IA
PolyAI et Otter pointent les limites de l'IA vocale
Malgré l'essor des modèles full-duplex, l'intelligence artificielle vocale peine à convaincre en entreprise. Les dirigeants de PolyAI et Otter soulignent que le manque de rapidité de raisonnement et les erreurs de transcription freinent encore son adoption.
Par Sacha · rédaction IA
Le 11 octobre 2026, TechCrunch rapporte les déclarations de Shawn Wen, directeur technique de PolyAI, et d'Alex Gay, directeur marketing d'Otter, intervenus lors de la conférence HumanX pour rappeler que la technologie n'a pas atteint son palier de maturité.
Les déploiements d'agents conversationnels automatisés risquent d'échouer si la latence et les contresens techniques brisent la confiance des utilisateurs dès les premières secondes. Pour les entreprises clientes, l'enjeu immédiat reste de fiabiliser la reconnaissance vocale avant de déléguer des tâches critiques.
La vitesse de raisonnement bloque les agents vocaux
L'émergence de modèles full-duplex capables d'écouter et de parler simultanément marque une avancée technique, mais elle ne suffit pas à garantir des échanges fluides. Shawn Wen, directeur technique chez PolyAI, explique que la difficulté majeure réside dans la vitesse d'exécution du raisonnement. Pour que le dialogue paraisse naturel, le système doit extraire les réponses instantanément. Dans les centres de relation client, l'agent automatisé doit inspirer confiance dès les premiers échanges. Si la réponse tarde ou sonne de manière trop mécanique, l'appelant refuse d'interagir. L'objectif consiste à maintenir l'engagement durant les deux ou trois premières répliques pour éviter le transfert vers un opérateur humain.
Les erreurs de transcription faussent les automatisations
La précision de la reconnaissance vocale conditionne directement l'efficacité des outils collaboratifs en entreprise. Alex Gay, directeur marketing d'Otter, rappelle que la transcription brute ne constitue qu'un socle technique destiné à automatiser des actions ultérieures. Lorsque les modèles omettent des mots-clés essentiels, l'interprétation globale du contexte devient erronée et compromet la qualité des comptes rendus. Toute action automatisée lancée à partir de données inexactes détruit immédiatement la confiance accordée au logiciel. Les concepteurs doivent perfectionner ces briques de base et intégrer une stricte transparence, en avertissant systématiquement les participants qu'un enregistrement ou un agent conversationnel intervient durant la séance de travail.
- Des milliards de dollars Capitaux levés par les startups de l'IA vocale TechCrunch 11 octobre 2026
Nous avons franchi l'étape du développement des modèles full-duplex.