Glossaire de l'IA vocale et du service client automatisé
Ce glossaire définit les termes employés autour des agents vocaux et des agents conversationnels de service client. Chaque entrée donne une définition autonome, puis explique ce que la notion change concrètement pour une entreprise.
Les notions clés pour choisir un agent vocal
Trois familles de notions suffisent à comparer sérieusement deux agents vocaux. La première concerne la conversation elle-même : le STT transcrit la parole, la VAD règle le tour de parole et autorise le barge-in, le TTS donne la voix. Un agent qui coupe la parole ou laisse des blancs échoue sur ces briques, quelle que soit la qualité de ses réponses.
La deuxième famille concerne l'exactitude. Un modèle de langage livré à lui-même peut produire une hallucination ; le grounding, ou RAG, l'oblige à répondre à partir des sources autorisées, et une couche de supervision comme les Guardian Agents vérifie la réponse avant qu'elle ne soit prononcée. La bonne question à poser est toujours la même : que fait l'agent quand il ne sait pas ?
La troisième famille concerne les connexions. Sans API ni webhook vers le CRM, l'ERP ou le système de réservation, un agent se limite à réciter des informations générales ; avec eux, il agit. Reste l'escalade vers un humain, qui doit être prévue, déclenchée sur des règles claires et transmise avec son contexte.
Définitions
Agent vocal IA
Un agent vocal IA est un logiciel qui répond aux appels téléphoniques d'une entreprise, comprend en langage naturel ce que dit l'appelant et traite sa demande. Il combine reconnaissance vocale, modèle de langage et synthèse vocale, et se connecte aux outils métier pour consulter une information ou enregistrer une action, comme une réservation ou un ticket.
En service client, un agent vocal IA prend en charge les appels entrants à toute heure. Chez LeetCall, il est construit pour une seule entreprise, à partir de ses procédures et de son vocabulaire, et transfère à une personne ce qui sort de son périmètre.
Callbot (ou voicebot)
Un callbot, aussi appelé voicebot, est un robot conversationnel qui dialogue par la voix, sur le canal téléphonique. Les deux mots désignent le même type d'outil : callbot insiste sur l'appel, voicebot sur la voix. Un callbot fondé sur un modèle de langage comprend une demande formulée librement, sans menu à touches ni formulation imposée.
Le mot reste utile pour distinguer la voix des canaux écrits. LeetCall emploie plus volontiers « agent vocal », parce que l'outil ne se contente pas de parler : il consulte les données de l'entreprise et exécute des actions dans ses logiciels.
Chatbot
Un chatbot est un robot conversationnel qui échange par écrit, sur un site web, dans une application ou dans une messagerie. Il lit un message, en déduit l'intention et répond par du texte. Les chatbots anciens suivaient un arbre de réponses préprogrammées ; ceux fondés sur un modèle de langage comprennent des formulations libres.
Sur le web, un chatbot traite les demandes écrites des clients : horaires, suivi de commande, prise de rendez-vous. Chez LeetCall, l'agent web partage les mêmes sources et les mêmes règles que l'agent vocal, pour que la réponse soit la même au téléphone et à l'écrit.
Agent conversationnel
Un agent conversationnel est un logiciel capable de tenir un échange suivi avec une personne, par la voix ou par écrit, en gardant en mémoire le contexte de la conversation. Contrairement à un répondeur ou à un formulaire, il pose des questions, reformule, tient compte des réponses précédentes et peut déclencher une action.
Le terme englobe les agents vocaux et les agents de chat. Ce qui distingue un agent conversationnel utile en service client, c'est sa capacité à agir dans les outils de l'entreprise plutôt qu'à renvoyer un texte d'aide générique.
IA conversationnelle
L'IA conversationnelle désigne l'ensemble des technologies qui permettent à une machine de dialoguer en langage naturel : reconnaissance de la parole, compréhension du langage, génération de réponses, synthèse vocale et gestion du fil de la conversation. C'est le domaine dont relèvent les agents vocaux, les callbots et les chatbots.
