Introduction
Ouvrez le dashboard ElevenLabs de votre PME un lundi matin. 832 conversations dans le mois écoulé. Elles sont là, alignées par date, avec un transcript pour chacune. Mais combien étaient des prises de rendez-vous? Combien des urgences? Combien des plaintes qu'il aurait fallu transférer à un humain et qui ne l'ont pas été?
Vous ne le savez pas. Personne ne le sait. Parce que tant que vous n'ouvrez pas chaque appel un par un, c'est un magma.
Le 7 mai 2026, ElevenLabs a livré dans la version v2.46.0 de son SDK une fonction qui change ça : les Conversation Tags. Vous étiquetez chaque appel automatiquement (rendez-vous, urgence, plainte, info-tarif, etc.), puis vous filtrez. Le magma devient un tableau de bord.
Ce tutoriel vous montre comment configurer ça pour votre PME du Québec en 15 minutes, et comment l'utiliser ensuite pour un audit hebdomadaire de 12 à 15 minutes plutôt que des heures.
Ce dont vous avez besoin avant de commencer
Trois choses, c'est tout.
Un : un compte ElevenLabs avec un agent vocal déjà déployé et qui prend des appels en production. Si vous n'êtes pas encore en production, faites les tests d'abord — la valeur des tags n'apparaît qu'à partir de quelques dizaines d'appels.
Deux : accès admin au dashboard ElevenLabs. Créer des tags est une action protégée.
Trois : 15 minutes de calme. Pas plus. Si vous avez tenté de mettre en place un système d'étiquetage manuel par le passé et que vous y avez passé deux après-midis, oubliez ce souvenir — la version automatique est radicalement plus rapide à mettre en place.
Étape 1 — Choisir les 6 catégories qui comptent vraiment pour votre PME
Avant de toucher au dashboard, prenez une feuille. Listez les types d'appels que votre agent IA vocal traite réellement. La tentation, c'est de créer 15 ou 20 catégories pour tout couvrir. Ne le faites pas. Six, c'est la bonne quantité — assez pour discriminer, assez peu pour qu'un coup d'œil suffise.
Pour une clinique dentaire au Québec, ça ressemble à : prise-rdv, déplacement-rdv, urgence-dentaire, question-prix, plainte-recue, autre. Pour un plombier, c'est plutôt : urgence-fuite, devis-renovation, prise-rdv, suivi-facture, plainte, autre.
La règle : cinq tags spécifiques à votre métier, plus un tag « autre » fourre-tout. Si « autre » dépasse 20 % de vos appels au bout d'un mois, c'est le signal qu'une de vos catégories spécifiques vous manque. Vous l'ajouterez à ce moment-là, pas avant.
Étape 2 — Créer les tags dans le dashboard ElevenLabs
Allez dans Conversational AI → Conversations → bouton Tags en haut à droite. Cliquez sur Create tag. Pour chaque catégorie, donnez un nom court en kebab-case (urgence-fuite, pas « Urgence de Fuite »), choisissez une couleur (ça vous servira au scan visuel), et enregistrez.
Pour les six catégories d'une PME, comptez 90 secondes. C'est la partie la plus rapide du tutoriel.
Un détail qui fait gagner du temps plus tard : utilisez le même vocabulaire que vos employés humains. Si votre réceptionniste dit « les RDV » et pas « rendez-vous », nommez le tag prise-rdv. Quand vous filtrerez, votre cerveau ira plus vite.
Étape 3 — Faire en sorte que l'agent assigne les tags tout seul
C'est ici que la magie opère. Vous n'allez PAS étiqueter manuellement les appels. Vous allez configurer l'agent pour qu'il le fasse à la fin de chaque conversation.
Dans la configuration de votre agent, allez dans Analysis → Post-call analysis. Ajoutez un champ call_category de type single-select, avec comme valeurs possibles exactement les noms de vos six tags. Dans la description du champ, écrivez en français : « Catégoriser cet appel selon l'intention principale du client. Choisir prise-rdv si le client veut un nouveau rendez-vous, urgence-fuite si le client signale une fuite active, etc. ».
Soyez précis dans la description, en deux ou trois phrases par catégorie. Le LLM utilisera ce texte comme guide. C'est là que la qualité des tags se joue.
Ensuite — et c'est l'étape critique — connectez ce champ d'analyse à un webhook qui appelle l'API Conversations d'ElevenLabs pour assigner le tag correspondant. Le endpoint à utiliser est POST /v1/convai/conversations/{conversation_id}/tags, documenté sur la page Conversations API d'ElevenLabs. Si votre PME est cliente chez nous, c'est cette tuyauterie que notre équipe TECHMA pose pour vous — vous n'avez pas à toucher au code.
Étape 4 — Tester avec 3 appels avant de laisser tourner
Ne déployez pas en silence. Faites trois appels test depuis votre cellulaire, dans trois intentions différentes. Un en mode « je veux un rendez-vous », un en mode « j'ai une plainte », un en mode « combien ça coûte ».
Attendez 30 secondes après le dernier appel (le temps que l'analyse post-call tourne), puis ouvrez le dashboard. Filtrez par tag. Vos trois conversations doivent être étiquetées correctement.
