Le vocabulaire de l'assistant téléphonique IA : le glossaire sans jargon

Vous avez commencé à chercher un assistant téléphonique IA pour régler un problème tout simple — les appels manqués — et, quelque part vers le troisième onglet, vous vous êtes heurté à un mur de vocabulaire. Agent vocal. SVI. Scénario d'appel. SIP. Portabilité. Latence. Tout le monde emploie ces mots comme si vous les connaissiez déjà, et personne ne prend le temps de les expliquer. Cette page prend le temps. Sans vernis commercial, sans supposer que vous avez un service informatique : juste le vocabulaire de l'accueil téléphonique IA dont vous avez réellement besoin pour décider en connaissance de cause.

Voici la vérité honnête sur la plupart de ces termes : ils existent parce que la téléphonie a été construite par des ingénieurs, pour des ingénieurs, des décennies avant que quiconque imagine un ordinateur répondant au téléphone avec une voix humaine. Ce jargon, c'est de la vieille tuyauterie. Vous n'avez pas besoin de devenir plombier. Vous avez juste besoin d'en savoir assez pour distinguer une vraie fonctionnalité d'un mot qui brille, et pour comprendre ce qu'un prestataire promet réellement quand il annonce que vos appels seront traités.

Les deux mots qui sèment le plus de confusion

Avant le glossaire proprement dit, réglons le sort des deux termes que l'on confond en permanence : le SVI et l'agent vocal. Tous les deux décrochent votre téléphone. Ce n'est pas la même chose, et cette différence résume à elle seule toute la catégorie.

Un SVI — serveur vocal interactif, l'« IVR » des anglophones — c'est le vieux menu « tapez 1 pour les ventes, tapez 2 pour le support ». Il existe depuis les années 1980. Il suit un arbre rigide : l'appelant appuie sur une touche ou prononce un mot prévu à l'avance, et le système passe à la branche suivante. Il ne comprend pas une phrase. Il ne répond pas à une question que vous n'avez pas programmée. Les appelants le détestent, et pour une bonne raison : c'est à eux de faire le travail.

Un agent vocal (aussi appelé réceptionniste IA, assistant téléphonique IA ou IA vocale conversationnelle) écoute ce que l'appelant dit vraiment, comprend l'intention derrière ses mots et répond en langage naturel. Demandez-lui « vous êtes ouverts le samedi ? » et il répond à la question. Demandez-lui un rendez-vous mardi après-midi et il le prend. Aucun arbre de menu à parcourir, puisqu'il n'y a pas de menu. C'est le saut que les dernières années ont rendu possible, et c'est pour cela que le vocabulaire est devenu confus d'un coup : les termes anciens et les nouveaux cohabitent désormais.

L'agent vocal (et ses nombreux alias)

Agent vocal est le terme générique qui désigne un logiciel capable de tenir une conversation parlée au téléphone. Vous verrez la même idée vendue sous une dizaine de noms : réceptionniste IA, assistant téléphonique IA, réceptionniste virtuelle, IA conversationnelle, secrétariat téléphonique IA, voicebot. Le marketing choisit le mot qui sonne le plus rassurant pour sa cible. Sous le capot, tous décrivent le même tour de passe-passe en trois temps.

1. Il vous entend — la reconnaissance vocale transforme vos paroles en texte à l'instant même où vous les prononcez.
2. Il comprend et décide — un modèle de langage lit ce texte, détermine ce que vous voulez et choisit une réponse à partir du profil et des règles de l'entreprise.
3. Il répond à voix haute — la synthèse vocale transforme la réponse en voix naturelle, assez vite pour que l'échange ressemble à un vrai appel.

Quand quelqu'un dit que son agent vocal est « bon », il veut généralement dire que ces trois étapes s'enchaînent assez vite et assez juste pour que l'appelant n'ait pas l'impression de parler à une machine — ou du moins que cela ne le dérange pas. Tous les autres termes de ce glossaire ne sont finalement que des détails sur la façon dont ces trois étapes se branchent à votre vrai numéro de téléphone.

Reconnaissance vocale, transcription et synthèse vocale

La reconnaissance vocale (speech-to-text, STT), parfois appelée reconnaissance automatique de la parole (ASR), est l'étape qui convertit en temps réel les paroles de l'appelant en texte écrit. Ce sont les oreilles du système. Les accents, le bruit de fond et les gens qui se coupent la parole sont ses pires ennemis — raison pour laquelle il faut toujours tester un agent vocal avec un vrai appel, un peu brouillon, plutôt qu'avec une démo bien propre enregistrée en studio.

