Agent IA texte ou agent IA vocal : outils et cas d'usage

Un agent IA texte gère les conversations écrites par chat, SMS, WhatsApp et e-mail. Un agent d'IA vocale gère les appels téléphoniques en temps réel. Le choix dépend de ce qu'exige réellement l'interaction : l'immédiateté et la confiance d'une voix en direct, ou la montée en charge et la trace écrite du texte.

Les entreprises traitent souvent ce sujet comme une décision d'achat unique et n'en retiennent qu'un. Cette décision se prend en réalité au niveau du workflow. Un volume important de relances de paiement exige une trace documentée, ce qui plaide pour le workflow e-mail. Les litiges de paiement fréquents ou les décisions logistiques à trancher au plus vite relèvent du téléphone. Il y a fort à parier que le client aura besoin des deux au cours d'une même semaine.

Nous allons voir comment fonctionne chaque type d'agent conversationnel : texte et voix. Nous examinerons également les cas d'usage où chacun est le plus performant et comment les entreprises exploitent conjointement des agents IA vocaux et texte sans maintenir deux systèmes déconnectés.

Qu'est-ce qu'un agent IA texte ?

Un agent IA texte est un agent conversationnel capable de gérer des interactions par chat, SMS, WhatsApp et e-mail. Il résout les demandes et agit sans qu'un humain ait à saisir chaque réponse.

Comment les agents IA interagissent | Source : ema

Côté workflow, l'agent lit un message entrant et identifie l'intention de l'expéditeur. Il récupère ensuite les données nécessaires à la réponse et décide s'il doit répondre ou exécuter une action dans un système connecté.

Par exemple, si un client s'informe du statut de sa commande, il doit pouvoir obtenir une mise à jour en direct depuis le système de gestion des commandes. Un fournisseur enverra une facture par e-mail qui devra être analysée, puis validée par rapport au bon de commande et acheminée pour approbation.

Choisir un agent IA texte présente quatre avantages majeurs :

• Asynchrone par défaut : Aucune des deux parties n'a besoin d'être présente au même moment : un seul agent mène des milliers de conversations en parallèle sans file d'attente.
• Trace écrite native. Chaque échange produit une transcription auditable, sans étape de transcription ni perte de précision entre ce qui a été dit et ce qui a été consigné.
• Coût par interaction réduit. Le texte n'impose aucune exigence de calcul en temps réel : le volume augmente pour une fraction du coût du même volume en voix.
• Aucun environnement d'écoute requis. Un entrepôt, un bureau en open space ou un véhicule en mouvement se prêtent tous aussi bien au texte.

Lorsqu'une demande sort du périmètre défini de l'agent, elle est escaladée vers un humain et l'intégralité du fil est transmise : la personne qui prend le relais démarre avec l'historique complet.

Cas d'usage des agents IA texte

Utilisez un agent texte lorsque vous devez gérer des interactions à fort volume et disposer d'une trace écrite. Cela inclut la gestion des demandes de support, les mises à jour de commande, la qualification des leads, les relances et la collecte de documents : tout cela entre dans cette catégorie.

Par exemple, Klarna dispose de son assistant propulsé par OpenAI qui a géré 2,3 millions de conversations dès le premier mois, soit les deux tiers des échanges du service client de l'entreprise. Le temps de résolution est passé de 11 minutes à moins de 2 minutes, tandis que les demandes répétées ont diminué de 25 %. Klarna prévoyait par ailleurs une amélioration de son résultat de 40 millions $ pour 2024. Il existe aussi une autre étude de cas documentée par McKinsey à propos d'une marque lifestyle mondiale dont l'assistant d'achat en IA générative a augmenté les taux de conversion de 20.

