Agents vocaux pour le service client et l’ecommerce

Le 8 avril 2025, AWS a présenté Amazon Nova Sonic, un modèle capable de comprendre et générer la voix dans une même architecture et de maintenir une conversation bidirectionnelle en temps réel. L’annonce illustrait un changement plus large : l’interaction avec l’IA ne devait plus nécessairement commencer dans un champ texte.

Pour le service client et l’ecommerce, la voix transforme des tâches complexes en conversation naturelle. Une voix convaincante ne suffit pourtant pas. La valeur apparaît lorsque l’agent comprend l’intention, consulte des informations autorisées, exécute des processus sûrs et sait transférer la conversation.

Des usages immédiats

Dans le support, un agent peut identifier une commande, expliquer son état, répondre aux questions fréquentes, recueillir une anomalie ou préparer le transfert. En ecommerce, il peut orienter le choix, vérifier compatibilité et disponibilité, expliquer livraison et retours ou accompagner l’achat.

Il existe aussi des usages internes : instructions vocales en entrepôt, mise à jour du CRM ou synthèse opérationnelle. Il faut commencer par un besoin précis et mesurable. Vouloir résoudre toute conversation dès le premier jour multiplie risques, coûts et frustration.

Une conversation n’est pas une chaîne d’audios

Les architectures classiques transformaient la voix en texte avant de synthétiser la réponse. Un modèle parole-parole intégré peut conserver davantage d’informations sur le rythme, le ton et les interruptions et réduire la latence. AWS a présenté Nova Sonic avec compréhension et génération unifiées, streaming bidirectionnel, appel de fonctions et ancrage dans les connaissances de l’entreprise.

La qualité dépend néanmoins du système complet : reconnaissance des noms et références, interruption naturelle, mémoire de l’échange, accès contrôlé au catalogue ou CRM, confirmation avant paiement ou annulation et transfert avec tout le contexte.

Concevoir pour l’erreur

Dans une interface visuelle, on peut relire. Une erreur vocale disparaît pendant qu’elle est prononcée. Il faut résumer les données sensibles, demander confirmation et proposer des alternatives. Si une référence n’est pas comprise, le système doit reconnaître l’incertitude.

La confidentialité exige aussi des décisions explicites : que faut-il enregistrer, combien de temps, pour quelle finalité et avec quels accès ? Authentification, consentement et minimisation des données appartiennent à l’expérience.

Du pilote à l’exploitation

Un bon pilote limite canal, langue, horaires et tâches. Il commence par des demandes peu risquées et un environnement de test. On évalue des conversations complètes avant d’étendre.

Les indicateurs utiles comprennent résolution au premier contact, délai de résolution, transferts, abandons, répétitions, erreurs d’identification, satisfaction et coût. L’ecommerce ajoute conversion assistée, valeur du panier et retours liés aux recommandations. L’analyse qualitative reste indispensable.

Relier la voix au parcours omnicanal

Le canal ne doit pas être isolé. Un parcours peut commencer sur le site, continuer par la voix et finir par un lien ou une synthèse écrite. Le conseiller humain doit recevoir le contexte sans obliger le client à tout répéter.

Sitelicon traite les agents vocaux comme l’association de l’expérience, de l’intégration et de l’exploitation. Nous définissons le cas, connectons les sources, fixons les limites et mesurons le résultat. La voix est une interface puissante ; la confiance dépend de ce qui se trouve derrière.

Note éditoriale : article publié initialement en avril 2025 et révisé le 11 septembre 2026 pour préserver les archives.