La transcription est une cousine proche, mais elle sert un autre but. La reconnaissance vocale travaille en direct pour que l'agent puisse répondre ; la transcription, elle, est le compte rendu écrit de toute la conversation, conservé pour que vous puissiez le lire plus tard. C'est l'une de ces fonctions discrètement précieuses. Après chaque appel, un bon assistant vous envoie la transcription accompagnée d'un court résumé : qui a appelé, ce qu'il voulait, ce qui a été convenu. Vous récupérez la substance de l'appel sans avoir eu à y assister.

La synthèse vocale (text-to-speech, TTS) est la bouche. Elle transforme la réponse choisie par l'agent en parole audible. C'est la synthèse vocale moderne qui fait que les assistants d'aujourd'hui sonnent humains au lieu de ressembler à un GPS des années 1990 : rythme naturel, respirations, un « hmm » de temps en temps. Vous entendrez parfois le mot voix employé pour désigner une persona de synthèse précise, que vous pouvez choisir (plus chaleureuse, plus vive, avec un accent particulier).

Le scénario d'appel (et la conception conversationnelle)

Un scénario d'appel (call flow, en anglais) est la carte de ce qui se passe pendant un appel : comment l'agent accueille l'appelant, ce qu'il a le droit de faire, quand il prend un rendez-vous plutôt qu'un message, et quand il passe la main à un humain. Dans les anciens SVI, ce scénario était un arbre de décision rigide. Dans un bon agent vocal, il ressemble davantage à un ensemble d'objectifs et de limites : « accueille chaleureusement, réponds aux questions à partir du profil de l'entreprise, propose un rendez-vous si l'appelant en veut un, prends un message en cas de doute ».

Vous entendrez aussi parler de conception conversationnelle ou de prompt pour désigner les instructions écrites qui façonnent le comportement et le ton de l'agent. Ce qu'il faut en retenir concrètement : plus la configuration vous interroge sur votre activité — vos prestations, vos horaires, vos tarifs, la façon dont vous voulez que les demandes soient traitées —, mieux le scénario d'appel colle à la réalité. Un assistant générique, sans contexte, donne des réponses génériques et parfois fausses. Ce n'est pas la technologie qui échoue : c'est la configuration qui a été bâclée.

Intention, entités et « hallucination »

L'intention, c'est ce que l'appelant cherche à faire, sous ses mots exacts. « Vous avez quelque chose jeudi ? », « Je peux passer cette semaine ? » et « J'ai besoin d'un rendez-vous » sont trois phrases pour une seule intention : prendre rendez-vous. Reconnaître l'intention, c'est précisément ce qui sépare un agent vocal d'un SVI qui ne comprend que la formule exacte que vous avez scriptée.

Les entités sont les détails précis contenus dans une demande : une date, une heure, un nom, un numéro de téléphone, une prestation. « Prenez-moi une coupe avec Sam mardi prochain à seize heures » contient quatre entités que l'agent doit capter correctement. Quand on se plaint qu'un rendez-vous est arrivé avec la mauvaise heure, c'est presque toujours une entité mal entendue — d'où l'intérêt de vérifier que votre assistant répète bien les détails à l'appelant avant de raccrocher.

L'hallucination est le mot sans détour du secteur pour désigner le moment où une IA invente quelque chose avec aplomb : un tarif que vous n'avez jamais fixé, une prestation que vous ne proposez pas. C'est le risque qui compte le plus pour une entreprise, car une mauvaise réponse dite avec assurance est pire que pas de réponse du tout. Le garde-fou s'appelle l'ancrage : un assistant bien construit répond uniquement à partir du profil que vous lui avez donné, et dit « je vous prends un message et quelqu'un vous confirmera » quand il ne sait pas. Si un prestataire refuse de vous expliquer comment il évite les hallucinations, c'est une question sur laquelle il vaut la peine d'insister.

Le renvoi d'appel — la porte d'entrée facile

C'est le terme qui décide à quel point la mise en place sera pénible ou non. Le renvoi d'appel consiste à demander à votre ligne actuelle d'envoyer les appels ailleurs — ici, vers l'assistant IA. Votre numéro reste exactement là où il est, chez votre opérateur actuel. Vous ajoutez simplement une règle : renvoyer les appels vers ce nouveau numéro.

