Chatbot vocal : ce qui change par rapport à l'écrit

Un chatbot vocal fait la même chose qu'un chatbot écrit : il comprend une demande, cherche la réponse, la formule. Mais il le fait à l'oral et en temps réel. Trois contraintes s'ajoutent : le délai avant de répondre, qui se remarque beaucoup plus qu'à l'écrit ; la parole elle-même, avec les numéros, les adresses et les interruptions ; et, au téléphone, le réseau téléphonique, qui rallonge tout. Un chatbot vocal se prépare donc comme un autre produit, pas comme une option du chat.

Ce qui se passe entre la question et la réponse

À l'oral, chaque réponse traverse plusieurs étapes. Parloa, éditeur de solutions vocales pour les centres de contact, en recense onze facteurs de délai, dont :

1. Détecter la fin de la phrase de l'appelant ;
2. Transcrire la voix en texte (reconnaissance vocale) ;
3. Générer la réponse avec le modèle de langage ;
4. Lire la réponse à voix haute (synthèse vocale) ;
5. Transporter le son, par Internet ou par le réseau téléphonique ;
6. Interroger d'autres outils si besoin (agenda, fichier clients).

Chacune ajoute quelques centaines de millisecondes. À l'écrit, deux secondes d'attente passent inaperçues. À l'oral, elles font croire que la ligne a coupé.

Les repères de délai

Parloa publie ces repères pour une conversation vocale :

Le même article chiffre le surcoût du téléphone : environ 600 ms et plus, contre une centaine par le web. Dans l'exemple donné, la latence finale passe d'environ 465 ms à plus de 965 ms. Un même chatbot peut donc être fluide dans un navigateur et lent au téléphone.

Trois réglages qui comptent plus que le modèle

Le moment où le chatbot prend la parole. Parloa note qu'un réglage trop « agressif » fait couper la parole à l'appelant, et qu'un réglage trop prudent ajoute des centaines de millisecondes de silence. Il n'y a pas de bon réglage universel : un appelant âgé qui cherche ses mots n'a pas le rythme d'un client pressé.

La prononciation. La synthèse vocale en continu dispose de moins de contexte et peut mal prononcer les contenus chargés en références : numéros de compte, numéros de téléphone, adresses. Prévoyez que le chatbot les répète ou les épelle, et testez chacun.

Les phrases d'attente. Quand le chatbot doit consulter un autre outil, Parloa suggère des phrases de transition pour ne pas laisser de silence. Écrivez-les avec le client, dans son ton.

Écrire pour l'oreille

La base de connaissances d'un chat écrit ne passe pas telle quelle à l'oral :

• Pas de tableau ni de liste longue. Une grille tarifaire lue à voix haute est inaudible. Prévoyez des réponses courtes et proposez d'envoyer le détail par message ou par e-mail.
• Une information par phrase. L'appelant ne peut pas relire.
• Des chiffres arrondis quand c'est possible, sauf pour ce qui doit être exact (horaires, références).
• Une sortie claire vers un humain, dite tôt dans l'appel. Voir le transfert vers un humain.

Informer l'appelant

La Commission européenne indique que les règles de transparence du règlement européen sur l'intelligence artificielle s'appliquent à partir du 02/08/2026 ; elles prévoient notamment que les personnes soient informées lorsqu'elles interagissent avec un système d'IA. Au téléphone, cela se traduit par une phrase d'accueil explicite. Le détail juridique relève du conseil du client.

Ce qu'il faut ajouter au cahier de recette

• Mesurer le délai de réponse par le web et par un vrai appel téléphonique
• Appeler depuis un lieu bruyant et depuis un téléphone mobile en mouvement
• Interrompre le chatbot au milieu d'une phrase
• Faire dicter un numéro, une adresse, un nom propre, et les faire répéter
• Parler lentement, avec des hésitations
• Demander un humain, dès la première phrase puis en fin d'appel

Ces tests complètent le cahier de recette du chat écrit. Le guide de la Direction générale des entreprises cite d'ailleurs le temps de réponse parmi les mesures à suivre en continu : à l'oral, c'est celle que l'appelant remarque en premier.