Votre agent IA appelle désormais le support client, et les entreprises doivent répondre

Lors de son événement Decagon Dialogues du 1er octobre, Decagon a lancé quatre produits destinés à un problème que la plupart des entreprises n'ont pas encore commencé à anticiper : que se passe-t-il lorsque l'interlocuteur au bout du fil n'est pas une personne, mais l'agent IA de quelqu'un d'autre ?

Les quatre nouveautés étaient Voice 3, doté d'un nouveau modèle vocal appelé Chord, une Personal Agent Gateway accompagnée d'un protocole d'autorisation, des Agent Modules, et une bêta baptisée Duet Apprentice. Les deux premières comptent le plus, car ensemble elles décrivent les deux faces d'une conversation en train de devenir banale.

Le modèle vocal a franchi le seuil de l'humain

Chord est le premier modèle vocal développé en interne par Decagon, post-entraîné spécifiquement pour les conversations clients plutôt que pour la parole en général. L'entreprise a mené un test à l'aveugle sur trois paires d'enregistrements, chacune associant une vraie personne à la même voix passée par Chord. En moyenne, environ 90 % des auditeurs n'ont pas pu identifier laquelle était humaine.

Deux détails du fonctionnement de Chord valent plus que le chiffre mis en avant. Le modèle façonne la parole phrase par phrase, ralentissant pour les numéros de téléphone et les codes de confirmation avant de revenir au rythme d'une conversation. Et il repose sur une architecture duplex à deux couches fonctionnant en parallèle : un modèle à faible latence gère l'écoute et la parole, tandis qu'un modèle plus lourd prend en charge le raisonnement, l'appel d'outils et les garde-fous en arrière-plan de la conversation.

La conception se voit dans le comportement. L'agent traite l'audio entrant pendant qu'il parle encore, ce qui lui permet d'enchaîner sur un « mhm » de pure politesse puis de céder face à une véritable interruption, au lieu de parler par-dessus l'appelant ou de rester silencieux. Il peut décrire sa progression pendant une tâche longue et répondre à une question de suivi en cours de route plutôt que de mettre l'appelant en attente.

Decagon affirme que Chord est entraîné sur des données sous licence et des voix de comédiens consentants, et jamais sur des données appartenant aux clients. Voice 3 prend en charge plus de 70 langues, détecte la langue de l'appelant et bascule automatiquement, même lorsque celui-ci alterne entre plusieurs langues au milieu d'une phrase, chaque langue étant validée par des locuteurs natifs avant sa mise en service.

Le problème plus difficile, c'est l'autre agent

Une bonne voix de synthèse est désormais un prérequis de base. La nouveauté plus intéressante est la Personal Agent Gateway, et la raison pour laquelle Decagon l'a conçue est explicitée dans sa propre annonce : le mois précédant l'événement, Meta a lancé Muse, OpenAI a présenté dots, et Instinct a commencé à passer des appels téléphoniques pour ses utilisateurs. Ce sont des agents personnels qui réservent, achètent, annulent et négocient au nom de leur propriétaire, et ils contactent déjà les services de support client.

Cela brise une hypothèse sur laquelle repose toute pile de support. La partie qui formule une demande n'est pas forcément celle qui possède le compte, et peut ne pas être celle qui est autorisée à approuver la modification.

La passerelle répond à cela avec deux éléments. La détection d'agents personnels signale les agents personnels probables dans le chat et la voix, à partir de signaux provenant de l'entreprise et de la plateforme, et chaque entreprise décide de la suite à donner et de ce à quoi ces agents peuvent accéder. Ensuite, un canal dédié aux agents personnels coexiste avec le chat, l'e-mail et la voix, avec des Agent Operating Procedures distinctes, de sorte qu'une même demande suive un workflow différent selon qu'une personne ou un agent en est à l'origine.

Les autorisations résident dans ces procédures. Une entreprise définit les périmètres qu'un agent peut demander et les sections d'un workflow qui exigent chaque périmètre, et une section n'est jamais exposée à un agent qui ne dispose pas de l'autorisation correspondante. L'exemple de Decagon est celui d'une compagnie aérienne : l'agent personnel d'un voyageur demande l'autorisation de consulter et de modifier un vol, et le voyageur n'approuve que la consultation. L'agent obtient l'itinéraire, mais pas la possibilité de le modifier.