On peut généralement rendre ce renvoi conditionnel. Le renvoi inconditionnel envoie tous les appels à l'assistant. Le renvoi sur occupation ou sur non-réponse ne se déclenche que si votre ligne est occupée ou si personne ne décroche au bout de quelques sonneries — vous prenez donc les appels que vous pouvez, et l'assistant récupère le débordement et les appels hors horaires. Pour la plupart des petites entreprises, ce réglage conditionnel est le bon compromis : vous continuez à répondre quand vous êtes disponible, et rien ne passe à la trappe quand vous ne l'êtes pas.

La portabilité du numéro — le déménagement définitif

La portabilité du numéro est un changement d'une tout autre nature : elle transfère la propriété de votre numéro d'un opérateur à un autre. C'est ce que l'on fait quand on change complètement d'opérateur et que l'on veut garder son numéro. C'est définitif, il y a de la paperasse, et cela peut prendre d'un jour à quelques semaines selon le pays et le prestataire.

Voici pourquoi la distinction compte au moment de comparer les offres : vous n'avez presque jamais besoin de porter votre numéro pour utiliser un assistant téléphonique IA. Le renvoi fait le travail sans engagement. Si l'inscription chez un prestataire exige de porter le numéro principal de votre entreprise juste pour essayer son service, c'est beaucoup demander pour quelque chose qui n'a encore rien prouvé. Méfiez-vous. La portabilité est un bon outil pour ce à quoi elle sert vraiment — changer d'opérateur — mais elle ne devrait pas être le prix à payer pour tester un accueil téléphonique.

SIP, VoIP et les mots de tuyauterie

Ce sont les termes qui font décrocher les dirigeants, alors soyons brefs et honnêtes : pour la plupart des petites entreprises, vous n'avez pas besoin de les comprendre pour acheter ou utiliser un assistant IA. Mais vous les croiserez, alors voici ce qu'ils veulent dire.

La VoIP (voix sur IP) signifie simplement que les appels passent par internet au lieu des vieilles lignes de cuivre. Si vous appelez depuis une application, un casque branché sur un ordinateur ou un téléphone de bureau connecté à internet, vous faites déjà de la VoIP. C'est le cas de la plupart des téléphones professionnels modernes.

Le SIP (Session Initiation Protocol) est la norme technique qui établit et met fin à ces appels internet — la poignée de main qui relie les deux bouts. Un trunk SIP (ou faisceau SIP) est un ensemble de lignes professionnelles livrées par internet. Vous entendrez ces mots quand un prestataire raccorde un assistant IA directement à la téléphonie d'une grande entreprise. Pour une structure d'une, deux ou cinq personnes, c'est de la tuyauterie qui reste en coulisses : vous n'y touchez quasiment jamais.

Latence, barge-in et tours de parole

Ces trois mots décrivent si un appel donne l'impression d'être naturel, ce qui compte plus que n'importe quelle fiche technique.

La latence est le délai entre le moment où l'appelant finit de parler et celui où l'assistant commence à répondre. Au téléphone, le silence devient vite gênant : même deux secondes de blanc donnent l'impression que la ligne a coupé. Une faible latence, c'est ce qui rend un agent vocal présent plutôt que poussif. C'est l'une des choses les plus difficiles à réussir et l'une des plus faciles à remarquer : fiez-vous à vos oreilles pendant un appel test plutôt qu'à un chiffre dans une brochure.

Le barge-in (ou gestion des interruptions) désigne la possibilité de couper l'agent en pleine phrase pour qu'il se taise et écoute — comme le ferait une personne. Sans cela, l'agent vous parle dessus et vous devez attendre la fin de sa réplique avant qu'il ne vous entende. Avec, la conversation coule. Les tours de parole sont la compétence plus large qui consiste à savoir si l'appelant a terminé sa pensée ou s'il reprend simplement son souffle. Ratez ces deux points et même un agent intelligent paraît robotique ; réussissez-les et les appelants ne se rendent souvent pas compte qu'ils parlent à un logiciel.

Passage de relais, escalade et transfert accompagné

Un bon assistant connaît ses limites, et ces mots décrivent ce qu'il fait quand il les atteint. Le passage de relais (ou escalade) est le moment où l'IA s'arrête et fait intervenir un humain — parce que l'appelant est agacé, pose une question complexe ou demande explicitement une personne. La finesse avec laquelle un produit gère ce moment en dit long sur le respect que ses concepteurs ont pour l'appelant.

