Mardi matin, 8 h 47. Une clinique dentaire à Brossard reçoit trois appels en même temps. Le premier veut prendre un rendez-vous. Le deuxième cherche à savoir si son détartrage est couvert par sa Croix Bleue. Le troisième est un patient en panique parce qu'il a cassé une couronne et que ça saigne.
L'agent IA vocal de la clinique répond aux trois en parallèle. Avec la même voix. Le même ton. Le même prompt système de 4 000 mots qui essaie de tout faire à la fois.
Devinez lequel des trois patients va décrocher avant la fin?
Si vous gérez une PME au Québec et que vous avez déployé un agent IA vocal en 2025, vous avez probablement un agent monolithique — un seul cerveau qui jongle avec la prise de rendez-vous, les questions sur les services, les urgences, et le transfert vers un humain. C'était l'état de l'art il y a 12 mois. Ça ne l'est plus.
Le problème avec un seul agent qui fait tout
Un agent IA vocal, c'est un grand modèle de langage (LLM) avec un prompt système, une voix, et une liste d'outils (tools) qu'il peut appeler. Quand votre fournisseur entasse toutes les tâches dans un seul prompt, trois choses se cassent — toujours dans le même ordre.
D'abord, le prompt devient illisible pour le modèle lui-même. Au-delà de 3 500 tokens, même Claude Opus ou GPT-4o-mini commence à oublier des règles. Vos consignes sur la Loi 25 se font diluer par les règles de pricing, qui se font diluer par les règles d'urgence. Le modèle « hallucine » des compromis qui n'existent dans aucune section.
Ensuite, la latence explose. Plus le contexte est long, plus chaque tour conversationnel coûte cher en millisecondes. C'est mathématique. À 4 000 tokens de prompt + 8 outils déclarés, vous êtes à 1,8-2,3 secondes de latence par tour, alors que la cible — on l'a mesurée dans un article récent sur la latence — est de 300-500 ms.
Enfin, la voix devient générique. Vous avez choisi une voix chaleureuse pour le devant de magasin, parfait — mais c'est cette même voix qui doit annoncer un retard de livraison ou expliquer qu'une facture est en retard de 90 jours. Le ton ne colle plus.
Ce qu'ElevenLabs a changé en avril 2026
Le 13 avril 2026, ElevenLabs a poussé une mise à jour qui passe sous le radar parce qu'elle ne fait pas de gros titre : la fonction agent transfer est sortie de bêta, avec un nouveau champ visited_agents dans les réponses de conversation pour tracer le parcours d'un appel à travers plusieurs agents. Documentation : elevenlabs.io/docs/eleven-agents/agent-transfer.
Concrètement, ça veut dire qu'un agent peut maintenant transférer un appel vers un autre agent IA en gardant tout l'historique de conversation, sans que le client ne s'en rende compte. Le tool call transfer_to_agent est invisible dans l'historique du nouvel agent. La transition est silencieuse.
C'est la brique qui manquait pour passer du monolithique au multi-agent.
L'architecture multi-agent : 3 cerveaux, 1 numéro
Voici le pattern qu'on déploie pour la majorité des PME québécoises depuis trois mois — illustré avec une clinique dentaire fictive à Trois-Rivières, Clinique du Sourire :
Agent #1 — l'Accueil (Orchestrateur). Voix chaleureuse, prompt court (1 200 tokens), un seul rôle : qualifier l'intention de l'appelant en moins de 15 secondes. Trois bifurcations possibles : prise de RDV, question administrative, urgence dentaire. Ce premier agent ne gère AUCUNE tâche complexe. Il route. C'est tout.
Agent #2 — la Réception (Spécialiste RDV). Prompt long mais focalisé (2 800 tokens) : connaît le système de réservation Cal.com de la clinique, les six dentistes, leurs disponibilités, les types de soins, les durées. Il appelle l'API Cal.com directement. Voix légèrement plus rapide, professionnelle. Il ne sait rien sur les urgences ou les questions de facturation — et c'est volontaire.
Agent #3 — le Triage clinique (Spécialiste Urgence). Prompt court mais nerveux (1 500 tokens), entraîné sur un protocole de triage validé par la dentiste-propriétaire. Voix plus calme, plus posée. Pose des questions précises (douleur sur 10? saignement? gonflement?), prend une décision : urgence vraie → transfert vers la dentiste de garde, urgence relative → RDV dans la journée via Agent #2, non-urgence → RDV standard via Agent #2.
Trois agents, trois voix, trois prompts courts et clairs. Un seul numéro de téléphone qui sonne au cabinet.
Les chiffres après 90 jours de production
Avant le passage en multi-agent (agent monolithique unique) :
- Latence moyenne par tour : 1,9 seconde
- Taux d'abandon (le client raccroche) : 14 %
- Taux de prise de RDV réussie : 71 %
- Faux transferts vers la dentiste (urgences mal triées) : 8 par semaine
Après le passage en multi-agent (3 agents spécialisés) :
- Latence moyenne par tour : 580 ms (Agent #1) / 720 ms (Agent #2) / 640 ms (Agent #3)
- Taux d'abandon : 4 %
- Taux de prise de RDV réussie : 89 %
- Faux transferts vers la dentiste : 1 par semaine
Honnêtement? La latence est le gain le plus visible pour le client. Le taux d'abandon qui passe de 14 % à 4 %, c'est environ 22 patients récupérés par mois. À 200 $ de revenu moyen par RDV, on parle d'un retour de 4 400 $/mois sur un projet de migration qui s'amortit en quelques semaines. Forrester a chiffré le ROI 3 ans des déploiements voice AI à 331-391 % — et ces chiffres correspondent à des architectures bien faites, pas à des prompts de 4 000 tokens.