Ce protocole, Decagon l'appelle PACT, et son objectif est étroit mais structurant. Il permet à une entreprise de vérifier qui un agent représente et ce que cette personne a réellement autorisé, ce qui est la question à laquelle un système de support doit répondre avant d'agir au nom de quiconque.

Pourquoi cela atterrit d'abord sur le support

Les clients de Decagon ont commencé par utiliser ses agents pour résoudre des tickets de support, et l'entreprise affirme que ces mêmes agents qualifient aujourd'hui des prospects, intègrent des clients, encaissent des paiements et font grandir la relation. C'est cette expansion qui rend le problème des agents personnels urgent plutôt que théorique. Le même agent qui répond à une question peut aussi modifier une commande, et le profil de risque de ces deux actions n'est pas identique.

Christian Niedworok, responsable de la communication de service numérique chez Deutsche Telekom, a résumé l'expérience Voice 3 en termes simples dans l'annonce de l'entreprise : la voix donne l'impression d'écouter, et elle fait avancer la conversation au lieu de se taire pendant qu'elle travaille. C'est une description de la latence et de l'alternance des tours de parole, exactement ce qui donnait aux anciens agents vocaux cette impression robotique.

Les deux autres nouveautés vont dans le même sens

Les Agent Modules et la bêta Duet Apprentice complètent le volet opérationnel. Les Modules empaquettent des capacités définies qu'une entreprise peut activer pour une tâche précise, ce qui fait la différence entre un assistant généraliste et un outil que l'on peut pointer vers une file d'attente. Duet Apprentice apprend des wikis de l'entreprise elle-même et des escalades passées, et conserve ces connaissances dans l'espace de travail du client, afin qu'un agent progresse à partir des ressources propres de l'organisation plutôt que d'un socle partagé.

Aucune des deux n'est aussi spectaculaire que la démo vocale. Les deux comptent pour la même raison que la passerelle. Les entreprises qui déploient des agents à grande échelle dépassent la question de ce qu'un modèle sait faire pour se tourner vers celle de ce qu'un agent précis est autorisé à savoir, à dire et à modifier dans un workflow réel.

Pourquoi le seuil vocal était la partie facile

Il faut noter à quelle vitesse le chiffre de 90 % cesse de faire l'actualité. Une voix de synthèse indiscernable d'un humain est aujourd'hui un problème résolu pour une tâche étroite et bien définie comme un appel au support, et les fournisseurs qui n'en ont pas encore livré une le feront bientôt.

Le seuil qui continue de bouger, c'est celui de l'autorisation. La formulation de Decagon le montre bien : les agents personnels qui réservent, achètent, annulent et négocient contactent déjà le support, et les entreprises qui reçoivent ces appels n'ont aucun moyen établi de vérifier qui l'agent représente. Une voix parfaite sur une demande non autorisée est pire qu'une voix maladroite sur une demande vérifiée.

C'est pourquoi c'est la passerelle, et non le modèle vocal, qui façonnera l'année à venir des outils de support. C'est aussi pourquoi le protocole PACT compte plus que son périmètre modeste ne le suggère. Il faut bien que quelqu'un définisse à quoi ressemble une preuve d'autorisation lorsque le demandeur est un logiciel, et la première définition crédible tend à devenir la norme.

Ce que les entreprises doivent décider dès maintenant

Le point inconfortable de ce basculement, c'est qu'il impose une décision que la plupart des entreprises ont repoussée : ce qu'un appelant automatisé est autorisé à faire, et comment vous prouvez que cela a été autorisé.

Trois questions méritent une réponse avant que les demandes n'arrivent. Vos systèmes savent-ils distinguer un agent d'une personne, et est-ce important pour chaque workflow ? Quel est l'ensemble minimal d'autorisations dont un agent personnel a besoin pour votre demande la plus courante ? Et lorsqu'un agent agit au nom de quelqu'un, quelle trace conservez-vous de l'autorisation, et qui peut la consulter ?

Aucune de ces questions ne porte sur le modèle. Ce sont des questions de politique, et ce sont elles qui détermineront si votre pile de support traite un agent entrant comme un client, une menace, ou quelque chose pour quoi le système n'a aucune catégorie. Decagon a livré la plomberie. Les définitions restent à la charge des entreprises à l'autre bout.