appartement sur 6 aux États-Unis utilise EliseAI. Ses agents planifient des visites, prennent les demandes de maintenance, gèrent les renouvellements et accompagnent les résidents dans leurs démarches d’éligibilité et de recertification, sur plus de 5 millions d’appels vocaux par mois. Les voix multilingues permettent de servir les résidents de logements abordables dans leur langue, en dehors des heures de bureau.
EliseAI est l’exemple le plus parlant de cette liste sur la manière de tester l’IA conversationnelle. Chaque nouvelle voix franchit quatre étapes : un benchmark public, un test A/B à l’aveugle avec des évaluateurs humains, un déploiement sur 1 % du trafic mesuré sur des résultats réels et un audit manuel d’appels. Avec des voix régionales (une voix du Midwest dans l’Illinois, une voix du Sud au Texas), la conversion des visites a progressé de 5,3 %, l’engagement de 7,8 % et les appelants ont prononcé 15,8 % de mots en plus. C’est plus important qu’il n’y paraît : un appelant qui en dit plus donne à l’agent plus de matière.
Crédit et services financiers
Fundamento : sauver les demandes de prêt bloquées. Fundamento opère des agents vocaux pour des prêteurs et assureurs indiens comme Hero FinCorp, IIFL et ICICI Prudential, avec plus de 20 millions d’appels sortants par mois. Pour Hero FinCorp, l’agent appelle les personnes inactives depuis plus de cinq minutes pendant une demande de prêt en ligne. Souvent, elles bloquent parce que le formulaire est en anglais et que ce n’est pas leur langue maternelle. L’agent identifie le problème dans la langue de la personne et la remet sur le parcours. 42 % de ces demandeurs sont revenus et ont terminé leur demande.
La banque a ses propres règles : vérifier l’identité avant toute donnée de compte, garder les numéros de carte hors du modèle, limiter la fréquence des appels de recouvrement. IA conversationnelle dans la banque les passe en revue.
Vente et appels sortants
2X Solutions : la conformité comme problème de latence. Aux États-Unis, les règles de télémarketing de la FCC (47 CFR 64.1200) considèrent un appel sortant comme abandonné si la personne n’est pas mise en relation dans les deux secondes qui suivent son « allô », et plafonnent les appels abandonnés à 3 % d’une campagne sur 30 jours. Le précédent fournisseur vocal de 2X mettait 500 à 900 ms à commencer à parler, ce qui mangeait une bonne part de ces deux secondes une fois le reste de la chaîne ajouté. Après le changement, son taux d’abandon est passé sous 1,25 %, sur environ 3 millions d’appels par mois.
Thoughtly : une voix pour le CRM. Thoughtly se branche sur Salesforce et HubSpot pour appeler, qualifier et router les prospects de plus de 1 000 équipes, dont Coldwell Banker et Farmers Insurance. Les appels en direct tournent sous 200 ms de bout en bout, et les équipes peuvent cloner une voix de marque à partir de 20 à 30 secondes d’audio pour leurs démos commerciales. En appel sortant, les deux premières secondes décident de tout : ces deux exemples sont en réalité des histoires de latence.
Si votre cas d’usage est l’appel sortant, lisez la prospection téléphonique par IA avant de composer le moindre numéro. Les règles de consentement pour les voix IA sont plus strictes que la plupart des équipes ne l’imaginent.
Plusieurs langues, un seul agent
Bolna : des agents vocaux dans toute l’Inde. La plateforme de Bolna traite plus de 500 000 appels par jour pour des entreprises qui déploient des agents en hindi, tamoul, télougou et d’autres langues indiennes. Les appelants passent du hindi à l’anglais au milieu d’une phrase et dictent des numéros de commande et des codes alphanumériques qui doivent sortir juste au téléphone. Une meilleure qualité linguistique a ouvert de nouvelles régions aux clients de Bolna et réduit d’environ 40 % le temps d’ingénierie consacré à corriger latence et qualité. L’Inde compte 22 langues officielles, et un agent qui ne sonne naturel que dans une seule n’atteint qu’une fraction des appelants.
Au-delà du téléphone
Tous les déploiements d’IA conversationnelle ne décrochent pas un téléphone.
Tavus : des avatars vidéo à qui parler. Tavus crée des répliques IA qui voient, entendent et répondent dans un appel vidéo en direct. Obtenir une réponse de bout en bout en moins d’une seconde, pour que l’avatar réponde tant que la conversation paraît vivante, suppose une génération vocale qui démarre en moins de 100 ms.
Ego : des personnages de jeu qui répondent. Ego permet aux joueurs de créer des mondes 3D en langage naturel. Dans Thrall, un mod pour le jeu de survie Valheim, les joueurs donnent des ordres vocaux à un compagnon IA (ramasser du bois, rejoindre un combat) et il répond à voix haute, en célébrant une bonne chasse ou en confirmant l’ordre.
Deux exemples plus modestes : Rox donne aux commerciaux un mode vocal pour interroger leurs comptes en traversant un aéroport, et Poe, de Quora, permet à des millions d’utilisateurs d’écouter des réponses d’IA dans plus de 100 voix et 14 langues.
Ce que les exemples qui marchent ont en commun
En lisant les douze ensemble, les cinq mêmes traits reviennent :
- Une tâche, avec un système de référence derrière. Prise de rendez-vous, support carte, relance de dossier. L’agent peut consulter la bonne réponse au lieu de l’improviser.
- Un budget de latence que quelqu’un a mesuré. 2X avait deux secondes imposées par la loi, et Arini comptait les appels perdus en dollars. Dans les deux cas, la vitesse était un chiffre business, pas une ligne de fiche technique.
- Un chemin clair vers un humain. Les agents de Lorikeet ont tenu en pleine crise parce que les appelants pouvaient toujours joindre quelqu’un quand l’agent ne résolvait pas. Le guide du transfert accompagné explique comment transférer sans faire tout répéter.
- La langue de l’appelant, pas seulement l’anglais. Fundamento, Bolna, EliseAI et Lorikeet ont gagné leurs utilisateurs parce que l’agent parlait la langue dans laquelle ils étaient le plus à l’aise.
- Des métriques de résultat, testées en production. Rendez-vous, dossiers terminés, conversion des visites. Le déploiement sur 1 % d’EliseAI est le modèle : prouvez-le sur de vrais appels avant de l’activer pour tout le monde.
Ce qui manque dans la liste en dit autant. Aucun n’est un assistant généraliste qui essaie de tout faire. Ceux qui marchent commencent étroit et s’élargissent un type d’appel à la fois.
Créer le vôtre
Il y a deux façons d’en créer un sur Cartesia. Managed Agents gère pour vous la reconnaissance vocale, le modèle de langage, la génération de la voix et la connexion téléphonique. Vous écrivez les instructions, branchez vos systèmes comme outils et obtenez un numéro de téléphone. Ou bien utilisez l’API : Sonic pour la voix, Ink pour la transcription en streaming et la détection de fin de tour, et votre propre orchestration entre les deux. C’est la voie que suivent des plateformes comme Retell et Vapi. Le guide des agents vocaux IA explique comment les pièces s’assemblent, et la page clients contient chaque histoire en entier.
Pour en essayer un avant de construire quoi que ce soit, créez un agent dans le playground Cartesia et appelez-le depuis votre téléphone.