Un agent IA vocal qui décroche en deux secondes, ça impressionne. Un agent IA vocal qui comprend ce que le client dit, c'est une autre histoire.
Depuis huit mois qu'on déploie des agents vocaux bilingues pour des PME québécoises, un constat revient presque dans chaque mandat : le bot répond, oui, mais il entend souvent croche. Pas partout, pas tout le temps. Juste assez pour qu'un appel sur cinq parte en vrille — et ça, personne ne le remarque dans les tableaux de bord, parce que l'appel a bel et bien été « pris ».
Le problème a un nom : la reconnaissance vocale — le speech-to-text, ou STT — bute encore sur l'accent québécois. Les géants du secteur ont fait des sauts énormes en 2026. Mais entre « 95 % de précision sur corpus » et « ça marche avec Mme Tremblay de Saint-Hyacinthe qui parle vite », il y a un monde.
Ce que votre tableau de bord ne vous dit pas
La plupart des plateformes rapportent un taux de réponse, une durée moyenne d'appel, parfois un taux de transfert. Elles ne rapportent presque jamais le Word Error Rate (WER) — le pourcentage de mots mal transcrits. Et c'est là que tout se joue.
Un WER de 3 % sur un banc d'essai en français international, c'est excellent. Sur de l'appel réel en français québécois, avec bruit de fond, client pressé, nom de rue déformé, on grimpe facilement à 8, 12, parfois 18 % selon le contexte. Chaque erreur de mot qui tombe sur un élément critique — un numéro de téléphone, un nom de famille, une adresse — casse la conversation.
Le robot ne dit pas « je n'ai pas compris ». Il enchaîne. Il confirme un mauvais nom. Il prend une mauvaise date. Il envoie un rappel à la mauvaise personne. Et le client raccroche en pensant que votre entreprise ne l'a pas écouté.
Pourquoi l'accent québécois casse les modèles
Il y a trois familles de raisons, et elles se cumulent.
1. La phonétique — le fameux « R » et les voyelles nasalisées
Les manuels de linguistique vous diront que le « r » québécois est plus doux que le « r » parisien guttural. C'est vrai. Ce qu'ils disent moins, c'est que les modèles de reconnaissance vocale ont été entraînés majoritairement sur du français métropolitain. Résultat : un « Martin » québécois se fait parfois transcrire « Matin » ou « Merlin ». Un « quatre » prononcé « quat' » passe encore. Mais « quatre-vingts » devient « câline » dans certains cas de figure — sans blague, on l'a vu dans les logs.
Les voyelles nasalisées (les sons comme « on », « an », « in ») sont prononcées plus fermées au Québec. Un modèle qui n'a pas vu assez de données d'ici confond « pin » et « pain », « banc » et « bain ». Anodin en conversation humaine. Catastrophe quand le client épelle un courriel.
2. Les contractions et le débit
« J'peux-tu avoir un rendez-vous mercredi avant-midi ? » — cette phrase banale contient au moins quatre pièges pour un STT mal calibré : contraction de « je peux », interrogatif « tu » typique d'ici, anglicisme décalé « rendez-vous » (bon celui-là passe), et « avant-midi » que les modèles européens traduisent parfois en « avant minuit ». Oui, minuit.
Les Québécois parlent aussi, en moyenne, plus vite que les Français en contexte professionnel décontracté — étude après étude le confirme. Les modèles STT adorent le débit posé. Ils dégringolent quand on accélère.
3. Le code-switching et les anglicismes fonctionnels
« Je vais shipper ça drette là, envoye-moé un email sur mon cell. » Cette phrase est typique, parfaitement intelligible pour un humain d'ici, et un enfer pour un STT qui bascule mal entre ses modèles FR et EN. On a couvert en détail pourquoi le code-switching fait planter la plupart des agents vocaux bilingues — le même phénomène, version phonétique, frappe la reconnaissance au quotidien.
Ce qui a changé en 2026 (et ce qui n'a pas changé)
Soyons honnêtes : les modèles STT s'améliorent vite. ElevenLabs a poussé en avril 2026 une option no_verbatim qui nettoie les répétitions et hésitations, plus un champ audio_duration_secs pour mieux calibrer la facturation. OpenAI a sorti gpt-4o-mini-transcribe-2025-12-15, qui affiche selon les benchmarks internes des gains solides en WER. Speechmatics revendique le support explicite du français québécois, testé par des locuteurs natifs sur le « R » québécois, la nasalisation, les variantes régionales.
Tout ça est réel. Tout ça est un progrès.
