Grok Voice 3.0 devance OpenAI et Google en IA vocale

SpaceXSI, l'entreprise d'IA détenue par SpaceX, la société d'Elon Musk, a lancé Grok Voice 3.0. Ce nouveau modèle de voix à voix fait tourner l'API Voice Agent de l'entreprise et prend désormais la tête d'un classement indépendant, devant les modèles d'OpenAI et de Google.

Pour ceux qui s'y perdent dans les noms : SpaceXSI, c'est l'ancien xAI. SpaceX a racheté xAI en février. La branche IA est devenue SpaceXAI en juillet, puis a pris son nom actuel au début du mois.

Le marché visé est étroit et très concret. SpaceXSI cible les entreprises qui confient leurs lignes de service client et de vente à des agents vocaux. Ces systèmes écoutent, raisonnent et répondent en temps réel, sans aucun opérateur humain au bout du fil.

Ce que disent les benchmarks

L'argument principal vient d'Artificial Analysis, une société indépendante qui teste et classe les modèles d'IA. Son Speech-to-Speech Index combine trois éléments : des tests de raisonnement, des taux de réussite des tâches et les votes d'auditeurs qui comparent deux modèles côte à côte lors d'appels à l'aveugle.

Sur cet indice, les scores sont les suivants :

1. Grok Voice 3.0 : 86,9
2. GPT-Live-1 d'OpenAI : 83,2, testé avec le modèle GPT-6 Astra d'OpenAI chargé du raisonnement
3. Gemini 3.8 Live de Google : 82,6

Le nouveau modèle Grok a également obtenu 97 % sur Full Duplex Bench. Ce test mesure le naturel avec lequel un modèle gère les pauses et les interruptions, précisément là où beaucoup d'agents vocaux commencent à sonner robotiques.

Grok ne l'emporte pas partout. Sur Tau-Voice, un test construit autour d'appels au service client avec de forts accents et du bruit de fond, le modèle d'OpenAI garde une légère avance, à 74,5 % contre 71,6 % pour Grok. SpaceXSI affirme que son modèle a produit son premier son environ 40 % plus vite sur ce test. La rapidité compte au téléphone, mais c'est une autre question que celle de donner la bonne réponse.

Le coût fait aussi partie de l'argumentaire. Lors du test Big Bench Audio mené par Artificial Analysis, une tâche coûtait environ 2,5 cents avec Grok Voice 3.0. La même tâche revenait à 3 cents avec GPT-Live-1 et à 5,5 cents avec GPT-Realtime-2.1 d'OpenAI.

Un test en entreprise, hors du labo

ServiceNow, l'éditeur américain de logiciels de gestion des flux de travail pour les entreprises, maintient un benchmark open source baptisé EVA-Bench. Il couvre plus de 200 scénarios d'entreprise. Grok Voice 3.0 y arrive en tête pour la précision, avec 74 %, et aucun modèle ne se classe plus haut lorsque la précision et l'expérience client sont notées ensemble.

Nitin Aggarwal, directeur senior de la gestion des produits chez ServiceNow, estime que le modèle "associe une précision de premier plan à une conversation naturelle et réactive".

Déjà déployé à grande échelle

SpaceXSI peut s'appuyer sur des déploiements au sein de la galaxie d'entreprises de Musk.

• Tesla : les véhicules gèrent déjà des millions de conversations Grok Voice par jour. Les conducteurs s'en servent pour consulter leur agenda et répondre à leurs e-mails. Les tâches plus lourdes, comme réserver un dîner, passent par Grok Bot, dont le mode vocal tourne lui aussi sur le nouveau modèle.
• Starlink : dans l'activité d'internet par satellite de SpaceX, Grok Voice prend environ 20 000 appels clients par jour, dans plusieurs langues. Selon SpaceXSI, près de 70 % sont résolus sans intervention humaine. Un appel commercial sur quatre se termine par un achat avant que l'appelant ne raccroche.

Ces chiffres viennent de SpaceXSI, pas d'un audit externe. Et ces deux clients appartiennent au même groupe que le fournisseur.

Prix et disponibilité

Grok Voice 3.0 est disponible dès maintenant dans l'API Voice Agent pour huit cents la minute, soit 4,80 dollars de l'heure. C'est le même tarif que Grok Voice 2.0. Les développeurs dont les agents utilisent l'alias de modèle grok-voice-latest ont déjà été basculés vers la nouvelle version, sans rien changer de leur côté.

Notre analyse

La voix devient un front concurrentiel à part entière dans l'IA, distinct des chatbots et des modèles de programmation. Les chiffres montrent pourquoi. Sur l'indice principal, les trois meilleurs systèmes ne sont séparés que de quelques points. Sur le test d'appels bruyants avec accents, le classement s'inverse. Pour une entreprise qui choisit un fournisseur, la leçon est simple : un score phare ne dit pas grand-chose de la façon dont un modèle s'en sortira avec ses propres clients au téléphone.

Le prix et la mise à jour automatique pourraient compter davantage que les classements. De meilleurs scores pour le même tarif à la minute, livrés en silence via un alias de modèle, réduisent l'effort de migration pour les clients existants. Mais cette mise à jour automatique a un revers. Une équipe qui a calibré ses parcours d'appel sur un modèle tourne désormais sur un autre sans l'avoir testé. Les équipes aux exigences de test strictes auront peut-être intérêt à figer une version précise plutôt que de se reposer sur "latest".

Les chiffres de Starlink illustrent la même tension. Un taux de résolution de 70 % sans humain, c'est un indicateur d'efficacité solide. Cela signifie aussi que l'agent a le dernier mot pour la plupart de ces appelants, y compris quand il se trompe. À mesure que les agents vocaux gèrent seuls la vente et le support, la question de savoir qui porte la responsabilité des erreurs attire davantage l'attention, et les assureurs se préparent déjà à des demandes d'indemnisation liées aux agents d'IA.

Le marché avance dans cette direction sur plusieurs fronts. Automation Anywhere a récemment racheté Boost.ai pour se développer dans l'IA vocale, signe que les éditeurs pour entreprises voient la voix comme un canal central pour les agents, et non comme un simple complément.

Reste à voir si OpenAI et Google répondront par des baisses de prix ou de nouveaux modèles en temps réel. Autre point en suspens : des clients extérieurs aux entreprises de Musk publieront-ils des résultats comparables à ceux de Starlink ? En attendant, les meilleures preuves en faveur de Grok Voice 3.0 viennent des benchmarks et de déploiements au sein de son propre groupe.