Parler d'IA conversationnelle plutôt que de robot rappelle que plusieurs briques travaillent ensemble et que chacune peut échouer. Chez LeetCall, une couche de supervision s'ajoute à ces briques pour contrôler la réponse avant qu'elle ne parvienne au client.
LLM (grand modèle de langage)
Un LLM, ou grand modèle de langage, est un modèle entraîné sur de grandes quantités de texte qui prédit et génère des suites de mots. Dans un agent de service client, il sert à interpréter la demande de l'appelant et à formuler une réponse en langage naturel, à partir des éléments qui lui sont fournis.
Un LLM ne connaît pas les données d'une entreprise : il faut les lui fournir au moment de la conversation. Chez LeetCall, le modèle rédige la réponse, mais le contenu vient des sources autorisées et passe par une vérification avant d'être prononcé.
STT (reconnaissance vocale)
Le STT, ou speech-to-text, est la reconnaissance automatique de la parole : la conversion du signal audio en texte. En téléphonie, le STT fonctionne en flux continu, c'est-à-dire qu'il transcrit pendant que la personne parle au lieu d'attendre la fin de la phrase, ce qui laisse à l'agent le temps de préparer sa réponse.
La qualité du STT conditionne tout le reste : un mot mal transcrit conduit à une réponse à côté. LeetCall traite ce sujet dans un article dédié, https://leetcall.ai/blog/stt-temps-reel-agents-vocaux, et l'agent fait répéter plutôt que de deviner lorsque la transcription est douteuse.
TTS (synthèse vocale)
Le TTS, ou text-to-speech, est la synthèse vocale : la transformation d'un texte en voix. C'est la brique qui donne sa voix à un agent vocal. La qualité d'un TTS se juge au naturel du débit, à la justesse des intonations et à sa capacité à prononcer correctement les noms propres et les termes du métier.
Une voix intelligible évite les répétitions et les malentendus. Chez LeetCall, la prononciation des noms de produits, de rues ou de plats est travaillée avec l'entreprise, parce que ce sont précisément les mots que l'appelant attend.
VAD (détection d'activité vocale)
La VAD, ou détection d'activité vocale, est la technique qui distingue la parole du silence et du bruit de fond dans un flux audio. Elle indique à l'agent quand l'appelant commence à parler et quand il a terminé. Sans VAD, un agent coupe la parole ou laisse des blancs gênants au milieu de la conversation.
La VAD règle le rythme de l'échange : c'est elle qui rend possibles le tour de parole naturel et le barge-in. LeetCall lui consacre un article de blog, à l'adresse https://leetcall.ai/blog/vad-detection-activite-vocale.
Barge-in
Le barge-in est la possibilité, pour l'appelant, d'interrompre l'agent vocal pendant qu'il parle. L'agent détecte la parole entrante, cesse de parler et se remet à écouter, comme le ferait une personne. Sans barge-in, l'appelant doit attendre la fin de chaque phrase, ce qui donne à la conversation un rythme artificiel et pesant.
Le barge-in est l'un des signes les plus nets qu'un agent vocal est agréable à utiliser. Il repose sur la VAD et sur une gestion fine du tour de parole, que LeetCall éprouve sur des conversations d'essai avant la mise en service.
Tour de parole (turn-taking)
Le tour de parole, ou turn-taking, est la règle qui détermine qui parle et qui écoute à chaque instant d'une conversation. Dans un agent vocal, il s'agit de décider quand l'appelant a terminé sa phrase, quand l'agent doit répondre, et comment réagir à une hésitation, à un silence ou à une reprise de parole.
Un tour de parole mal réglé produit soit des interruptions, soit des blancs. C'est un travail de réglage autant que de technologie, que LeetCall aborde sous l'angle du savoir-faire conversationnel : https://leetcall.ai/blog/savoir-faire-conversationnel.
Latence
La latence est le délai entre la fin de la phrase de l'appelant et le début de la réponse de l'agent. Elle additionne le temps de transcription, celui de la recherche d'information, celui de la génération de la réponse et celui de la synthèse vocale. Une latence trop longue donne l'impression que l'agent n'a pas compris.
