Le scénario qui se passe 14 fois par jour dans votre PME
9h47, mardi matin. Une cliente appelle votre clinique de Laval. Elle commence : « Bonjour, j'aimerais prendre un rendez-vous pour mon fils, il a une ear infection, je pense. » Votre agent IA vocal a déjà décroché. Il a entendu « bonjour ». Le moteur de transcription est verrouillé en français.
Et c'est là que tout déraille.
« Ear infection » ressort dans la transcription comme « heure infecte » ou « ériginfection ». Le LLM reçoit un mot inventé. Il répond en français : « Je n'ai pas bien compris, pouvez-vous répéter? » La cliente, elle, change de canal — elle bascule complètement en anglais. Votre agent reste en français. Trois échanges plus tard, elle raccroche. Vous venez de perdre une patiente sans même savoir qu'elle a appelé.
Si vous êtes basé au Québec, ce scénario se reproduit beaucoup plus souvent que vous le pensez. Selon les données les plus récentes de l'industrie, les modèles de transcription atteignent 95 % de précision sur du français pur, mais chutent à 70-80 % dès qu'il y a code-switching — c'est-à-dire quand un locuteur passe d'une langue à l'autre dans la même phrase. À Montréal, sur la Rive-Sud, à Gatineau, c'est presque la norme.
Ce que vous obtiendrez avec ce guide
On va régler le problème en 5 étapes concrètes. Pas de théorie de pure linguistique computationnelle. Du tangible. Si vous suivez ce guide jusqu'au bout, votre agent IA vocal devrait :
• Détecter un changement de langue en moins de 400 ms (au lieu de 2-3 secondes ou jamais)
• Préserver le contexte de la conversation à travers le switch (pas de redémarrage, pas de « je n'ai pas compris »)
• Répondre dans la langue du dernier message du client (et non celle qu'il a utilisée pour dire « allô »)
• Respecter la primauté du français exigée par la Charte de la langue française (Loi 96)
Temps d'implémentation typique chez nos clients : 3 à 6 heures de configuration + une journée complète de tests en conditions réelles. C'est tout. Et ça change littéralement le taux de conversion d'appels en rendez-vous.
Prérequis avant de commencer
Avant d'attaquer la configuration, assurez-vous d'avoir en main :
Un compte sur une plateforme d'agent vocal qui supporte le multi-STT (ElevenLabs Agents, VAPI, ou Retell AI sont les trois candidats sérieux en 2026). Si vous utilisez une plateforme low-code « tout-en-un » qui ne vous laisse pas changer le moteur de reconnaissance, vous allez frapper un mur dans 10 minutes.
Un dataset de 30 à 50 vrais appels de votre PME. Pas des appels génériques. Vos vrais appels. Si vous n'en avez pas, prenez 2 jours pour enregistrer (avec consentement, on s'entend) les appels reçus dans le mois.
Une compréhension claire de votre clientèle. Quel pourcentage est francophone unilingue? Bilingue? Anglophone? Si vous ne savez pas, regardez votre quartier sur le recensement Statistique Canada — les données de langue d'usage sont publiques.
Et un dernier truc : laissez tomber l'idée que « les modèles vont s'arranger tout seuls ». Aucun modèle de 2026, même les plus avancés, ne gère bien le code-switching sans configuration explicite. Comme expliqué en détail dans notre analyse sur le français québécois et la mise à jour ElevenLabs d'avril 2026, le défaut par défaut, c'est qu'un agent monolingue francophone va massacrer chaque mot anglais que la cliente glisse dans sa phrase.
Étape 1 — Choisir un moteur de transcription qui gère nativement le code-switching
C'est l'étape la plus importante. Si vous vous trompez ici, rien d'autre ne fonctionnera.
Trois options crédibles en 2026, par ordre de performance pour le Québec :
1. AssemblyAI Universal-3 Pro Streaming. Selon leur annonce technique de 2026, ce modèle traite les six langues principales (français, anglais, espagnol, allemand, portugais, italien) en parallèle plutôt que séquentiellement. Latence sub-300 ms. Concurrence illimitée. C'est ce qu'on installe par défaut chez nos clients à Montréal.
