xAI fait tourner Grok Voice 3.0 sur 20 000 appels Starlink par jour

xAI a présenté le 14 octobre Grok Voice 3.0, un modèle vocal de bout en bout que la société qualifie de « plus intelligent du monde » pour la conversation vocale. L'annonce s'appuie sur des bancs d'essai tiers plutôt que sur les seules mesures internes, et surtout sur un déploiement déjà massif : le modèle fait fonctionner les assistants vocaux des voitures Tesla et les centres d'appels de Starlink, deux entreprises liées à xAI par leur actionnariat commun, ce qui en fait un cas rare de modèle d'IA testé en production à l'échelle avant même sa publication officielle.

Premier sur l'indice vocal d'Artificial Analysis

Selon les tests indépendants cités par xAI, Grok Voice 3.0 arrive en tête de l'indice Speech-to-Speech d'Artificial Analysis, avec un score de 86,9, devant GPT-Live-1 d'OpenAI (83,2) et Gemini 3.8 Live de Google (82,6). Le modèle revendique aussi une latence inférieure à une seconde — environ 40 % plus rapide que son principal concurrent — et un coût par tâche plus bas sur le protocole Big Bench Audio. Sur EVA-Bench, un banc d'essai ouvert conçu par ServiceNow pour évaluer les agents vocaux d'entreprise sur plus de 200 scénarios réalistes, Grok Voice 3.0 obtient le meilleur score de précision (74 %) et la meilleure note combinée précision-expérience, un résultat salué publiquement par un responsable produit de ServiceNow.

Un terrain d'essai que peu de concurrents ont

Ce qui distingue Grok Voice de la plupart des annonces de modèles vocaux, c'est l'échelle du déploiement déjà en place au moment du lancement. xAI indique que le modèle gère des millions de conversations par jour dans les véhicules Tesla, où les conducteurs peuvent demander à voix haute de consulter leur agenda ou de réserver une table, et chez Starlink, dont les centres d'appels traitent 20 000 appels clients quotidiens dans plusieurs langues — avec, selon xAI, 70 % de résolutions sans passage par un agent humain et un appel commercial sur quatre qui se conclut par un achat avant la fin de la conversation. Cette intégration verticale entre un laboratoire de modèles (xAI) et ses propres entreprises clientes (Tesla, SpaceX/Starlink) donne à xAI un volume de données d'usage réel que des concurrents dépendant de clients tiers ne peuvent obtenir aussi rapidement — un avantage structurel pour affiner un modèle vocal, mais aussi une dépendance capitalistique qui mérite d'être gardée à l'esprit en lisant les chiffres de performance en situation réelle.

Le prix reste inchangé par rapport à Grok Voice 2.0, à 0,08 dollar la minute, et les agents utilisant déjà l'alias `grok-voice-latest` sont basculés automatiquement sans action de leur part — une politique de mise à jour transparente comparable à celle que DeepSeek applique à son modèle Flash.

xAI insiste particulièrement sur un indicateur moins habituel dans les annonces de modèles : le Full Duplex Bench, qui mesure la capacité d'un modèle vocal à gérer naturellement les silences, les tours de parole et les interruptions dans une conversation. Grok Voice 3.0 y obtient 97 %, devant les 94,9 % de GPT-Live-1 et les 91,9 % de Gemini 3.8 Live. C'est un détail technique qui compte énormément dans l'usage réel : un assistant vocal qui ne sait pas céder la parole au bon moment, ou qui répond avant la fin d'une phrase, casse l'illusion de naturel bien plus vite qu'un modèle légèrement moins précis sur le fond.

Le pari de l'intégration verticale

Ce que révèle surtout ce lancement, c'est une stratégie différente de celle des laboratoires qui vendent leur modèle vocal à des clients tiers dès le premier jour. xAI a d'abord rodé Grok Voice en interne, chez des entreprises qu'Elon Musk dirige ou contrôle, avant de le proposer plus largement via son API. Ce choix donne au laboratoire un accès à des volumes d'interactions réelles — des millions par jour — qu'un concurrent devrait normalement attendre d'avoir signé des clients pour obtenir. Mais il expose aussi la mesure de performance à un biais structurel : les scénarios Tesla et Starlink, bien rodés et répétitifs (support, réservation, dépannage), ne représentent pas forcément la diversité des usages auxquels un centre d'appels européen généraliste serait confronté.

Ce que ça change pour les centres d'appels européens

Pour les entreprises européennes qui opèrent des centres de relation client, le signal est double. D'un côté, un modèle vocal capable de résoudre 70 % des appels sans humain, à moins d'un centime la minute, change le calcul économique de l'externalisation vocale — à condition de gérer la question des langues et accents européens, où les bancs d'essai cités restent majoritairement anglophones. De l'autre, le rapprochement entre un fournisseur de modèle et un opérateur de centre d'appels captif, ici incarné par Tesla et Starlink, pose la question de la portabilité : un acheteur européen qui adopte Grok Voice s'expose à une dépendance à un fournisseur unique dont la feuille de route produit sert d'abord les besoins internes de ses propres filiales.