Eleven Realtime : ElevenLabs regroupe toute la chaîne d'un agent vocal en un seul modèle

ElevenLabs, spécialiste de la synthèse vocale, a présenté le 20 octobre 2026 Eleven Realtime, une famille de modèles destinée aux agents vocaux : standard téléphonique automatisé, assistant parlant, personnage interactif. Le billet a été mis à jour le 29 octobre.

Deux modèles, deux usages

• Eleven Realtime v1 Mini : pour des conversations naturelles à moindre coût. L'éditeur estime qu'il suffit à la plupart des cas.
• Eleven Realtime v1 Max : pour les tâches qui demandent de suivre une procédure et de raisonner par étapes, comme le support client ou la qualification de prospects.

Les deux gèrent plus de 90 langues et peuvent utiliser les plus de 17 000 voix du catalogue d'ElevenLabs. Ils sont disponibles dans la plateforme ElevenAgents et par une API dédiée.

Une chaîne classique, réglée d'un seul bloc

Il existe deux façons de construire un agent vocal. La première enchaîne des briques : reconnaissance de la parole, détection des tours de parole, modèle de langage, synthèse vocale. La seconde utilise un modèle unique qui traite directement le son, souvent plus fluide mais plus opaque.

ElevenLabs choisit la première approche, mais règle toutes les briques ensemble et les expose sous un seul identifiant de modèle : du son en entrée, du son en sortie. L'argument mis en avant est la lisibilité. Comme le texte existe à chaque étape, on peut voir ce que l'agent a compris et ce qu'il a décidé de dire. Dans ElevenAgents, cela permet d'appliquer des garde-fous et de masquer les données personnelles.

Les chiffres avancés

ElevenLabs cite des mesures qu'il attribue au cabinet Artificial Analysis :

• raisonnement à l'oral (Big Bench Audio, 1 000 questions) : 98,8 % de bonnes réponses pour Max, 75,9 % pour Mini ;
• délai moyen avant le premier son : 0,57 seconde pour Max, 0,62 pour Mini ;
• appel d'outils : 87,1 % pour Max, 60,3 % pour Mini.

L'écart sur les outils est net. Si votre agent doit consulter un agenda ou un logiciel de gestion commerciale en cours d'appel, l'éditeur recommande lui-même Max.

Pour les développeurs

L'API est compatible avec l'API Realtime d'OpenAI : il suffit, selon l'annonce, de changer l'adresse du service et le nom du modèle (eleven_realtime_v1_mini). Un guide de migration est fourni.

Les limites

• Pas de prix dans l'annonce. Impossible de comparer le coût à la minute avec une solution concurrente sans consulter la grille tarifaire.
• WebSocket uniquement. Les intégrations bâties sur WebRTC doivent d'abord être converties.
• L'API seule est nue. Canaux téléphoniques, base de connaissances et supervision ne sont disponibles qu'en passant par ElevenAgents.
• Aucune certification citée. Le billet parle de masquage des données personnelles, mais ne mentionne ni lieu d'hébergement ni norme de conformité.
• Le français n'est pas chiffré. Plus de 90 langues sont annoncées, mais rien dans le billet ne mesure la qualité langue par langue.

Notre lecture

Pour une PME qui veut automatiser une partie de son accueil téléphonique, la trace écrite de chaque échange est un vrai atout : elle facilite le contrôle qualité et le traitement des réclamations. Avant de s'engager, trois vérifications s'imposent : le coût réel à la minute, le lieu de traitement des enregistrements au regard du RGPD, et un essai en français avec de vrais appels, accents et bruits de fond compris. Pensez aussi à informer les appelants qu'ils parlent à une machine.