Mais aucun de ces vendeurs ne garantit une performance terrain dans votre contexte précis : votre vocabulaire (noms de produits, de rues, de quartiers), votre clientèle (urbaine vs rurale, anglophones qui parlent français, allophones qui apprennent), votre acoustique (bureau calme, entrepôt, téléphone cellulaire avec réseau faible). Les benchmarks se font sur corpus propre. Vos appels ne le sont jamais.
Le mini-audit en 12 appels que toute PME devrait faire
On a bâti ce protocole avec un client cet hiver — un concessionnaire auto qui trouvait que son agent vocal « prenait beaucoup de rendez-vous, mais pas toujours les bons ». Voici la version courte.
Sélectionnez 12 enregistrements récents — pas les plus beaux, pas les plus catastrophiques, des appels ordinaires. Si votre plateforme n'exporte pas les audios avec la transcription en vis-à-vis, c'est déjà votre premier problème.
Écoutez l'audio, lisez la transcription, et cochez chaque fois que :
- Un nom propre (personne, rue, entreprise) est mal orthographié
- Un chiffre est mal transcrit (numéro, date, heure, prix)
- Un verbe important (acheter, annuler, confirmer, reporter) est raté
- Un « oui » ou un « non » est inversé
- Le code-switching FR/EN n'est pas attrapé
Comptez les erreurs critiques — celles qui changent le sens de l'appel. Si vous en trouvez plus de 3 sur 12, votre agent vocal a un problème de reconnaissance, pas un problème de script. C'est une nuance énorme, parce que les deux se réparent autrement.
Ce que ça coûte concrètement
Reprenons le concessionnaire. Volume : environ 180 appels entrants par semaine sur le canal automatisé. Audit : 22 % des appels contenaient au moins une erreur critique de transcription. Conséquences mesurées sur un mois :
- Rendez-vous pris à la mauvaise date : environ 9 par semaine → 6 h de rattrapage téléphonique par une employée
- Rappels envoyés au mauvais numéro : 4 par semaine → entre 2 et 3 clients mécontents dont 1 qui laisse un avis Google négatif
- Estimations envoyées au mauvais courriel : 5 par mois → donne l'impression d'une entreprise désorganisée
Coût estimé, uniquement en temps humain récupéré : environ 1 400 $ par mois. Coût en image et en clients perdus : plus difficile à chiffrer, mais il est réel. Et c'est ce genre d'effet que on retrouve dans d'autres cas documentés où un agent performant sur papier finit par coûter plus cher qu'il ne rapporte.
Ce qu'on règle, concrètement
Une fois l'audit fait, trois leviers font le gros du travail.
Le vocabulaire personnalisé. Toutes les plateformes sérieuses permettent d'injecter une liste de mots prioritaires — noms de produits, de rues, de quartiers, de rivalités locales. C'est tuer une mouche avec un marteau, mais ça marche. Un concessionnaire qui vend surtout des « Silverado » et des « RAV4 » a intérêt à mettre ces termes en liste prioritaire, pas à espérer que le modèle devine.
Le choix du moteur STT. Il y a une vraie différence entre les moteurs sur le français d'ici. On teste systématiquement au moins deux options en parallèle sur le même jeu d'appels réels, et on prend celui qui performe mieux chez vous, pas celui qui performe mieux sur les benchmarks. Notre équipe TECHMA gère cette comparaison dans le cadre de la mise en place — les configurations ne se font pas en libre-service.
Le seuil de confirmation. Pour les éléments critiques (numéro de téléphone, date, nom), on programme l'agent pour répéter systématiquement ce qu'il a entendu. « Je note le 15 mai à 10 h, est-ce bien ça ? » Ça ajoute 4 secondes à l'appel. Ça sauve la moitié des erreurs qui restent.
La question à poser à votre fournisseur
Si vous évaluez un agent IA vocal en ce moment ou si vous doutez de celui que vous avez déjà, posez une seule question avant de signer quoi que ce soit : « Pouvez-vous me fournir 10 enregistrements récents de vrais appels en français québécois, avec la transcription à côté, pour que je valide moi-même le niveau de précision ? »
La réponse à cette question vous dira, en 5 minutes, si vous avez affaire à quelqu'un qui maîtrise le problème ou à quelqu'un qui vend une brochure. Un fournisseur qui dit « nos modèles sont à 98 % » sans vouloir montrer d'échantillons réels d'ici, c'est un drapeau rouge.
Ce n'est pas la technologie qui échoue, la plupart du temps. C'est le déploiement qui ne prend pas au sérieux la distance entre un banc d'essai et le Québec tel qu'il est parlé. Et cette distance, elle se mesure, elle se corrige, elle se suit.
Chez TECHMA, c'est l'un des indicateurs qu'on intègre dans la mesure du ROI dès les 14 premiers jours — parce qu'un agent qui répond bien mais qui entend mal, ça ne règle rien, ça déplace juste le problème.