Le français Mistral lance des IA vocales pour fabriquer des assistants qui répondent au téléphone
Voxtral 3 transcrit la parole dans plus de 50 langues et répond avec une voix de synthèse en moins d’une demi-seconde. Il peut aussi tourner sur les serveurs d’une entreprise.
Mistral AI, la start-up parisienne de l’IA, a dévoilé mardi 20 octobre Voxtral 3, une famille de modèles pour la voix. 3 modèles transforment la parole en texte, dont 1 en temps réel, et un 4e fait l’inverse : il lit un texte à voix haute. L’ensemble est livré avec une boîte à outils pour développeurs qui enchaîne l’écoute, la réflexion, l’action et la réponse parlée.
Concrètement, une entreprise peut s’en servir pour fabriquer un agent vocal (une IA qui tient une conversation au téléphone) : il comprend l’appelant, distingue qui parle, consulte un logiciel puis répond. Le modèle temps réel réagit en moins de 500 millisecondes, assez vite pour une conversation naturelle. La transcription couvre plus de 50 langues, la voix de synthèse plus de 35, et l’outil sait cloner une voix et se brancher sur une ligne téléphonique.
Côté prix, la transcription coûte 0,0035 dollar la minute en différé et 0,008 dollar en direct : une heure de réunion transcrite revient à environ 21 centimes de dollar. Atout pour les entreprises européennes : Voxtral 3 peut être utilisé depuis des serveurs situés en Europe, ou installé sur ses propres machines, sans envoyer les conversations de ses clients aux États-Unis. Pour un cabinet, une agence ou un service client, c’est une brique française pour automatiser l’accueil téléphonique sans dépendre des géants américains.