OpenAI ajoute les appels SIP à GPT-Live : un agent vocal IA à 5 cents la minute

Auparavant, pour qu'un agent IA puisse appeler un client ou décrocher, il fallait une couche distincte entre le réseau téléphonique et le modèle : un service de téléphonie, un orchestrateur vocal, parfois même un serveur média maison. OpenAI s'emploie à amincir cette couche : l'entreprise a publié un guide pour connecter GPT-Live via SIP, le protocole standard de la téléphonie IP.

Comment le brancher

Le schéma est assez direct. Pour les appels entrants, vous prenez un numéro chez n'importe quel fournisseur SIP. L'auteur de l'analyse mentionne Zadarma, mais un autre fera l'affaire. Vous configurez ensuite un webhook sur l'événement live.transport.incoming et dirigez le trafic vers sip.api.openai.com. Pour les clients européens, il existe une adresse distincte, sip-eu, ce qui compte si vous vous souciez de la latence et du lieu de traitement des données.

Les appels sortants se lancent par une requête vers /v1/live/sessions, où l'on indique le numéro à appeler. Ensuite, c'est le modèle qui mène la conversation.

La plateforme propose des fonctions téléphoniques de base : transfert de l'appel vers une autre personne, envoi de chiffres (le fameux « tapez 1 » des menus vocaux) et fin d'appel. Il existe aussi des intégrations prêtes à l'emploi avec LiveKit, Twilio, Telnyx, Bandwidth et Daily/Pipecat. Si vous travaillez déjà avec l'un de ces services, il n'est donc pas obligatoire de changer de schéma.

Le prix : 5 cents la minute, facturé à la seconde. Mais cela ne couvre que la couche téléphonique et vocale ; le modèle et les outils sont facturés à part. Le coût d'une conversation doit se calculer en additionnant tous les composants, et non d'après ce seul chiffre.

Ce qui reste à votre charge

La conclusion principale de l'analyse : « prêt à l'emploi », c'est pour l'instant un kit de construction brut, et non un produit fini pour le phoning. Il faudra implémenter soi-même beaucoup de choses :

• raccrocher quand l'interlocuteur a dit « au revoir ». Le modèle ne raccrochera pas de lui-même ;
• détecter un répondeur et décider quoi en faire ;
• diffuser mot pour mot un message d'accueil enregistré, par exemple pour des raisons juridiques ;
• gérer les interruptions, lorsque la personne se met à parler par-dessus l'agent.

Ce sont des maux bien connus des agents vocaux, et ce sont précisément ceux que les plateformes spécialisées résolvent. Il est donc sage de voir cette nouveauté comme un moyen de transport, et non comme un centre de contact clé en main.

Langues et qualité de la voix

La liste compte 21 voix, mais l'auteur n'a trouvé de doublage que pour l'anglais, le portugais, l'allemand, le français, le japonais et le coréen. Le russe fonctionne, mais avec un accent. Pour un produit russophone, ce n'est pas un détail : au téléphone, les gens repèrent vite une voix peu naturelle et raccrochent plus souvent. Si votre scénario n'est pas en anglais, testez d'abord la voix sur de vrais appels, pas sur une démo.

L'impression générale de l'auteur : OpenAI propose de bonnes voix, mais la version ressemble à une bêta.

Que faire de tout cela

Si vous construisez un agent vocal pour la prise de rendez-vous, le support ou la qualification de leads, il vaut la peine de monter un prototype SIP et de le comparer à votre stack actuelle selon trois critères : la latence, le coût total de la minute modèle compris, et la qualité de la voix dans votre langue. Si vous payez actuellement un intermédiaire pour un simple routage d'appels, vous avez une raison de revoir votre contrat.

En revanche, si vous avez besoin de détection de répondeur, de scripts rigides et d'une gestion soignée des interruptions, les plateformes toutes faites restent pour l'instant plus pratiques. La nouvelle est aussi inquiétante pour les fournisseurs de plateformes vocales : une partie de leur valeur migre vers l'API d'OpenAI elle-même. Mais pour l'instant, il s'agit bien d'une bêta, et c'est sur vos propres appels qu'il faut vraiment mesurer.