Le texte est le bon choix pour :

• Les demandes de support dont la réponse est récupérable. Cela inclut le statut des commandes, les questions de politique, les soldes de compte et les réinitialisations de mot de passe.
• Les mises à jour de statut proactives lorsque le destinataire a besoin de l'information mais pas d'une conversation.
• La qualification des leads en haut du funnel, lorsque la rapidité de réponse compte plus que la relation.
• Les rappels et confirmations de rendez-vous, de créneaux, de livraisons et de renouvellements.
• La collecte de documents, où l'agent demande un fichier. Il valide ce qui arrive et relance sur ce qui manque.

Qu'est-ce qu'un agent IA vocal ?

Un agent IA vocal est un agent conversationnel conçu pour gérer des appels téléphoniques en temps réel. Il peut répondre aux questions des utilisateurs et en poser à son tour, tout en agissant au sein même de la conversation.

Quatre composants s'enchaînent à chaque tour de parole :

• La reconnaissance vocale convertit en texte ce que dit l'appelant
• Un modèle de langage interprète la demande et décide de la marche à suivre.
• Les appels d'outils récupèrent des données ou écrivent dans les systèmes connectés pendant l'appel.
• La synthèse vocale reconvertit la réponse en audio.

Deux composants distinguent un assistant IA vocale en production d'une simple démo. La détection de fin de tour de parole détermine si l'appelant a fini de parler ou s'il marque une pause pour réfléchir. C'est ce qui décide si l'agent interrompt ou laisse un blanc.

La détection de l'activité vocale distingue la parole réelle des bruits de fond, comme la musique et les sons ambiants. L'agent répond ainsi à l'appelant plutôt qu'à son environnement.

La voix justifie son coût plus élevé dans trois situations :

• Résolution en temps réel : L'appelant obtient la réponse avant de raccrocher, sans fil de discussion ni attente.
• Confiance et urgence accrues : Une conversation en direct a plus de poids qu'un message. Cela devient déterminant lorsqu'une entreprise gère du recouvrement, des vérifications et des litiges.
• Complexité et nuance : Lorsqu'une demande comporte des embranchements et des conditions, la traiter par téléphone prend quelques minutes au lieu d'un échange étalé sur plusieurs jours.

Cas d'usage des agents vocaux IA

Utilisez un agent vocal lorsqu'un seul appel doit à la fois répondre à l'appelant et exécuter le travail sous-jacent. Cela couvre le recouvrement, le support entrant, la prise de rendez-vous, la vérification d'identité et la qualification sortante.

Agents vocaux IA | Source : Astera

Les solutions IA modernes pour centre de contact remplacent la file d'attente, pas l'agent. Un agent vocal répond à chaque appel entrant, même en pic de volume : le temps d'attente n'est plus une variable à gérer. Circle Logistics a réalisé plus de 100 000 appels pilotés par l'IA avec un taux de décroché de 100 %, et confie 18 % de son fret sans aucune intervention humaine depuis l'adoption de HappyRobot.

Un agent vocal IA vous sera utile dans les cas suivants :

• Recouvrement et comptes clients : Lorsqu'un agent d'appels sortants traite une liste qu'aucune équipe humaine n'a la capacité de couvrir. Les clients HappyRobot qui exploitent ce workflow font état d'un ROI de 119x sur les encaissements par rapport au coût de recouvrement.
• Support entrant à fort volume : C'est là que l'IA vocale de centre de contact absorbe les appels qui resteraient autrement en file d'attente.
• Prise de rendez-vous et planification : Les agents vocaux IA peuvent confirmer les disponibilités, réserver le créneau et mettre à jour le système en un seul appel.
• Qualification sortante : Le système d'appels IA peut traiter une liste de réactivation qui resterait sinon inexploitée.

Quelle est la différence entre un agent IA texte et un agent vocal IA ?

La différence clé tient au nombre de modèles d'IA exécutés. Un agent texte en exécute un. Un agent vocal en enchaîne trois.

Un agent texte reçoit un message écrit, le transmet à un modèle de langage et renvoie la réponse sous forme de texte. Une étape, un modèle. Un agent vocal en nécessite trois. La reconnaissance vocale convertit l'audio de l'appelant en mots. Le modèle de langage lit ces mots et décide de la réponse. La synthèse vocale reconvertit cette réponse en audio que l'appelant entend.

