Le 15 septembre 2026, Google a publié trois modèles de voix en temps réel : Gemini 3.8 Live, Gemini 3.8 Live Extended Thinking et Gemini 3.5 Transcribe. La nouvelle n'a pas fait grand bruit à La Réunion, et pourtant elle déplace une ligne que nous suivons depuis juillet : le coût et la disponibilité d'un accueil vocal automatisé viennent de changer d'ordre de grandeur. Une machine qui écoute, comprend et répond au téléphone dans 97 langues coûte désormais un peu plus d'un dollar l'heure de conversation.
En juillet, quand OpenAI avait lancé son propre modèle vocal, notre conclusion était prudente : la brique mûrissait, mais l'API de production n'était pas encore là pour une entreprise réunionnaise. Ce billet est une mise à jour honnête de ce constat. Voici ce qui a réellement changé, ce que ça débloque pour une TPE ou une PME de l'île, et surtout les garde-fous qu'un commercial pressé oubliera de vous mentionner.
Ce que Google a sorti le 15 septembre
Trois modèles, deux usages distincts. Gemini 3.8 Live est un modèle voix-à-voix : il soutient une vraie conversation parlée, comprend ce que voit une caméra, appelle des outils et des API pendant qu'il parle, et bascule d'une langue à l'autre en cours de phrase (97 langues annoncées). Sa variante Extended Thinking raisonne pendant qu'elle parle, en disant par exemple « laissez-moi vérifier » le temps de traiter une demande complexe. Gemini 3.5 Transcribe, lui, est un modèle de transcription (parole vers texte) sur plus de 85 langues, avec attribution de trois interlocuteurs et horodatage au mot.
Le point qui change la donne, c'est le prix. Google facture l'audio 0,005 dollar la minute en entrée et 0,018 dollar la minute en sortie, ce qui revient, sur une heure de conversation, à environ 1,38 dollar (soit un peu plus d'un euro). À titre de comparaison, le modèle vocal concurrent d'OpenAI démarrait à 0,05 dollar la minute : Gemini est ici environ deux fois moins cher. Les deux modèles sont disponibles aujourd'hui via l'API Live et Google AI Studio, avec des partenaires d'intégration (LiveKit, Pipecat, Vercel et d'autres) qui gèrent la partie flux audio.
Pourquoi c'est un vrai basculement, pas une énième annonce
Depuis dix-huit mois, chaque mois apporte son démonstrateur vocal bluffant en vidéo et injouable en production. Ce qui distingue le 15 septembre, ce n'est pas une prouesse de laboratoire, c'est une combinaison rare : une API documentée, un prix bas et stable, et une disponibilité immédiate. Autrement dit, la barrière n'est plus la technologie ni le budget du modèle. Elle est passée ailleurs : dans l'intégration à vos outils, dans la gestion de la langue locale et dans le passage de relais à un humain.
| Poste | Il y a six mois | Aujourd'hui |
|---|
| API de production | « bientôt », listes d'attente | disponible, documentée |
| Coût du modèle | autour de 0,05 $/min (concurrence) | ~0,018 $/min en sortie, ~1,38 $/h |
| Langues | quelques-unes, latence élevée | 97 langues, bascule en cours de phrase |
| Vrai verrou | la techno et le prix | l'intégration, la langue locale, le handoff humain |
C'est exactement notre fil rouge sur l'IA appliquée : le modèle devient une commodité interchangeable, la valeur se concentre dans la couche d'intégration qui le branche sur votre réalité. Un accueil vocal utile n'est pas « un modèle qui parle bien », c'est un système qui connaît vos horaires, votre agenda, votre catalogue et votre CRM, et qui sait quand se taire pour passer un humain.
Ce que ça débloque concrètement à La Réunion
Notre économie insulaire a deux caractéristiques qui rendent la voix intéressante : beaucoup de relation client au téléphone, et un vrai enjeu multilingue (français, anglais et autres langues des visiteurs). Voici les cas d'usage où un agent vocal bien intégré tient la route, et ceux où il ne faut pas y toucher.
| Secteur | Usage réaliste | À garder pour un humain |
|---|
| Tourisme, hôtellerie | Standard multilingue, disponibilités, informations pratiques, prise de message la nuit | Réclamations, litiges, situations sensibles |
| Services, artisans | Qualification d'appel, prise de rendez-vous, rappel automatique | Devis complexes, négociation |
| Cabinets, professions | Filtrage, orientation vers le bon interlocuteur, transcription des demandes | Conseil, données médicales ou juridiques sensibles |
| Commerce, e-commerce | Suivi de commande, questions récurrentes, débordement des pics d'appels | SAV émotionnel, gestes commerciaux |
La logique commune : l'agent vocal absorbe le volume répétitif et le débordement, il ne remplace pas le jugement humain. Un cabinet qui rate un appel sur trois en fin de journée gagne plus à ne rater aucune prise de message qu'à automatiser un conseil délicat.