Il en existe deux formes courantes. Le transfert accompagné bascule l'appel en cours directement vers un humain, idéalement avec un résumé rapide de ce qui a été dit, pour que l'appelant n'ait pas à tout répéter. La prise de message note les détails et vous prévient de rappeler — le bon réflexe quand personne n'est disponible pour prendre un transfert en direct, par exemple en dehors des horaires. L'essentiel : un assistant digne de confiance ne se fait jamais passer pour un humain quand on le lui demande, et n'enferme jamais personne dans une boucle sans issue vers une vraie personne.

Appels simultanés, 24/7 et disponibilité

Les appels simultanés (la « concurrence », dans le jargon) désignent le nombre d'appels que l'assistant peut traiter en même temps. Une réceptionniste humaine prend un appel ; tous les autres entendent la tonalité d'occupation ou tombent sur la messagerie. Un agent vocal peut décrocher plusieurs appels — voire beaucoup — en parallèle, sans file d'attente. Pour une activité qui connaît des pics soudains (une promotion, un lundi matin chargé, une urgence), c'est discrètement l'un des plus gros gains : personne ne poireaute, et aucun appelant ne décide d'essayer votre concurrent.

24/7 et disponibilité sont les promesses toutes simples que l'assistant répond en continu, y compris la nuit, le week-end et les jours fériés. C'est d'ailleurs la raison qui pousse beaucoup de dirigeants à s'y intéresser au départ. Le calcul est simple : si vous manquez dix appels par semaine — hors horaires, pendant les rendez-vous, les jours de fermeture — et qu'un seul d'entre eux était un rendez-vous qui valait la peine, un assistant qui les récupère se rembourse tout seul. Pas besoin d'étude inventée : vous savez déjà combien d'appels vous ratez.

Profil d'entreprise, base de connaissances et « entraînement »

Le profil d'entreprise, ou base de connaissances, c'est l'information dans laquelle l'assistant puise ses réponses : vos prestations, vos horaires, les tarifs que vous acceptez de communiquer, votre adresse, votre façon de traiter les demandes courantes. C'est l'élément le plus important que vous contrôlez, car l'assistant n'est jamais plus juste que ce profil. Passez vingt minutes à le remplir correctement et la différence de qualité des appels est spectaculaire.

Vous verrez parfois le mot entraînement employé de façon très large. Il peut désigner l'entraînement technique et profond du modèle de langage sous-jacent (que fait le prestataire, pas vous), ou simplement le fait de « remplir votre profil pour que l'assistant connaisse votre activité ». Quand un outil pour petite entreprise promet d'« entraîner votre assistant en quelques minutes », il parle presque toujours de la seconde version, la plus amicale : répondre à un court questionnaire sur votre façon de travailler. Personne n'attend de vous que vous fassiez du machine learning.

Ce que tout cela donne au moment de se lancer

Mettez le jargon bout à bout et le déroulé réel est d'une banalité rafraîchissante. Avec Vunoon, vous créez un compte, vous remplissez un court questionnaire qui devient votre profil d'entreprise, puis vous testez l'agent vocal en l'appelant et en lui parlant comme le ferait un client. Quand le résultat vous convient, vous activez le renvoi d'appel sur votre ligne actuelle — pas de portabilité, pas de tuyauterie SIP à apprendre — et vous êtes en service. Après chaque appel, vous recevez une transcription et un résumé ; et quand l'assistant ne peut pas aider, il fait une prise de message propre plutôt que de deviner.

C'est tout l'intérêt de décoder ces mots : une fois qu'on voit au travers, la technologie cesse d'intimider et se réduit à une courte liste de décisions que vous êtes parfaitement capable de prendre. Vous n'avez pas besoin de parler télécom couramment. Vous avez besoin d'un accueil téléphonique qui décroche, qui comprend et qui passe la main honnêtement — et vous savez désormais reconnaître un produit qui le fait vraiment.

1. 1
   Remplissez le profil

   Répondez au questionnaire sur vos prestations, vos horaires et la façon dont vous voulez que les demandes soient traitées. C'est la « base de connaissances » : l'assistant ne vaut que ce que vous y mettez.
2. 2
   Testez l'agent vocal

   Appelez-le. Coupez-lui la parole, marmonnez, posez une question hors script. Vous évaluez la latence, le barge-in et sa capacité à répondre à partir de votre profil.
3. 3
   Renvoyez vos appels

   Réglez un renvoi conditionnel pour que l'assistant récupère le débordement et les appels hors horaires. Votre numéro reste exactement là où il est ; vous pouvez tout désactiver en quelques secondes.
4. 4
   Lisez les transcriptions

   Chaque appel vous revient sous forme de résumé et de transcription : vous gardez une visibilité complète, même sur les appels que vous n'avez jamais décrochés.