ElevenLabs lance Eleven Realtime : comment marche un agent vocal, et comment le mesurer comme un tunnel
Alexandre Suon·11 min de lecture·
Des modèles qui écoutent et répondent à la voix en une demi-seconde, dans plus de 90 langues. Ce qu'est un agent vocal, pourquoi la latence change tout, et comment piloter le téléphone et WhatsApp comme un canal de vente.
Dans cet articleAfficher toutes les sectionsMasquer
Synthèse en 30 secondes
AfficherMasquer ⌄
- Le 20 octobre 2026, ElevenLabs a lancé Eleven Realtime, deux modèles vocaux pensés pour les agents : v1 Mini et v1 Max.
- Ils écoutent et répondent directement à la voix, dans plus de 90 langues, avec plus de 17 000 voix disponibles.
- Selon les mesures d'Artificial Analysis publiées par ElevenLabs, v1 Max commence à répondre en 0,57 seconde en moyenne.
- Ils se branchent sur le téléphone, le web et WhatsApp. Ces canaux redeviennent des canaux de vente à part entière.
- Un agent vocal se pilote comme un tunnel : appels décrochés, besoin compris, solution proposée, vente conclue.
Section 1 · L'annonce
ElevenLabs sort deux modèles faits pour parler en temps réel
ElevenLabs est connu pour ses voix de synthèse, utilisées pour le doublage, les livres audio ou les assistants. Le 20 octobre 2026, l'entreprise a lancé Eleven Realtime, une nouvelle famille de modèles conçus pour une seule chose : tenir une conversation à la voix, en temps réel.
Deux versions sortent. v1 Mini vise les conversations naturelles à faible coût : assistants, professeurs, personnages interactifs. v1 Max vise les tâches complexes : service client, qualification de prospects, parcours en plusieurs étapes. Les deux parlent plus de 90 langues et peuvent utiliser n'importe laquelle des plus de 17 000 voix de la bibliothèque ElevenLabs.
Ils sont disponibles de deux façons : dans ElevenAgents, l'outil d'ElevenLabs pour construire et déployer des agents, et via une API. ElevenLabs n'a pas communiqué de prix dans son annonce.
Section 2 · Le fonctionnement
Un agent vocal, c'est écouter, réfléchir et répondre, sans couper la parole
Un agent vocal est un programme qui tient une conversation téléphonique ou vocale à la place d'un humain. Il doit faire trois choses : comprendre ce que dit la personne, décider quoi répondre (et parfois agir, par exemple vérifier une commande), puis répondre à voix haute.
Pendant longtemps, ces trois étapes étaient confiées à trois outils différents, mis bout à bout. Chaque passage de relais ajoute du délai, et une partie de l'information se perd en route : le ton, l'hésitation, l'ironie disparaissent quand la voix est transformée en texte.
- 1La chaîne classique : trois outilsLa voix est transcrite en texte, un modèle de langage écrit la réponse, puis une voix de synthèse la lit. Simple à assembler, mais chaque étape ajoute du délai.
- 2Le modèle « voix à voix »Un seul modèle écoute la voix et répond directement à la voix. C'est la catégorie dans laquelle ElevenLabs range Eleven Realtime.
- 3Les actions autourDans les deux cas, l'agent peut appeler des outils : consulter un stock, retrouver une commande, prendre un rendez-vous.
Le « full duplex », c'est quoi ? Dans une vraie conversation, on parle et on écoute en même temps : on dit « hm hm », on coupe la parole, on se tait quand l'autre reprend. Un système « full duplex » sait gérer ces chevauchements. C'est ce qui sépare une conversation fluide d'un échange de répondeur.
Section 3 · Les chiffres
Une demi-seconde pour répondre, et des écarts nets entre Mini et Max
ElevenLabs a publié des résultats de tests menés par Artificial Analysis, un organisme indépendant qui compare les modèles d'IA. Le chiffre qui compte le plus pour une conversation, c'est le temps avant la première réponse audio : le silence entre la fin de votre phrase et le début de la réponse.
Sur les autres tests, l'écart entre les deux modèles se creuse dès que la tâche devient complexe. Pour un agent qui doit vraiment agir (retrouver une commande, modifier une livraison), c'est la ligne « tâches avec outils » qu'il faut regarder.
| Test | Ce qu'il mesure | v1 Max | v1 Mini |
|---|---|---|---|
| Big Bench Audio | Raisonnement à l'oral (1 000 questions) | 98,8 % | 75,9 % |
| Full-Duplex-Bench | Fluidité de la conversation | 94,1 % | 95,8 % |
| Tâches avec outils | Tâches menées au bout | 87,1 % | 60,3 % |
| Speech Agent Arena | Préférence d'auditeurs à l'aveugle (score) | 998 | 988 |
Comment lire ces chiffres ? Ce sont des tests standardisés, pas vos conversations. Ils servent à comparer des modèles entre eux, pas à prédire votre taux de conversion. Un agent qui réussit 87 % des tâches en test échouera encore sur une partie de vos appels réels : c'est ce qu'il faudra mesurer chez vous.