La latence se travaille en traitant les étapes en parallèle plutôt qu'à la suite, et en préparant la réponse pendant que l'appelant parle encore. C'est l'un des enjeux du STT en flux continu.
Hallucination
Une hallucination est une réponse produite par un modèle de langage qui paraît plausible mais ne repose sur aucune source réelle. En service client, cela prend la forme d'un horaire inventé, d'une condition de retour imaginaire ou d'une disponibilité annoncée à tort. C'est le risque principal d'un agent laissé sans contrôle.
Deux moyens limitent les hallucinations : ancrer la réponse dans les données autorisées de l'entreprise, et la vérifier avant qu'elle ne soit prononcée. C'est le rôle des Guardian Agents chez LeetCall, détaillé sur https://leetcall.ai/blog/guardian-agents-hallucinations.
Guardian Agents
Les Guardian Agents sont la couche de supervision de LeetCall : des agents spécialisés qui contrôlent la réponse d'un agent de service client avant qu'elle ne soit prononcée ou envoyée. Ils vérifient qu'elle s'appuie sur une source autorisée, qu'elle reste dans le périmètre défini et qu'elle est cohérente avec la procédure de l'entreprise.
Lorsqu'une réponse ne passe pas ce contrôle, elle est reformulée ou la conversation est transmise à une personne, plutôt que de risquer une information fausse. La supervision est donc autant un dispositif de sécurité qu'un outil de qualité.
Grounding (RAG)
Le grounding, mis en œuvre par la technique dite RAG (retrieval-augmented generation), consiste à faire répondre un modèle de langage à partir de documents et de données récupérés au moment de la question, plutôt que de sa seule mémoire d'entraînement. Le modèle reçoit les éléments pertinents, puis rédige sa réponse à partir d'eux.
C'est ce qui permet à un agent d'annoncer l'horaire réel d'un magasin ou le statut réel d'une commande. Chez LeetCall, les sources sont celles que l'entreprise a autorisées : catalogue, procédures, fiches clients et réponses des outils connectés.
Escalade vers un humain (hand-off)
L'escalade vers un humain, ou hand-off, est le transfert d'une conversation de l'agent à un membre de l'équipe. Elle se déclenche lorsque la demande sort du périmètre de l'agent, lorsque la réponse ne peut pas être vérifiée, lorsque le sujet est sensible, ou simplement lorsque l'appelant demande à parler à une personne.
Une escalade réussie transmet le contexte déjà recueilli, pour que le client n'ait pas à tout répéter. Chez LeetCall, l'escalade va vers l'équipe de l'entreprise cliente, et ses règles de déclenchement sont fixées au moment du cadrage.
SVI (serveur vocal interactif)
Un SVI, ou serveur vocal interactif, appelé IVR en anglais, est le système qui accueille un appel par un message enregistré et propose un menu à touches. Il oriente l'appel vers un service ou une file d'attente, mais ne traite pas la demande elle-même et ne comprend pas le langage naturel.
Un SVI reste utile pour router, mais il fait peser sur l'appelant l'effort de deviner la bonne rubrique. Un agent vocal IA prend la demande telle qu'elle est formulée et va jusqu'à l'action, en transférant lorsque c'est nécessaire.
Standard téléphonique
Un standard téléphonique est le dispositif, humain ou technique, qui reçoit les appels arrivant sur le numéro d'une entreprise et les distribue vers les bonnes personnes. Tenu par une équipe, il offre une compréhension complète des demandes, mais reste limité aux heures d'ouverture et aux personnes disponibles à cet instant.
Un agent vocal IA ne remplace pas le standard : il absorbe les appels répétitifs et ceux qui arrivent quand personne ne peut décrocher, puis transmet à l'équipe les échanges qui demandent un jugement humain.
Téléphonie SIP et SIP trunk
Le SIP (Session Initiation Protocol) est le protocole qui permet d'établir des appels téléphoniques sur un réseau IP. Un SIP trunk est le lien qui relie le système téléphonique d'une entreprise à son opérateur, et par lequel les appels sont acheminés. C'est la voie par laquelle un agent vocal reçoit les appels qui lui sont confiés.
