Nous avons créé un agent vocal IA pour un vrai client. Voici ce que personne ne t’explique.

On parle beaucoup de l’IA. On parle peu de ce qui se passe quand tu essaies vraiment de la déployer pour un client, avec de vraies contraintes, de vrais problèmes, et un vrai échéancier qui te regarde dans les yeux.

Si tu veux éviter les mois de tâtonnements qu’on a traversés, lis ce qui suit. Chaque point vaut des semaines de tests. Et le dernier pourrait te faire économiser des mois entiers.

1. Ton agent IA improvise. Et tu ne le sais même pas.

Au début, notre agent faisait des choses qu’on ne lui avait jamais demandées. Il sortait du script. Il inventait des réponses. On pensait avoir un bug. On n’avait pas un bug — on avait un artiste.

Le coupable : la température du LLM. Un paramètre que la plupart des gens n’ajustent jamais. Plus elle est élevée, plus l’agent « crée ». Plus elle est basse, plus il exécute. Nous l’avons mise à zéro.

L’agent est devenu une machine. Prévisible. Précis. Professionnel.

Leçon : pour qualifier des leads, vous voulez un soldat, pas un poète. Et la suite va vous montrer qu’il y a encore beaucoup d’autres soldats à discipliner.

2. Un appel a capoté à cause d’une seule lettre.

Timothy. Client potentiel. Appel en cours. L’agent devait épeler son prénom pour confirmer son courriel.

Problème : Timothy se termine par un Y. Et son code postal en contenait un aussi.

L’agent ne savait pas prononcer le Y en français. L’appel s’est effondré. Pas à cause du comportement de l’agent. Pas à cause de la base de connaissances. À cause d’une seule lettre mal gérée par le moteur de voix.

La solution n’est pas simple, mais elle existe. Première option : trouver un moteur de voix conçu autant pour le français que pour l’anglais, capable de prononcer correctement les caractères spéciaux comme le W, le Y et leurs variantes. Deuxième option : cloner votre propre voix — plus long à mettre en place, mais le résultat est une voix qui vous ressemble et qui sonne comme vous.

Leçon : le moteur de voix et le LLM sont deux cerveaux distincts. L’un peut être excellent pendant que l’autre sabote tout. Testez-les séparément, dès le début. Et pour savoir comment tester correctement — continuez à lire, parce que c’est justement le prochain piège.

3. L’alphabet phonétique — la solution la plus simple que vous n’avez jamais pensé à utiliser.

Comment est-ce qu’un agent vocal s’assure d’avoir bien entendu « timothy@gmail.com » et pas « timothi@gmail.com » ?

Nous avons essayé plusieurs approches. Nous avons finalement trouvé la bonne en testant en direct, en temps réel, pendant une réunion.

L’alphabet phonétique. L’agent demande au prospect d’épeler son courriel, puis le répète lettre par lettre avec un mot de référence. « Y comme Yan. A comme André. N comme Nicolas. »

Nous avons testé avec Nafisatou. Avec Ousman. Ça marche à chaque fois.

Leçon : les meilleures solutions sont souvent celles que les humains utilisent depuis toujours. Mais attention — même la meilleure solution devient un problème si elle est mal dosée. C’est ce qu’on a découvert ensuite.

4. Chaque validation que vous ajoutez est une friction. Et la friction tue les conversions.

Nous avions construit un agent rigoureux. Il répétait le code postal. Il répétait le prénom. Il répétait le nom de famille. Il répétait l’adresse.

On pensait que c’était professionnel.

En réalité, c’était épuisant. Pour le prospect. Et pour nous à écouter les enregistrements.

Nous avons tout coupé sauf l’essentiel : le courriel. Parce que le courriel, si c’est mal collecté, tout le reste s’effondre. Pour le reste — si l’agent l’a entendu, il l’a entendu.

Leçon : la précision que personne ne remarque quand elle est là, tout le monde la ressent quand elle ralentit la conversation. Et si vous pensez que tester ça c’est simple — vous n’avez pas encore essayé de faire tester un agent vocal par de vraies personnes.

5. Tester un agent vocal, c’est beaucoup plus compliqué que tester une interface.

Quand une seule personne teste un agent vocal, elle finit par croire que tout fonctionne. Et techniquement, pour elle, c’est vrai.

Mais un agent vocal, ce n’est pas comme tester une interface graphique. Dans une interface, vous dites à quelqu’un : « clique sur ce bouton, vérifie que le visuel correspond. » C’est isolé, précis, reproductible. Avec un agent vocal, chaque conversation est unique — elle s’adapte à la voix, au débit, à l’accent, à la façon de formuler les questions.