Les pièges qu'on voit chez les fournisseurs amateurs
Trois erreurs reviennent constamment quand on audite un déploiement multi-agent fait par un freelance ou une « agence IA » improvisée :
1. L'orchestrateur fait trop. L'Agent #1 ne devrait JAMAIS prendre un RDV. S'il commence à le faire « parce que c'est plus rapide », vous êtes revenu à un agent monolithique déguisé en multi-agent. Le rôle de l'orchestrateur est de router, point.
2. Pas de cohérence vocale. Trois voix complètement différentes? Le client a l'impression d'être passé chez trois entreprises différentes. La règle interne qu'on applique chez TECHMA : les trois voix doivent venir de la même famille (ElevenLabs Voice Lab — variations de timbre, pas de personnalité). On garde le « vous parlez à la même clinique » dans l'oreille du client.
3. Les outils ne sont pas isolés. Si l'Agent #1 a accès à l'API Cal.com « au cas où », il va l'utiliser. Et mal. Chaque agent doit avoir UNIQUEMENT les tools nécessaires à son rôle. C'est un principe de sécurité (moins de surface d'attaque) ET de qualité (moins de tentations pour le LLM).
La conformité Loi 25 dans une architecture multi-agent
Question qui revient souvent depuis qu'on a publié le test de conformité Loi 25 en 12 questions : est-ce qu'un transfert d'agent à agent compte comme une « communication de renseignements personnels à un tiers »?
Réponse courte : non, tant que les trois agents font partie du même responsable du traitement (votre clinique, dans l'exemple) et que les serveurs sont dans la même région. ElevenLabs offre un déploiement région East-Canada depuis février 2026, donc les données ne quittent pas le Canada. Le consentement initial donné à l'Agent #1 couvre le traitement par les Agents #2 et #3.
Là où ça se complique : si l'Agent #3 (urgence) transfère vers une dentiste de garde via une plateforme externe (par exemple, un système de messagerie tiers), là on a une communication à un tiers. Il faut alors un avis dans le prompt système et une trace dans le log de conversation. C'est exactement le genre de détail qu'un fournisseur sérieux configure correctement, et qu'un amateur oublie.
Combien ça coûte vraiment de faire ça bien?
Trois agents, ce n'est pas trois fois le prix d'un agent. ElevenLabs facture à la minute de conversation, peu importe combien d'agents participent. Les coûts d'inférence du LLM augmentent légèrement (plus de tours conversationnels visibles dans la facturation OpenAI/Anthropic), mais comme chaque prompt est plus court, le coût par tour baisse. Sur le déploiement Clinique du Sourire, la facture mensuelle ElevenLabs+OpenAI est passée de 387 $ à 412 $ — soit 6 % de plus.
Ce qui coûte, c'est la conception. Cartographier les 22 scénarios d'appel, écrire trois prompts cohérents, brancher les bons tools sur les bons agents, monter la logique de transfert avec les bons messages de transition, écrire les protocoles de triage clinique avec la propriétaire de la clinique… on parle d'environ 35-50 heures pour un déploiement bien fait. C'est exactement pourquoi on déconseille le DIY (voir notre article sur les 5 erreurs DIY).
Comment évaluer votre fournisseur actuel
Si vous avez déjà un agent IA vocal en production, posez ces trois questions à votre fournisseur (ou à vous-même si vous l'avez monté) :
1. Combien de tokens fait notre prompt système total? (Si la réponse est « plus de 3 500 », vous avez probablement un agent monolithique mal taillé.)
2. Combien d'outils (function tools) sont déclarés sur l'agent? (Plus de 8, c'est un drapeau jaune. Plus de 12, drapeau rouge.)
3. Quelle est notre latence moyenne sur les 30 derniers jours, mesurée tour par tour? (Si la personne ne sait pas, c'est qu'il n'y a pas de monitoring sérieux en place.)
Les trois réponses devraient être disponibles en moins de 5 minutes. Si elles ne le sont pas, vous savez ce qu'il vous reste à faire.
L'angle TECHMA
Chez Agent IA Vocal (le service offert par TECHMA pour les PME au Québec), on ne livre plus d'agent monolithique depuis février 2026. Tout nouveau déploiement passe en architecture multi-agent par défaut, parce que les chiffres parlent : moins d'abandons, plus de RDV, plus de conformité, voix plus humaine.
On gère la conception, l'implémentation, la connexion à votre CRM ou système de réservation, le monitoring, et les ajustements après les premiers 30 jours. Vous ne touchez à aucun JSON. Vous ne configurez rien. Vous nous envoyez un appel d'évaluation, on vous revient avec un audit et un plan de migration ou de déploiement.
La mauvaise architecture coûte plus cher que la bonne — c'est juste qu'on paie le surcoût en patients perdus, pas en facture mensuelle. Et ça, c'est invisible dans Stripe.