Les garde-fous qu'un vendeur ne vous dira pas
Preuve avant promesse. Voici ce que la démonstration marketing passe sous silence, et que vous devez exiger avant d'engager un euro.
- Le créole réunionnais ne figure pas dans les langues annoncées. Les 97 langues couvrent le français et l'anglais, pas notre langue régionale. Méfiez-vous de quiconque vous promet un accueil « en créole » sans démonstration réelle : ce n'est pas garanti par le modèle.
- Le passage à un humain est le point critique. Un bon système sait détecter la colère, l'urgence ou une demande hors périmètre et transférer instantanément, sans faire répéter le client. C'est là que se jouent 80 % de la satisfaction, et c'est la partie la plus difficile à régler.
- Un classement d'éditeur n'est pas un audit. Google annonce sa variante Extended Thinking en tête d'un index de qualité vocale tiers, et sa version standard deuxième d'un classement qu'il rapporte lui-même. Un benchmark n'est pas une preuve de performance sur vos appels, avec votre accent et votre vocabulaire métier. Testez sur vos propres cas.
- Ces modèles sont hébergés, pas installables chez vous. Il n'existe pas de version sur-site : la voix de vos clients transite par l'infrastructure de Google. Pour un cabinet, une collectivité ou toute activité qui manipule des données personnelles, cela impose un cadrage RGPD sérieux (information des appelants, base légale, durée de conservation, sous-traitance). Ce n'est pas rédhibitoire, c'est à traiter en amont.
- Le coût du modèle n'est pas le coût du projet. 1,38 dollar l'heure, c'est le prix brut de l'IA. Le budget réel comprend la téléphonie, l'intégration à votre agenda et votre CRM, la supervision, les tests et la maintenance. Le modèle est la partie la moins chère de l'équation.
SaaS clé en main ou brique intégrée ?
Deux chemins existent. Le premier : un service vocal en ligne, prêt à l'emploi, que vous configurez vous-même. C'est rapide, peu coûteux au départ, parfait pour tester un scénario simple comme la prise de message. La limite arrive vite dès qu'il faut brancher l'agent sur vos vraies données (agenda, stock, dossiers clients) ou respecter des contraintes de confidentialité précises.
Le second : une application métier sur-mesure qui abstrait le modèle et le connecte à vos systèmes. L'intérêt n'est pas de coder pour le plaisir, c'est de garder le contrôle : vous restez propriétaire de la logique, vous pouvez changer de modèle demain (le prix baisse tous les trimestres), et vous cadrez précisément ce que l'IA a le droit de faire et de dire. Comme partout en IA appliquée, la couche d'intégration reste, le modèle devient interchangeable.
Questions fréquentes
Est-ce que ça parle créole réunionnais ?
Non, pas à ce jour. Les 97 langues annoncées couvrent le français et l'anglais, ce qui suffit pour la plupart des standards d'accueil à La Réunion, mais le créole n'y figure pas. Toute promesse d'accueil « en créole » doit être démontrée sur un vrai appel avant d'être crue.
Combien coûte réellement un accueil vocal IA ?
Le modèle lui-même coûte de l'ordre de 1,38 dollar l'heure de conversation. Mais c'est le poste le moins cher. Le budget d'un projet inclut la téléphonie, l'intégration à votre agenda et votre CRM, la supervision, les tests et la maintenance. C'est pour ça que nous refusons d'afficher un tarif générique : chaque périmètre est différent, et nous chiffrons au cas par cas dans un devis détaillé.
Est-ce compatible avec le RGPD ?
Ça peut l'être, à condition de le cadrer. Comme la voix de vos appelants transite par l'infrastructure de Google (aucune version installable sur-site), vous devez informer les appelants, définir une base légale, une durée de conservation et encadrer la sous-traitance. C'est un travail d'amont, pas un obstacle définitif.
Faut-il y aller maintenant ?
Oui, mais en pilote, pas en grand soir. La bonne démarche : choisir un cas à faible risque et fort volume (la prise de message hors horaires, le débordement des pics), le mesurer honnêtement pendant quelques semaines, et n'étendre que si les chiffres suivent. Un pilote qui rate un rendez-vous coûte moins cher qu'un déploiement complet qui agace vos meilleurs clients.
Chez Axiom Marketing, notre travail n'est pas de vous vendre l'IA à la mode, c'est de dire quand elle sert et quand elle nuit. Nous avions écrit en juillet que l'accueil vocal IA mûrissait sans être déployable ; six mois plus tard, la fenêtre s'est ouverte pour les bons cas d'usage. Si vous voulez savoir si le vôtre en fait partie, demandez un audit gratuit ou parlez-nous de votre projet. Nous vous dirons franchement si le jeu en vaut la chandelle.
