Publié le
Lecture : 3 min
Voxtral 3 : Mistral veut faire parler les agents d'IA, pour quelques centimes la minute
Transcription en plus de 50 langues, synthèse vocale, clonage de voix, agents qui répondent au téléphone en moins d'une seconde : Mistral a lancé le 20 octobre une famille de modèles vocaux. Prix, usages, et ce que cela change pour les centres d'appels.
En Afrique, la voix passe souvent avant l'écrit : on envoie des notes vocales sur WhatsApp, on appelle plutôt qu'on n'écrit. C'est pourquoi les modèles vocaux comptent autant que les chatbots. Le 20 octobre 2026, Mistral a présenté Voxtral 3, une famille de modèles pour transcrire, parler et construire des agents vocaux.
Quatre outils dans la famille
Voxtral 3 regroupe plusieurs modèles, avec des prix à la minute :
- Voxtral Small Transcribe 3 : transcription de fichiers audio, 0,004 dollar la minute ;
- Voxtral Mini Transcribe 3 : version plus légère, 0,0035 dollar la minute en traitement par lot ;
- Voxtral Mini Transcribe Realtime 3 : transcription en direct, avec une latence inférieure à une demi-seconde, 0,008 dollar la minute ;
- Voxtral Mini TTS 3 : synthèse vocale (transformer un texte en voix), 13 dollars par million de caractères.
Les modèles de transcription gèrent plus de 50 langues, distinguent les différents interlocuteurs et acceptent un vocabulaire spécialisé (noms propres, termes techniques). La synthèse vocale couvre plus de 35 langues et plus de 50 dialectes, avec du clonage de voix à partir d'une trentaine de minutes d'enregistrement.
Des agents qui répondent au téléphone
La nouveauté la plus concrète est un kit pour agents vocaux, construit avec la technologie LiveKit. Il permet de créer un assistant qui écoute, réfléchit et répond à voix haute. Mistral affirme que « chaque tour de parole se termine en moins d'une seconde ».
Le prix de l'API d'agent vocal : 0,04 dollar la minute avec le modèle Mistral Small 4, 0,08 dollar avec un modèle plus grand. Le service est hébergé dans l'Union européenne, ou installable sur ses propres serveurs.
Ce que ça change pour un centre d'appels
Faisons un calcul simple. Un agent vocal à 0,04 dollar la minute coûte environ 2,40 dollars de l'heure, soit environ 1 500 francs CFA. C'est bien moins que le coût d'un téléconseiller, même dans les pays où les salaires sont bas. Les entreprises vont donc être tentées d'automatiser les appels simples : suivi de commande, prise de rendez-vous, questions fréquentes.
Deux réserves importantes :
- Les langues : l'annonce ne détaille pas la liste complète des langues prises en charge. Il faut tester avec le français parlé localement, et plus encore avec le wolof ou le bambara, avant de déployer quoi que ce soit.
- L'emploi : les centres d'appels sont un secteur important pour de nombreux jeunes diplômés à Dakar, Abidjan ou Casablanca. L'arrivée d'agents vocaux bon marché va transformer ces métiers.
Attention au clonage de voix
Le clonage de voix est utile (doublage, accessibilité), mais il sert aussi aux arnaques : un escroc peut imiter la voix d'un proche pour demander un transfert d'argent par mobile money. Plus ces outils deviennent bon marché, plus il faut être prudent face à un appel ou un message vocal inhabituel.
Ce qu'il faut retenir
- Voxtral 3 a été lancé le 20 octobre 2026 par Mistral.
- Transcription dans plus de 50 langues dès 0,0035 $ la minute ; synthèse vocale dans plus de 35 langues.
- Agents vocaux à 0,04 $ la minute, avec des réponses en moins d'une seconde selon Mistral.
- Prudence face au clonage de voix, déjà utilisé dans des arnaques.
Arnaques à l'IA : voix clonée, faux appels, mobile money… comment ne pas se faire piéger
Pourquoi l'IA parle encore mal le wolof, et comment ça peut changerSource : Mistral AI, « Voxtral 3: Speech-to-Text, TTS & Voice Agents », 20 octobre 2026
Cet article peut aider quelqu'un ?