Section 4 · Les canaux
Le téléphone et WhatsApp redeviennent des canaux de vente
Via ElevenAgents, ces modèles se branchent sur le téléphone, le web, WhatsApp et les plateformes de centre de contact. ElevenAgents fournit aussi les briques autour : scénarios, base de connaissances, garde-fous, tests et suivi.
Pour une équipe e-commerce, c'est le vrai sujet. Le téléphone et la messagerie ont souvent été traités comme des centres de coûts : on les mesure en durée d'appel et en taux de décroché, rarement en chiffre d'affaires. Quand un agent peut répondre à toute heure, dans la langue du client, et conseiller un produit, ces canaux peuvent vendre.
Compatible avec l'API d'OpenAI : pourquoi ça compte ? ElevenLabs indique que son API temps réel est compatible avec celle d'OpenAI : on change l'adresse et le nom du modèle, et le code existant fonctionne. Pour vos équipes techniques, tester un autre fournisseur devient une question d'heures, pas de semaines. Cela réduit la dépendance à un seul acteur.
Section 5 · La mesure
Une conversation se mesure comme un tunnel, étape par étape
Sur un site, on sait mesurer un tunnel : pages vues, ajouts au panier, commandes. Une conversation vocale a exactement la même structure. Chaque étape perd une partie des clients, et c'est là que se cachent les gains.
- 1Appel décrochéCombien d'appels ou de messages reçoivent une réponse, à quelle heure, dans quelle langue.
- 2Besoin comprisL'agent a-t-il identifié ce que veut le client sans le faire répéter ?
- 3Solution proposéeUn produit, une taille, une alternative en stock : l'agent a-t-il fait une proposition concrète ?
- 4Vente conclueCommande passée pendant l'échange, ou lien envoyé et utilisé dans les heures qui suivent.
- 5Transfert à un humainQuand et pourquoi l'agent passe la main : c'est la liste de ce qu'il ne sait pas encore faire.
Ce découpage change la conversation interne. Au lieu de débattre « l'agent est-il bon ? », on regarde à quelle étape il perd les clients, et on teste une amélioration à la fois, exactement comme sur une page produit.
Section 6 · À tester
Commencer petit : un cas d'usage, un canal, un indicateur
Un agent vocal se teste mieux sur un périmètre étroit que sur tout le service client d'un coup. Les questions à se poser avant de lancer :
- Quel cas d'usage ? Suivi de commande, conseil produit, prise de rendez-vous : choisissez celui qui a le plus de volume et les règles les plus claires.
- Quel canal ? WhatsApp est souvent plus simple à lancer que le téléphone, et laisse une trace écrite facile à analyser.
- Quel indicateur ? Un seul chiffre de réussite, défini avant le lancement : taux de résolution, ventes générées, ou appels transférés.
- Quelle comparaison ? Une partie du trafic avec l'agent, une partie sans. Sans groupe témoin, impossible de savoir ce qu'il rapporte vraiment.
- Quels garde-fous ? Ce que l'agent n'a jamais le droit de dire ou de promettre (prix, délais, remboursements), et quand il doit passer la main.
« Un agent vocal n'est pas un projet de service client. C'est un nouveau canal de vente, qui se mesure et se teste comme les autres. »
Termes clés
AfficherMasquer ⌄
- Agent vocal
- Programme qui tient une conversation à la voix à la place d'un humain, et peut agir (consulter une commande, prendre un rendez-vous).
- Voix à voix (speech to speech)
- Modèle qui écoute la voix et répond directement à la voix, sans passer par une étape texte visible.
- Temps avant la première réponse audio
- Le silence entre la fin de la phrase du client et le début de la réponse de l'agent. Au-delà d'une seconde, la conversation paraît lente.
- Full duplex
- Capacité à parler et écouter en même temps : gérer les interruptions, les « hm hm », les reprises de parole.
- CCaaS
- Contact Center as a Service : les logiciels de centre de contact hébergés dans le cloud, qui gèrent appels et messages.
- Groupe témoin
- Une partie des clients qui ne voit pas la nouveauté. La comparer au reste permet de mesurer l'effet réel.
Sources
AfficherMasquer ⌄
Alexandre a cofondé et dirige Henkan & Partners. Il décrypte chaque jour une actu e-commerce sur LinkedIn.
Suivre Alexandre ↗