Chaque modèle de cette chaîne ajoute du temps, et les trois doivent terminer avant que l'appelant ne perçoive un blanc. C'est pourquoi les agents vocaux coûtent plus cher par interaction et pourquoi la latence est la métrique que surveillent les équipes voix.

Agent IA texte ou agent vocal IA : comment choisir

La meilleure façon de choisir entre un agent IA texte et un agent vocal IA consiste à compter le nombre d'échanges nécessaires pour résoudre une demande. Un seul échange : le texte suffit. Cinq allers-retours : un appel de trois minutes règle la question.

Par exemple, une question sur le statut d'une commande se règle en un seul échange : un agent texte IA peut donc la traiter. La négociation d'un échéancier de paiement, elle, implique la situation du client, ce qu'il peut payer et à quelle date. C'est le genre de sujet qui se transforme en une semaine d'e-mails ou en un appel de six minutes.

Deux facteurs peuvent modifier cette réponse :

• Le volume : la voix coûte plusieurs fois plus cher par interaction que le texte. Sur un million d'interactions par an, cet écart représente un budget bien réel : tout ce que le texte peut traiter doit donc rester sur le texte.
• Qui attend. Un client qui a appelé est en ligne à l'instant même. Le rediriger vers un échange écrit revient à le faire raccrocher puis rappeler.

Trois méthodes pour transformer cela en une décision défendable

Si vous voulez savoir comment choisir entre l'agent texte IA et l'agent vocal IA, tenez compte des éléments suivants

• Extrayez le nombre d'échanges de votre outil de ticketing: triez les tickets des 90 derniers jours par catégorie et vérifiez le nombre moyen d'échanges nécessaires à leur clôture. Les catégories qui se closent en un seul échange vont au texte. Celles qui en comptent quatre ou plus en moyenne vont à la voix.
• Évaluez la valeur de chaque interaction : Une réinitialisation de mot de passe et un échéancier de paiement n'ont pas le même poids en termes de revenus. Les demandes courantes vont au texte. Tout ce qui touche à l'argent ou à une décision va à la voix.
• Testez le sens de l'escalade : Commencez chaque workflow sur le texte et suivez les catégories qui finissent malgré tout par une escalade vers un appel. Si un type de ticket démarre sur le texte mais se transforme systématiquement en appel téléphonique, ce type de ticket relève de la voix dès le départ.

Pourquoi les entreprises ont souvent besoin des deux, et comment HappyRobot s'intègre

Si votre entreprise répartit le texte et la voix entre deux prestataires, un agent n'a aucune trace de ce que l'autre a communiqué. Cela devient un problème d'expérience client, car le client doit répéter son numéro de compte, son problème et tout ce qu'il a déjà écrit. Chaque répétition entame la confiance dans le système.

HappyRobot déploie des workers IA qui font tourner la voix et le texte sur le même moteur de workflow. Les mêmes quatre types de nœuds (action, prompt, condition, outil) servent à construire un appel téléphonique, un fil d'e-mails, une séquence SMS ou une conversation WhatsApp. Vous accédez à une stack vocale propriétaire conçue pour gérer la reconnaissance vocale, la synthèse vocale et la détection de fin de tour de parole pendant les appels. À cela s'ajoutent de très nombreuses intégrations natives : Gmail, Outlook, Slack, Twilio SMS et WhatsApp pour le texte.

La mémoire de contact de HappyRobot se transmet entre le texte et la voix, ce qui en fait l'une des cinq meilleures solutions d'IA vocale de niveau entreprise pour les opérations en contact avec les clients. Concrètement, lorsqu'un client qui a écrit un e-mail lundi appelle jeudi, l'agent vocal démarre avec tout l'historique de ce fil d'e-mails. Votre client n'a jamais à répéter ce qu'il a déjà partagé.

HappyRobot mobilise ses Forward Deployed Engineers pour construire et déployer ces workflows sur site en quelques semaines.