Les agents vocaux changent de vainqueur selon le terrain d'épreuve
— AUDIOVISUEL
Un même modèle vocal domine les scénarios scriptés et s'effondre face à de vrais appels, preuve que le classement dépend d'abord du protocole de test. Pour qui choisit un outil de voix de synthèse, le repère fiable reste la mise en situation réelle, pas le podium affiché.
Deux classements, deux champions. Phonic v1 l'emporte sur des scénarios préparés à l'avance, Grok Voice 3.0 domine quand les appels s'appuient sur des enregistrements de vraies personnes. Pour une équipe qui doit choisir un agent vocal pour un centre d'appels ou un service client, ce double podium dit une chose simple : le meilleur outil dépend entièrement du contexte dans lequel on le fait travailler.
Le chiffre qui résume tout tient en un écart. Phonic v1 réussit neuf scénarios scriptés sur dix lorsqu'ils sont répétés trois fois de suite, et retombe à trois sur dix face à de vrais interlocuteurs qui hésitent, changent de langue ou coupent la parole. Un agent qui excelle en conditions de laboratoire peut décevoir dès qu'un humain improvise, et c'est exactement ce que révèle la chute entre les deux épreuves.
Le benchmark ne s'adresse pas à un studio créatif, mais la matière qu'il évalue, la synthèse vocale et la transcription automatique, est la même brique que l'on retrouve ensuite dans les outils grand public de voix de synthèse. Un directeur artistique qui testerait une voix générée pour un prototype de spot publicitaire aurait raison de se méfier d'un score flatteur obtenu sur un texte lu d'une traite, loin des conditions réelles d'un enregistrement.
La réserve la plus solide vient de qui tient le classement. Cekura vend des outils de surveillance à une partie des fournisseurs qu'il note, et les consignes exactes données au juge chargé de valider les résultats ne sont pas publiques. Le code et les enregistrements sont ouverts, ce qui permet de vérifier les scores, mais pas de les reproduire à l'identique.
Ce que ce classement vaut réellement, c'est un repère de départ, pas un verdict définitif. Il distingue utilement la performance sur un script propre de la performance face au réel, une nuance que la plupart des fiches commerciales effacent. La prudence utile pour quiconque choisit une voix générée demain reste la même : exiger un test sur ses propres conditions d'usage avant de signer, jamais sur la démonstration du fournisseur.