Concrètement, brancher un agent vocal ne suppose pas de changer de numéro : l'appel lui est acheminé par la téléphonie existante. Ce raccordement fait partie des étapes de mise en service d'un projet.
Webhook
Un webhook est un mécanisme par lequel un logiciel prévient automatiquement un autre logiciel qu'un événement vient de se produire, en envoyant un message à une adresse convenue. Contrairement à un appel d'API classique, où un système interroge l'autre, c'est ici l'émetteur qui pousse l'information dès qu'elle existe.
Dans un agent de service client, un webhook sert par exemple à signaler qu'une réservation a été enregistrée ou qu'un ticket a changé d'état. LeetCall s'en sert pour relier l'agent à des outils qui n'exposent pas d'interface de programmation complète.
API
Une API, ou interface de programmation, est l'ensemble des points d'entrée qu'un logiciel expose pour que d'autres logiciels puissent lire ou écrire ses données de façon contrôlée. C'est par les API que les outils d'une entreprise communiquent entre eux, sans qu'une personne ait à recopier les informations d'un écran à l'autre.
Un agent vocal utile lit et écrit dans les outils de l'entreprise par leurs API : retrouver une commande, poser un créneau, mettre à jour une fiche. LeetCall se connecte ainsi aux logiciels déjà en place, sans migration ni nouvel outil à adopter.
CRM
Un CRM (customer relationship management) est le logiciel où une entreprise conserve l'historique de sa relation avec chaque client : coordonnées, échanges, devis, commandes et demandes en cours. Salesforce, HubSpot, Pipedrive et Zoho CRM en sont des exemples courants. C'est la référence de ce que l'entreprise sait d'un interlocuteur.
Connecté au CRM, un agent reconnaît l'appelant, retrouve son dossier et consigne l'échange au bon endroit. L'information reste ainsi dans l'outil que les équipes consultent déjà, au lieu de vivre dans un journal séparé.
ERP
Un ERP (enterprise resource planning), ou progiciel de gestion intégré, est le logiciel qui centralise la gestion d'une entreprise : stocks, achats, production, facturation et livraisons. Odoo en est un exemple répandu. C'est souvent là que se trouve la réponse exacte à une question de délai, de disponibilité ou de facture.
Un agent de service client branché sur l'ERP donne l'état réel d'une commande plutôt qu'une réponse générale. Les accès sont ouverts au périmètre nécessaire : l'agent lit ce qu'il doit lire et n'écrit que ce qui a été prévu.
Omnicanal
L'omnicanal désigne une organisation du service client dans laquelle les différents canaux, téléphone, site web, WhatsApp, messagerie et courriel, partagent les mêmes informations et les mêmes règles. Le client peut commencer sa demande sur un canal et la poursuivre sur un autre sans avoir à tout réexpliquer depuis le début.
L'écueil classique est de faire dire à un agent web l'inverse de ce que répond le téléphone. LeetCall construit les agents vocaux et web d'une même entreprise sur les mêmes sources et les mêmes procédures, pour que la réponse reste cohérente.
WhatsApp Business
WhatsApp Business est la version professionnelle de la messagerie WhatsApp, qui permet à une entreprise d'échanger des messages avec ses clients depuis un numéro identifié comme le sien. Son interface de programmation permet de relier ce canal à d'autres logiciels, et donc d'y faire répondre un agent de service client.
Beaucoup de clients préfèrent écrire plutôt qu'appeler, en particulier pour une confirmation ou une pièce jointe. Un agent LeetCall répond sur ce canal aux demandes que le client y dépose, avec les mêmes règles qu'au téléphone.
Transcription d'appel
La transcription d'appel est le texte produit à partir de ce qui a été dit pendant une conversation téléphonique. Elle sert à relire un échange, à comprendre pourquoi une réponse a été donnée, à repérer les demandes qui reviennent le plus souvent et à améliorer les réponses de l'agent au fil du temps.
