Quelle voix donner à votre agent IA ?

Choisissez la voix sur un vrai appel

Quelques semaines plus tard, votre nouvel agent vocal IA appelle une cliente avec la voix choisie en réunion. Elle est à un arrêt de bus, les voitures passent à côté d'elle, la voix commence à lui lire son créneau de livraison, et elle raccroche avant l'adresse.

Si vous allez choisir une voix IA pour appeler vos clients, choisissez-la comme ils l'entendront : au téléphone, sur un appel entier, et aux moments où vos appels se corsent. Décidez sur ce que vous ne pourrez pas changer plus tard, le caractère de la voix, et laissez la prononciation et le débit pour après. Mettez ensuite vos deux meilleures voix sur les mêmes appels réels, et gardez celle avec laquelle le plus de clients restent en ligne jusqu'à dire oui à ce que l'appel leur demande, un créneau de livraison par exemple.

Pourquoi la voix de démo trompe-t-elle ?

Une page de démo est faite pour montrer chaque voix IA à son avantage. Chacune y lit une phrase de démo choisie par le fournisseur, d'environ six secondes, aussi nette qu'un enregistrement de studio, et la réunion l'écoute dans une salle calme.

Votre client, lui, entend la voix de votre agent IA à travers une ligne téléphonique, qui en transmet moins qu'un ordinateur portable ou un casque, et il est peut-être dans la rue ou dans un magasin pendant que l'agent parle. L'appel dure deux ou trois minutes. La voix y lit les informations du client plutôt qu'une phrase soignée : son nom, un créneau, une adresse, un numéro de commande. Et quand le client dit « Pardon ? », elle doit répéter.

Certaines voix qui l'emportent en réunion perdent sur cette ligne. Une voix lumineuse, avec beaucoup de souffle, peut sonner à merveille sur un ordinateur portable et devenir fluette au téléphone, davantage encore dehors. Une voix de speaker, soignée comme celle des spots radio ou des livres audio, peut rester parfaitement nette au téléphone et sonner pourtant comme un enregistrement, et les gens raccrochent quand ils tombent sur un enregistrement.

La voix n'explique qu'une partie de l'écart entre une démo et un appel réel. Le reste est dans notre article sur les agents qui réussissent la démo et peinent sur les appels réels.

À quoi doit ressembler la voix ?

La langue d'abord. La voix doit être celle d'un locuteur natif de la langue de vos clients, dans la variété régionale qu'ils parlent. Le français de France et celui du Québec se distinguent à l'oreille dès les premiers mots : une voix qui convient à vos clients de Montréal ne conviendra pas à ceux de Lyon, et inversement, aussi bonne soit-elle.

Pensez ensuite au conseiller avec qui vos clients restent le plus volontiers au téléphone, et cherchez une voix de tous les jours comme la sienne, celle de quelqu'un de votre équipe en pleine conversation, plutôt qu'une voix de speaker. Quelle que soit la voix retenue, réglez-la sur un débit régulier qui ralentit un peu pour les horaires et les chiffres, afin que le client puisse les noter.

La voix doit aussi correspondre au persona de votre agent, le nom et la manière dont il se présente. Un agent qui s'appelle Mia a besoin d'une voix de femme. Avoir une voix naturelle ne veut pas dire se faire passer pour une personne, et là où votre marché l'exige, l'agent annonce dès sa phrase d'accueil qu'il s'agit d'une IA, quelle que soit la voix qu'il utilise.

Quels moments faut-il tester ?

Prenons [boutique], qui vend des meubles en ligne. La boutique, les personnes, le panel, les notes et les appels de cet article sont un exemple, pas des données réelles. La veille de chaque livraison, l'agent IA de [boutique] appelle le client pour confirmer le créneau et l'adresse. Camille, qui dirige le service client de [boutique], a présélectionné trois voix sur la page de démo du fournisseur, trois voix de femme puisque l'agent se présente sous le nom de Mia. En réunion, tout le monde a préféré la voix C, une voix lumineuse, avec beaucoup de souffle.

Partez, comme Camille, de l'appel que votre agent passe le plus souvent. Elle écrit l'appel de livraison de [boutique] un peu plus long que d'habitude, pour qu'il dure environ trois minutes et contienne tous les moments difficiles, puis elle fait lire cet appel de test à chaque voix sur son propre téléphone portable, une fois dans son bureau et une fois dehors, dans la rue.

L'appel de test s'ouvre sur « Bonjour, c'est Mia, l'assistante IA de [boutique]. » Mia vérifie qu'elle parle bien à Mme Szczepańska, un nom de famille difficile tiré de la liste de clients de [boutique], et lui annonce que son canapé sera livré « demain, jeudi, entre 9 h et 12 h », au 14 rue du Moulin. Mia lit le numéro de commande en deux groupes, 4471 2093. La cliente dit « Pardon ? », et Mia le relit, plus lentement. La cliente demande alors l'après-midi, déjà complet demain, et Mia lui dit qu'elle est désolée avant de proposer lundi entre 13 h et 16 h. La cliente accepte, Mia répète le jour, le créneau et l'adresse, et elles se disent au revoir.

Une phrase de démo dure environ six secondes, à peu près autant que l'accueil. La réunion a jugé les voix sur ce premier moment et n'a entendu aucun des sept autres.

Comment noter la présélection ?