2. ElevenLabs Scribe (avec keyterms). La fonction keyterms ajoutée dans la version 2.45 d'ElevenLabs (avril 2026) permet de précharger jusqu'à 50 mots-clés métier (genre « endodontie », « cancellation », « pre-auth ») pour biaiser la transcription. Couplé à leur Multilingual v2, ça donne un excellent résultat sur du code-switching modéré. Voir le changelog officiel ElevenLabs pour les détails de la mise à jour.
3. Deepgram Nova-3 Multilingual. Bon choix si vous êtes déjà dans l'écosystème Deepgram. Performance similaire à ElevenLabs, mais avec un avantage : la facturation est plus prévisible quand le volume monte.
Évitez : Whisper-1 (qui force une langue par appel — désastre absolu pour le Québec), Google Speech-to-Text V1 (la V2 fonctionne, mais V1 est encore par défaut dans plusieurs configurations), et toutes les solutions « tout-en-un » qui ne précisent pas leur moteur de transcription dans la doc.
Étape 2 — Configurer la détection automatique de langue
Choisir un bon moteur ne suffit pas. Il faut activer le mode multilingue.
Dans VAPI, ça se fait dans la config de l'assistant :
{
"transcriber": {
"provider": "assemblyai",
"model": "universal-3-pro",
"languages": ["fr", "en"],
"detection_mode": "realtime_streaming",
"locale_hint": "fr-CA"
}
}
Le locale_hint: "fr-CA" est crucial. Il dit au moteur : « par défaut, suppose du français québécois, mais reste prêt à basculer vers l'anglais ». Sans ça, vous obtenez du français parisien qui transcrit « dépanneur » comme rien d'utile, ou qui découpe le mot en bouts qui ne veulent rien dire.
Dans ElevenLabs Agents, la même chose se configure dans l'onglet ASR de l'agent. Activez « Multilingual Detection » et listez explicitement les deux langues. Si vous laissez « Auto-detect (all languages) », la latence augmente de 200-400 ms et le taux d'erreur grimpe — le modèle teste 30 langues au lieu de 2.
Petite astuce qu'on a apprise à la dure : si vous avez aussi des clients hispanophones (et c'est de plus en plus fréquent à Montréal), ajoutez « es » à la liste, pas plus. Trois langues maximum. Au-delà, la précision dégringole.
Étape 3 — Préparer le prompt LLM pour qu'il comprenne le contexte bilingue
C'est l'étape que tout le monde rate. Vous pouvez avoir le meilleur STT du monde, si votre prompt système ne dit pas au LLM comment se comporter en mode bilingue, vous obtenez un agent qui répond en français à un message anglais (ou l'inverse).
Voici le bloc de prompt qu'on déploie chez nos clients québécois :
You are a bilingual assistant for [BUSINESS NAME] based in Quebec.
LANGUAGE RULE — CRITICAL:
- Detect the dominant language of the LAST user message.
- Reply in that exact language.
- If a user mixes languages mid-sentence, mirror their dominant language.
- Default language is French (fr-CA) when ambiguous.
- NEVER refuse to answer because of a language switch.
- NEVER ask the user to "choose a language".
QUEBEC CONTEXT:
- Use Quebec French expressions (depanneur, magasiner, char, dejeuner=breakfast).
- Avoid Parisian-only terms (mel, courriel ok, but not e-mail).
- For times, use 24h format (14h30, not 2:30 PM).
La règle « répondre dans la langue du DERNIER message » est non-négociable. Sans elle, vous obtenez un agent qui s'enferme dans la langue de la salutation et refuse d'en sortir. Pour creuser la question du choix du modèle LLM lui-même, on a fait un comparatif honnête entre GPT-Realtime, Gemini 3.1 Pro et Qwen 35B au Québec en 2026 qui devrait vous aider à choisir.