La transcription peut être consignée dans les outils de l'entreprise, à côté de la fiche client ou du ticket. Ce qui est conservé, et pendant combien de temps, est décidé par l'entreprise, dans le respect de ses obligations d'information.
RGPD appliqué à l'IA vocale
Le RGPD appliqué à l'IA vocale désigne les obligations qui pèsent sur une entreprise lorsqu'un agent automatisé traite des données personnelles au téléphone : informer les personnes, ne collecter que le nécessaire, définir une durée de conservation, sécuriser les données et permettre l'exercice des droits d'accès, de rectification et d'effacement.
En pratique, cela suppose d'annoncer que l'interlocuteur est un assistant automatisé, de limiter ce qui est enregistré et d'héberger les données dans un cadre maîtrisé. Chez LeetCall, les données sont chiffrées en transit et au repos et hébergées dans l'Union européenne.
Appel entrant
Un appel entrant est un appel passé par un client vers le numéro d'une entreprise. C'est le point de départ de la plupart des demandes de service client : une question sur un produit, un suivi de commande, une réservation ou une réclamation. Le volume d'appels entrants varie fortement selon l'heure et la saison.
Les appels entrants arrivent souvent au mauvais moment : pendant un service, une réunion ou en dehors des heures d'ouverture. C'est précisément le périmètre d'un agent vocal LeetCall, qui décroche à toute heure et transfère ce qui demande une personne.
Questions fréquentes
Quelle différence entre un callbot et un agent vocal IA ?
Les deux mots désignent un robot qui dialogue par téléphone. « Callbot » est le terme historique et couvre aussi des systèmes à scénarios figés, tandis qu'« agent vocal IA » souligne la compréhension du langage naturel et la capacité à agir dans les outils de l'entreprise.
Quelle différence entre un chatbot et un agent vocal IA ?
Un chatbot échange par écrit, sur un site ou dans une messagerie ; un agent vocal IA échange par la voix, au téléphone. La voix impose des contraintes propres : transcription en temps réel, gestion du tour de parole et possibilité pour l'appelant d'interrompre.
Qu'est-ce qu'une hallucination d'IA en service client ?
C'est une réponse qui paraît crédible mais ne repose sur aucune source réelle, comme un horaire ou une condition de retour inventés. Le remède consiste à ancrer la réponse dans les données autorisées de l'entreprise et à la vérifier avant qu'elle ne soit prononcée.
Qu'est-ce que le grounding, ou RAG ?
Le grounding consiste à fournir au modèle de langage les documents et les données utiles au moment de la question, pour qu'il réponde à partir d'eux. La technique RAG désigne cette recherche suivie d'une génération. C'est ce qui permet de répondre sur un catalogue ou un statut de commande réels.
Pourquoi la VAD et le barge-in comptent-ils pour un agent vocal ?
La VAD indique à l'agent quand l'appelant parle et quand il a terminé, ce qui évite les interruptions et les blancs. Le barge-in permet à l'appelant de couper l'agent en cours de phrase. Ensemble, ils donnent à l'échange un rythme proche d'une conversation humaine.
Un agent vocal IA est-il compatible avec le RGPD ?
Oui, à condition d'informer les personnes, de limiter les données collectées, de fixer une durée de conservation et de sécuriser le traitement. Chez LeetCall, les données sont chiffrées en transit et au repos et hébergées dans l'Union européenne, et l'entreprise cliente garde la maîtrise de ce qui est consigné.
Dernière mise à jour :
L’IA vocale française qui révolutionne vos appels. Automatisation intelligente, disponible 24/7.
Comment utiliser ce glossaire
Les entrées sont classées par thème plutôt que par ordre alphabétique : d'abord ce qu'est un agent et ses variantes, puis les briques techniques de la conversation, la qualité des réponses, la téléphonie, les connexions aux outils, et enfin les données.
Chaque entrée commence par une définition autonome, réutilisable telle quelle dans un cahier des charges, puis précise ce que la notion change pour un service client et la manière dont LeetCall l'aborde.