Camille réunit un panel d'écoute de cinq personnes : deux conseillers qui parlent chaque jour aux clients de [boutique], elle-même, une coordinatrice des livraisons qui sait de quoi les clients se plaignent, et une personne extérieure au projet. Tous écoutent en aveugle la voix A, la voix B et la voix C, sans nom de fournisseur ni prix. Chacun entend l'appel de test en entier sur un téléphone et note chaque voix de 1 à 5 sur cinq questions.

Les trois voix lisent l'appel de test avec les mêmes réglages, le même débit et le même regroupement des chiffres, si bien que toute différence entendue par le panel vient de la voix elle-même. Dans le tableau « Comment le panel a noté trois voix », chaque case additionne les notes des cinq auditeurs, ce qui donne de 5 à 25 par case et de 25 à 125 au total.

La voix C, la favorite de la réunion, termine dernière au téléphone avec 75 sur 125. Elle est la moins bien notée des trois sur la facilité à suivre au téléphone, 12 sur 25, et sur la clarté des chiffres et des horaires, 13. Son éclat, si net sur l'ordinateur, s'est aminci sur la ligne.

La voix A, la voix de speaker de la présélection, est la plus claire des trois sur les chiffres et les horaires, avec 21 sur 25, et la plus faible à la troisième minute, avec 11. Elle n'obtient que 14 pour « on dirait quelqu'un d'ici », et deux auditeurs ont écrit « on dirait une pub » en marge.

La voix B totalise 103 sur 125 et arrive en tête sur quatre des cinq questions. La voix A ne la devance que sur les chiffres et les horaires, 21 sur 25 contre 20.

Sur les noms et la marque, les notes sont presque à égalité, 18, 19 et 18 sur 25, parce que les trois voix ont écorché le nom de Mme Szczepańska de la même manière.

Camille retient les deux meilleurs totaux, la voix B et la voix A, pour un test sur de vrais appels. Deux auditeurs ont entendu une pub dans la voix A, et seuls de vrais appels diront si les clients lui raccrochent au nez.

Que pouvez-vous corriger plus tard ?

Choisissez d'après le caractère de la voix, car les réglages se modifient ensuite, quelle que soit la voix retenue. Les règles de prononciation fixent la manière dont la voix dit les noms, les lieux, votre marque et les termes de vos produits. Le débit, les pauses et le regroupement des chiffres, notamment dans les numéros de commande, se règlent eux aussi.

C'est pourquoi les notes sur les noms, dans le tableau de Camille, ne doivent pas peser dans le choix. Ce nom de famille a été mal prononcé, et une seule règle suffit à le corriger dans n'importe laquelle des trois voix. Notre article sur les dictionnaires de prononciation pour les noms, les marques et les produits explique comment écrire ce genre de règle.

Le caractère, lui, vient avec la voix. Ce que devient la voix sur une ligne téléphonique, son ton de speaker et le fait qu'elle reste facile à écouter à la troisième minute ne changent pas, quels que soient vos réglages. Ralentir la voix C ne la rendra pas plus pleine au téléphone, et aucun réglage n'empêche la voix A de sonner comme une pub.

Quelle voix garde les clients en ligne ?

Pendant deux semaines, chaque client de la liste de livraisons de [boutique] est appelé au hasard par la voix A ou par la voix B, avec le même script et aux mêmes heures, si bien que seule la voix change. À la fin des deux semaines, chaque voix compte 400 appels décrochés. Camille ne compare pas plus tôt, car quelques dizaines d'appels par voix ne suffiraient pas.

Elle range chaque appel décroché dans l'une de trois issues, dont le total fait 400. Le client qui raccroche dans les dix premières secondes compte comme un raccrochage précoce, et celui qui accepte un créneau, le créneau prévu ou un nouveau, a confirmé un créneau. Toute autre fin, par exemple quand le client demande à parler à une personne, que la ligne se coupe ou qu'aucun créneau n'est fixé, va dans la colonne « Autres ». Camille compte aussi les clients qui ont demandé de répéter au moins une fois. Un client peut le faire et confirmer quand même un créneau : la colonne « Ont demandé de répéter » n'entre donc pas dans les 400.

Avec la voix B, 338 clients sur 400 ont confirmé un créneau, contre 296 avec la voix A, soit 42 clients de plus qui ont accepté un créneau de livraison. La voix B compte aussi moins de raccrochages précoces, 44 contre 72, et 18 de ses appels se sont terminés autrement, contre 32 pour la voix A.

Tous les clients qui ont demandé de répéter étaient restés plus de dix secondes en ligne. La comparaison juste porte donc sur eux : 36 sur 328 pour la voix A, 41 sur 356 pour la voix B, soit à peu près la même proportion. Ils ont suivi la voix de speaker à peu près aussi bien que la voix B, et pourtant il y a eu plus de raccrochages précoces avec la voix A.

Ici, les clients donnent raison au panel, et Camille garde la voix B pour tous les appels de livraison de [boutique].

Où DRING intervient-il ?

Dans le moteur vocal de DRING, chaque marque choisit une voix dans une bibliothèque sélectionnée, pour chaque langue, avec un persona pour le débit, le registre et le ton, une correction d'accent et un dictionnaire de prononciation pour les noms, les lieux et les termes produits. Vous validez les formulations, le persona et la voix avant tout appel.

L'accroche, le ton ou la voix qui fonctionnent se décident sur de vrais appels sortants, pas en réunion. Dans les campagnes sortantes de DRING, deux voix peuvent tourner côte à côte sur une même campagne pour comparer les résultats. Les exemples de voix de notre page d'accueil sont des démos de parcours DRING : écoutez-les sur votre téléphone plutôt que sur votre ordinateur.