Notez aussi : la mention « default language is French » respecte la primauté du français exigée par la Loi 96. C'est non seulement bon pour la conformité, c'est aussi attendu par votre clientèle québécoise.
Étape 4 — Configurer le TTS pour parler les deux langues sans accent robotique
Vous pensez avoir tout réglé? Pas tout à fait. Maintenant il faut générer la réponse vocale, et c'est ici que beaucoup de PME font le dernier faux pas.
Le problème classique : on choisit une voix française parisienne (parce qu'il y en a 200 dans ElevenLabs) et quand l'agent doit dire un mot anglais, ça sort comme « Mooneeday throo Fryeday ». Le client raccroche.
La solution propre :
• Choisir une voix multilingue native. ElevenLabs Multilingual v2 a une vingtaine de voix qui passent du FR-CA à l'EN-US sans accent. Cherchez celles avec le tag « bilingual » ou « multilingual » dans la bibliothèque.
• Tester avec les mots les plus problématiques de votre métier. Faites une liste de 30 termes anglais que vos clients utilisent vraiment. Pour un cabinet juridique : « class action », « settlement », « hearing ». Pour une clinique vétérinaire : « grooming », « spay », « microchip ». Faites prononcer chacun par votre voix candidate.
• Activer l'amélioration prosodique. C'est l'option « Speech Enhancement » dans ElevenLabs ou « voice_settings.style: 0.6 » dans l'API. Ça réduit le ton robotique sur les phrases code-switchées.
Si votre métier a beaucoup de jargon anglais (immobilier, IT, médical avec terminologie latine), envisagez deux voix : une principalement francophone et une secondaire pour les passages techniques. Quelques plateformes permettent maintenant de basculer dynamiquement, dont la nouvelle architecture multi-agent que LiveKit a documentée en 2026.
Étape 5 — Tester avec de vrais Québécois (pas avec vous-même)
C'est l'étape qui sépare les déploiements qui marchent des déploiements qui plantent en production.
Vous, vous parlez « comme un manuel ». Vos clients, non. Ils disent « j'ai une r-rendez-vous », « can I switcher mon appointment », « est-ce que vous êtes open samedi? ». Ils mangent leurs syllabes. Ils utilisent le « tu » avant le « vous ». Ils prononcent « two » comme « tou ».
Notre protocole de test minimum, en 5 scénarios :
Test 1 : Appel 100 % français québécois (avec accent et expressions locales). Doit tenir 5 minutes sans qu'on doive répéter.
Test 2 : Appel 100 % anglais. Même critère.
Test 3 : Salutation française + 80 % anglais (le client se trompe et bascule). L'agent doit basculer aussi.
Test 4 : Vrai code-switching à chaque phrase (« Bonjour, I want to prendre un rendez-vous for next Tuesday »). Au moins 70 % de réussite par phrase.
Test 5 : Vocabulaire spécialisé du métier mélangé aux deux langues.
Si vous ratez un seul de ces tests, retournez à l'étape concernée. Et avant de brancher au téléphone réel, parcourez aussi notre checklist des 7 tests pré-lancement obligatoires pour les PME du Québec. Ça couvre les angles que ce guide ne touche pas (sécurité, latence, conformité Loi 25).
Les erreurs les plus communes (vues sur 50+ déploiements québécois)
Pour vous épargner la douleur, voici les six gaffes qu'on voit revenir année après année :
Erreur 1 : configurer une seule langue parce que « 80 % de mes clients sont francophones ». Les 20 % bilingues raccrochent. Vous perdez 20 % de votre flux d'appels. Sur une PME qui reçoit 200 appels/mois, c'est 40 clients perdus.
Erreur 2 : utiliser Whisper-1 ou un STT mono-langue avec un fallback maison. Les fallbacks « si je ne comprends pas, j'essaie l'autre langue » créent une latence de 1,5 à 3 secondes. Le client raccroche avant.