Si une l'est mal — souvent c'est l'appel « prix » qui se retrouve en « prise-rdv » parce que le client a fini par dire « ok je veux réserver à ce prix-là » — retournez à l'étape 3 et précisez la description du tag. Deux ou trois itérations suffisent. Comme pour les Keyterms qu'on a couverts dans notre article sur le paramètre qui sauve vraiment votre agent, la précision vient de la définition, pas du modèle.
Étape 5 — Utiliser les tags pour un audit hebdomadaire de 15 minutes
Voilà à quoi ressemble votre lundi matin une fois les tags en place.
Vous ouvrez le dashboard, vous filtrez sur les 7 derniers jours. Vous voyez : 192 appels, dont 68 prise-rdv, 41 urgences, 33 questions-prix, 18 plaintes, 23 déplacements, 9 autre. C'est lisible. C'est compté.
Vous cliquez sur le tag plainte. 18 conversations. Vous lisez les 18 transcripts en survol — ça prend 6 minutes. C'est là que vous trouvez les vrais problèmes : un client qui a appelé trois fois pour la même affaire, un autre que l'agent a mal compris.
Vous cliquez sur urgence. 41 conversations. Vous vérifiez que toutes ont déclenché le transfert humain correctement. Si l'une ne l'a pas fait, vous savez exactement quoi corriger dans le prompt cette semaine.
Total : 12 à 15 minutes. Vous sortez de cet audit avec deux ou trois corrections concrètes à apporter à votre agent, basées sur des appels réels et pas sur des impressions. C'est exactement le type de rituel léger qu'on décrit dans notre rituel du lundi en 12 minutes, sauf qu'avec les tags vous avez maintenant la vue par catégorie en plus des quatre tableaux.
Les 3 erreurs à éviter
Trop de tags. Vingt catégories, ça paralyse. Vous regardez le dashboard et vous ne savez plus par où commencer. Six, max. Si vous découvrez qu'il en manque une au bout d'un mois, ajoutez-la — mais commencez petit.
Des noms ambigus. Évitez « divers » à côté de « autre », ou « rdv » à côté de « prise-rdv ». Chaque tag doit avoir une définition unique, lisible en quatre mots ou moins.
Ne jamais relire la description du tag. La description que vous écrivez à l'étape 3 est ce que le LLM utilise pour décider. Si après deux semaines un tag est mal assigné dans 15 % des cas, c'est la description qu'il faut retravailler, pas changer de modèle. Selon les analyses Gartner sur la classification des interactions client, la qualité des catégories descriptives est le facteur numéro un de la fiabilité d'une taxonomie.
Ce que vous allez voir en 30 jours
Premier effet, immédiat : votre lundi d'audit passe de 90 minutes (les semaines où vous le faisiez sérieusement) à 15 minutes. C'est récupéré direct.
Deuxième effet, vers la semaine 3 : vous identifiez une catégorie d'appels que vous n'aviez pas vue venir. Pour une clinique dentaire qu'on suit, c'était « patient qui veut changer de praticien dans la même clinique » — 11 % du volume mensuel, jamais nommé avant, jamais traité comme un flux distinct. Une fois identifié, on a ajusté l'agent pour proposer directement les options des autres praticiens.
Troisième effet, vers la semaine 4 : vous arrivez à une réunion d'équipe avec des chiffres. « 33 % de nos appels sont des questions-prix. Pourquoi? Notre site n'est pas clair? » C'est une conversation qui n'avait jamais lieu avant parce que personne ne pouvait la chiffrer.
FAQ
Est-ce qu'on peut avoir plusieurs tags sur la même conversation? Oui — l'API Conversations supporte plusieurs tags. Mais pour un usage PME, restez à un tag principal par appel. Vous éviterez les doubles comptes dans vos statistiques.
Combien ça coûte de plus chez ElevenLabs? L'étiquetage en lui-même est inclus dans le forfait. Ce qui consomme un peu, c'est l'analyse post-call qui tourne le LLM. Comptez l'équivalent de 5 à 10 secondes de TTS supplémentaire par appel — négligeable à l'échelle d'une PME.
Et si on change la liste de tags dans 3 mois? Aucun souci. Les anciennes conversations gardent leurs tags d'origine. Les nouvelles utilisent la nouvelle liste. Vous pouvez même tagger rétroactivement un lot d'anciens appels via l'API si vous tenez à uniformiser.
Est-ce qu'on peut faire ça sans l'aide de TECHMA? Techniquement, oui — la documentation est ouverte. Pratiquement, le webhook post-call qui relie l'analyse au tag demande de toucher à un peu de code et à la configuration de l'agent. Si vous avez un développeur sous la main, c'est faisable en une après-midi. Sinon, on s'en occupe.
Conclusion & prochaine étape
Les Conversation Tags ne sont pas la fonction la plus tape-à-l'œil qu'ElevenLabs a livrée en mai 2026 — les quatre verrous de sécurité de la v2.47.0 ont fait plus de bruit. Mais c'est la fonction qui change le plus vite la vie opérationnelle d'une PME qui a déjà un agent en production.
Vous passez d'un dashboard où 800 appels sont un mur indistinct à un tableau de bord catégorisé que vous lisez en 15 minutes par semaine. Ça vaut le quart d'heure de configuration.
Si vous voulez qu'on s'en occupe pour vous — choix des catégories adaptées à votre métier, configuration de l'analyse post-call, webhook de tagging, premier audit fait ensemble — prenez 20 minutes avec notre équipe ou regardez nos plans à partir de 49 $/mois. Tous nos forfaits incluent la mise en place des tags.