Ce qu’on a appris : il faut cibler chaque test avec précision. « Dans cet appel, tu testes uniquement les prix. Dans celui-là, tu testes uniquement la gestion des objections. » Si vous dites simplement « appelle et teste », le testeur va se buter sur dix petites imperfections, se frustrer, et vous remonter une liste de problèmes mélangés que vous ne saurez pas prioriser.

Et il faut varier les testeurs. Une personne qui parle vite va déclencher des comportements différents d’une personne qui hésite. Quelqu’un avec un accent va obtenir des résultats différents de quelqu’un qui parle lentement et clairement. Nous avons découvert des bugs majeurs uniquement lorsque de nouvelles personnes ont testé — des bugs invisibles pour nous parce qu’on était trop habitués à notre propre façon de parler.

Leçon : faites tester par autant de personnes différentes que possible, avec des objectifs de test précis pour chaque appel. La diversité des testeurs et la discipline des tests, c’est votre filet de sécurité. Et ce filet ne vaut rien si votre agent n’a pas la bonne mémoire — ce qu’on va voir maintenant.

6. La base de connaissances, c’est 80 % de la bataille.

Vous pouvez avoir l’agent le plus fluide du monde. S’il ne sait pas répondre à « Quelles sont vos heures d’ouverture ? », il va transférer à un humain. Chaque fois.

La base de connaissances, c’est la mémoire de votre agent. Et la remplir correctement prend du temps — beaucoup plus que vous ne le pensez. Nous avons travaillé avec un client qui avait pourtant beaucoup de documentation. Au fil des tests, nous avons découvert qu’il manquait des dizaines de petites informations. Le genre de détails qu’un nouvel employé met six mois à apprendre en écoutant ses collègues.

La meilleure façon de régler ce problème rapidement ? Ouvrez une conversation avec un modèle d’IA. Parlez-lui de votre entreprise pendant une heure comme si vous expliquiez à un nouvel employé. Posez-lui des questions, répondez-y, échangez avec lui. À la fin, demandez-lui de structurer tout ça en bases de connaissances. Ce que vous auriez mis des semaines à documenter, vous l’avez en une après-midi.

Leçon : un agent sans base de connaissances solide, c’est un vendeur brillant qui ne connaît pas son produit. Mais attention — même avec une base parfaite, si vous avez choisi le mauvais type d’agent dès le départ, vous repartez à zéro.

7. Tous les agents ne sont pas égaux — et choisir le mauvais type dès le départ vous coûtera cher.

Il y a une différence fondamentale entre un agent qui pose trois questions de qualification et prend un rendez-vous, et un agent qui gère un parcours de vente complet — objections, prix, comparaisons, closing.

Le premier est relativement simple à construire. Le second est un projet à part entière, avec une base de connaissances beaucoup plus riche, des scénarios beaucoup plus complexes, et des mois de tests supplémentaires.

Nous avons appris à la dure qu’il vaut mieux commencer simple, prouver la valeur, puis complexifier. Un agent de qualification qui fonctionne à 85 % génère de la valeur dès aujourd’hui. Un agent de closing parfait qui n’est jamais lancé ne génère rien.

Leçon : définissez d’abord le type d’agent dont vous avez besoin. La complexité vient après la preuve de concept. Et si vous pensez que vous pouvez vous permettre d’attendre la perfection avant de lancer — le dernier point est pour vous.

8. La perfection est l’ennemie du lancement.

Nous aurions pu lancer le pilote en 2 à 3 semaines. Nous avons mis presque 3 mois.

Pourquoi ? Parce que les critères de succès n’étaient pas définis dès le départ. Au début, l’objectif semblait clair : atteindre 85 % de performance. Mais au fil du projet, les attentes ont glissé. On s’est retrouvé à courir après la perfection — et la perfection dans l’IA, ça n’existe pas.

Voici la réalité : passer de 80 % à 100 % vous coûtera 80 % de votre temps. Pour un gain de 20 %. Ce n’est pas un bon calcul.

L’approche que nous recommandons maintenant : définir des critères de succès minimum dès le jour 1 — ce qu’on appelle un MVP — et lancer. C’est en production, confronté à de vraies situations qu’on n’avait pas anticipées, que l’agent s’améliore vraiment. Chaque appel est une leçon. Chaque erreur est une mise à jour.

Leçon : un agent imparfait qui tourne vaut cent fois mieux qu’un agent parfait qui attend.

Dans un prochain article, nous expliquerons les 4 composantes d’un agent vocal IA — comportement, base de connaissances, modèle LLM et moteur de voix — et pourquoi comprendre la différence entre les quatre peut tout changer dans votre projet.

Vous travaillez à déployer l’IA dans votre entreprise ? Nous serions heureux d’en parler. Un message suffit.