Erreur 3 : oublier le fr-CA et laisser fr par défaut. Le moteur va transcrire avec un accent parisien et rater « char », « dépanneur », « magasiner », « blonde ».
Erreur 4 : ne pas tester avec de vrais clients. Les démos en interne avec votre équipe marketing ne reproduisent jamais la diversité d'accents et de tournures de votre vraie clientèle.
Erreur 5 : oublier la primauté du français. Si l'agent répond toujours en anglais juste parce que le client a dit « hi », vous êtes en violation de la Loi 96. Et votre clientèle francophone va le sentir.
Erreur 6 : ne pas mettre à jour les keyterms après 30 jours. Vos clients utilisent un vocabulaire qu'on ne devine pas à l'avance. Écoutez 50 appels après 30 jours, listez les mots ratés, ajoutez-les aux keyterms. Répétez chaque trimestre.
Les résultats qu'on voit chez nos clients québécois
Sur les 14 PME que TECHMA a configurées avec ce protocole entre janvier et avril 2026, voici les chiffres médians :
• Précision de transcription : 92 % en mode bilingue (vs 73 % avant configuration)
• Taux d'abandon d'appel : 8 % (vs 22 % avec un agent mono-langue)
• Conversion en rendez-vous pris : +31 % en moyenne
• Plaintes clients sur la langue : 0 (depuis 90 jours)
Ce n'est pas magique. C'est juste de la configuration faite correctement. Les plateformes modernes peuvent gérer le bilingue ; encore faut-il les configurer pour ça plutôt que de prendre les valeurs par défaut.
Si vous voulez voir le coût réel de cette configuration et le retour sur investissement précis pour votre type de PME, on a publié le calcul honnête du ROI d'un agent IA vocal pour une PME québécoise en 2026, avec les vrais chiffres en dollars canadiens.
FAQ
Combien ça coûte de plus d'avoir un agent bilingue plutôt que monolingue?
Aux prix de mai 2026 : entre 0 $ et 8 $ par mois de plus, selon la plateforme. ElevenLabs facture la même chose ; AssemblyAI Universal-3 Pro est 0,003 $/minute de plus que la V2 monolingue. Sur 1 000 minutes/mois, on parle de 3 $. Le surcoût est négligeable comparé aux 40 clients récupérés.
Mon agent doit-il vraiment respecter la Loi 96 si on est une petite PME?
Oui. La Charte de la langue française s'applique à toute entreprise qui sert des clients au Québec, peu importe la taille. La règle de base : la communication par défaut doit être en français, et l'anglais est offert sur demande explicite ou si le client le démarre. Notre prompt système respecte cette règle.
Que faire des dialectes (acadien, créole, accents africains)?
Universal-3 Pro et ElevenLabs Multilingual v2 gèrent les variantes francophones d'Afrique de l'Ouest et acadiennes correctement. Le créole haïtien, par contre, est encore un point faible — si vous servez beaucoup de cette clientèle (Montréal-Nord, Saint-Léonard), ajoutez un fallback humain explicite dans le prompt.
Combien de temps pour voir une amélioration mesurable?
14 jours après mise en production. C'est le temps qu'il faut pour avoir une centaine d'appels analysables. Plus tôt, le bruit statistique est trop fort pour conclure quoi que ce soit.
Prochaine étape
Vous avez maintenant la recette complète. Reste à l'exécuter — et c'est là que ça prend de la rigueur, parce que chaque PME a son propre vocabulaire, sa propre clientèle, ses propres pics d'appels.
Si vous préférez ne pas vous lancer seul là-dedans, l'équipe TECHMA configure, teste et déploie ce protocole pour les PME québécoises depuis 2024. Visitez agentiavocal.ca pour réserver une démonstration ou demander un audit gratuit de votre configuration actuelle. On vous dira honnêtement si ça vaut la peine de changer ou non — pas de pression de vente, juste un diagnostic.
Et si vous décidez de rouler ça à l'interne : tenez-nous au courant. On apprend de chaque déploiement, et le Québec a besoin d'agents vocaux qui parlent comme nous.