Les agents vocaux IA résolvent les demandes complexes 32 % mieux que les chats

Le vol d'un client a été annulé. Il doit trouver un nouvel itinéraire, vérifier la correspondance, confirmer un supplément et obtenir son billet. Dans un chat, un tel échange se transforme vite en longue correspondance : la personne répond par bribes, revient sur d'anciens messages et s'agace davantage à chaque précision demandée. La voix permet de tout dire d'un coup, mais seulement si l'agent IA répond sans pauses pénibles et sait réellement mener l'opération à son terme.

ElevenLabs a comparé les appels vocaux et les chats de plusieurs centaines d'agents IA en activité. L'échantillon comprenait les agents ayant mené, de mai à juillet 2026, au moins 50 conversations dans chaque canal. Pour chaque entreprise, le résultat a été évalué selon ses propres critères, et les versions vocale et textuelle d'un même agent ont été comparées entre elles.

Après deux minutes, la donne change

Dans les conversations de moins d'une minute, le chat s'est révélé meilleur d'environ 9 points de pourcentage. Entre une et deux minutes, il n'y avait presque pas de différence notable. Après deux minutes, la voix est passée devant : la part de demandes résolues était supérieure de 10,9 points de pourcentage, soit de 31,7 % par rapport au chat. Près des deux tiers des agents affichaient un résultat nettement meilleur dans le canal vocal.

Les longues conversations téléphoniques réussies duraient en moyenne 4,6 minutes, contre 7 minutes pour l'échange écrit. Parmi les 90 agents disposant d'assez de demandes réussies des deux types, 78 % concluaient plus vite les conversations vocales.

Appliqué au vol annulé, cela donne une scène très concrète. Au lieu d'une chaîne de dix messages, le client dit : « Il me faut un départ aujourd'hui, sans correspondance de nuit, avec un supplément de dix mille au maximum. » L'agent clarifie un paramètre litigieux, vérifie les options disponibles et effectue le changement. La voix ne rend pas le modèle plus intelligent. Elle raccourcit le chemin entre l'intention de la personne et l'action du système.

La latence peut annuler tout le gain

Dans un groupe distinct de 315 conversations, les agents ont été basculés vers un modèle de langage plus rapide. La latence moyenne de bout en bout a baissé de 16 %, tandis que la part d'appels réussis a augmenté de 26 %. Les conversations interrompues dans les 15 premières secondes sont passées de 21,1 % à 3,8 %.

Il s'agit d'une corrélation, et non de la preuve d'un lien de causalité direct : d'autres paramètres ont pu changer en même temps que le modèle. Mais le signal pour le produit est clair. Les premières secondes sont particulièrement importantes : si un silence suit la réplique du client, il pense que la connexion est coupée et raccroche.

Dans une petite étude auprès des utilisateurs, 98 participants ont résolu un problème simulé d'annulation de vol par la voix et par le chat, dans un ordre aléatoire. 85 % ont préféré la voix, en citant le plus souvent la rapidité et le sentiment d'empathie. Toutefois, un scénario de laboratoire et un échantillon de 98 personnes ne permettent pas d'extrapoler ce résultat à tous les secteurs et publics.

Que déployer en pratique

Il ne faut pas remplacer toute l'interface par la voix. Pour les requêtes courtes (connaître un statut, obtenir un lien, modifier un seul paramètre), le chat reste plus pratique. La voix a du sens pour les tâches comportant plusieurs conditions, un coût d'erreur élevé et une tension émotionnelle.

L'équipe doit mesurer non pas la durée de l'appel en soi, mais l'action menée à bien : un remboursement a-t-il été effectué, une réservation modifiée, une réclamation clôturée. Il est aussi utile de suivre séparément le délai avant la première réplique, la latence de chaque réponse, la part d'interruptions dans les 15 premières secondes et la fréquence de transfert de la conversation à un humain.

L'étude a été publiée par un fournisseur de plateforme vocale et promeut en même temps ElevenAgents ; ses chiffres nécessitent donc une vérification indépendante. La durée n'est en outre qu'une mesure approximative de la complexité : dans un chat, l'utilisateur peut simplement se laisser distraire. Néanmoins, la conclusion pratique est solide : pour les demandes complexes, un agent vocal peut apporter un gain notable s'il répond vite, conserve le contexte et a accès aux opérations réelles de l'entreprise. Une belle voix ne suffit pas sans ces trois éléments.