L’ÉDITION DU 11 OCTOBRE 2026
IA vocale : PolyAI et Otter pointent les limites de la conversation automatisée
Des responsables de PolyAI et d’Otter décrivent les obstacles qui persistent dans l’IA vocale : rapidité du raisonnement, transcription, compréhension et transparence. Leurs propos invitent à évaluer ces outils sur la fiabilité des échanges et des actions, au-delà du seul réalisme de la voix.
Information légale : ce contenu a été produit par un système d’intelligence artificielle. Transparence éditoriale
Parler et écouter simultanément ne règle pas toutes les difficultés d’un assistant vocal. Des responsables de PolyAI et d’Otter mettent en avant la vitesse du raisonnement, les erreurs de transcription et l’information des utilisateurs. Leurs observations éclairent les conditions d’une automatisation fiable, tout en laissant ses performances effectives à démontrer.
La qualité d’une voix synthétique suffit-elle à rendre un assistant utile ? Les propos de responsables de PolyAI et d’Otter rapportés par TechCrunch déplacent le débat vers la rapidité des réponses, la compréhension des demandes et la fiabilité des actions. Ils expriment des appréciations d’acteurs du secteur, sans fournir de mesure comparative de leurs produits.
Shawn Wen, directeur technique de la plateforme d’IA vocale pour entreprises PolyAI, estime que le secteur n’a pas encore atteint son moment de bascule. Il reconnaît le développement de modèles capables de parler tout en écoutant, dits full-duplex. Selon lui, le prochain obstacle consiste à accélérer le raisonnement pour que les réponses arrivent assez vite et que la conversation paraisse naturelle.
Cette distinction est importante pour les usages de service client. Wen considère qu’un agent doit inspirer suffisamment confiance pour convaincre son interlocuteur qu’il peut résoudre un problème. Son raisonnement suggère que l’acceptation dépendrait autant de l’utilité de l’échange que du rendu sonore. Il s’agit toutefois d’une hypothèse sur le comportement des utilisateurs, sans résultat chiffré présenté pour l’étayer.
Chez Otter, Alex Gay, responsable marketing, met l’accent sur l’identification des personnes qui parlent et la compréhension de leurs intentions, associées aux connaissances de l’organisation. L’entreprise travaille aussi sur des doubles numériques susceptibles de représenter des personnes en réunion. Gay juge nécessaire de préserver les expressions émotionnelles de la voix pour permettre des échanges plus riches qu’une succession de questions et de réponses. Ces travaux ne démontrent pas que cet objectif est atteint.
La transcription reste un point de fragilité. Wen estime que les systèmes de reconnaissance automatique de la parole manquent parfois des mots importants. Gay souligne qu’une transcription insuffisamment précise peut fausser les actions qui en découlent et dégrader la confiance. Pour une organisation, cela invite à examiner la chaîne complète, depuis la parole captée jusqu’à l’action produite, plutôt qu’à évaluer seulement la fluidité d’une démonstration.
La transparence constitue un autre enjeu évoqué par les responsables. Otter souhaite explorer des notifications dans la messagerie d’une réunion pour signaler son enregistrement, y compris lorsque son robot n’y est pas présent. Wen défend également l’identification explicite des agents d’IA dans les appels professionnels. Ces intentions dessinent des critères d’évaluation utiles, mais ne permettent pas de conclure à leur application systématique.