Votre agent IA vocal a du mal avec les appels complexes?
Un client appelle votre clinique et veut savoir si son plan d'assurance Desjardins couvre à la fois une consultation et un acte technique le même jour — en demandant si un formulaire de remboursement peut être envoyé par courriel avant son rendez-vous de vendredi. Votre agent IA vocal bégaie, répond partiellement, puis redirige vers une boîte vocale. Résultat : client perdu, rendez-vous raté.
Le 7 mai 2026, OpenAI a lancé GPT-Realtime-2, le premier modèle vocal avec un raisonnement de classe GPT-5 directement intégré dans la boucle audio. Ce n'est pas une mise à jour cosmétique : la fenêtre de contexte passe de 32 000 à 128 000 tokens, les appels d'outils parallèles sont désormais natifs, et le niveau de raisonnement est configurable selon la complexité de chaque échange. En clair, votre agent peut maintenant réfléchir pendant qu'il parle — pas après.
ElevenLabs, que nous utilisons pour bâtir les agents IA vocaux de nos clients PME au Québec, permet de choisir le LLM qui propulse votre agent. Ce guide vous explique en 5 étapes concrètes comment passer à GPT-Realtime-2, configurer correctement le niveau de raisonnement, et éviter les deux erreurs les plus coûteuses en phase de déploiement.
Ce que GPT-Realtime-2 change concrètement pour une PME québécoise
Avant de toucher à quoi que ce soit dans votre tableau de bord ElevenLabs, comprenons ce qui a changé — et pourquoi ça vous concerne directement.
Les modèles vocaux précédents, incluant GPT-Realtime-1.5, enchaînaient les étapes : transcrire, réfléchir, générer du texte, convertir en voix. Chaque maillon ajoutait de la latence et perdait des nuances conversationnelles. GPT-Realtime-2 traite tout ça à l'intérieur d'un seul modèle audio-à-audio. La pensée se produit pendant la conversation, pas entre les répliques.
Pour votre PME québécoise, ça se traduit par trois cas d'usage qui fonctionnaient mal avant et qui fonctionnent maintenant :
1. Les appels à étapes multiples : « Est-ce que vous avez une place vendredi matin pour deux personnes, et est-ce que la salle de réunion est équipée d'un projecteur? » — l'agent gère les deux sous-questions simultanément, consulte vos outils en parallèle, et répond en une seule réplique cohérente.
2. Les vérifications d'informations complexes : Un client qui veut savoir si un service spécifique est inclus dans son forfait, avec des conditions particulières. Avec une fenêtre de contexte de 128K tokens, l'agent peut tenir compte de l'historique complet de la conversation sans perdre le fil.
3. Les appels bilingues avec changement de registre : Un interlocuteur qui passe du français québécois à l'anglais en milieu d'appel, avec des termes techniques de votre secteur. GPT-Realtime-2 gère ces transitions sans redémarrer mentalement la conversation — ce qui était la faiblesse principale de son prédécesseur.
Prérequis avant de commencer
Avant de suivre les 5 étapes, assurez-vous d'avoir en main :
Un compte ElevenLabs actif avec un agent configuré — ce guide suppose que votre agent est déjà opérationnel. Si vous partez de zéro, notre équipe chez Agent IA Vocal s'occupe de la configuration initiale complète.
L'accès au tableau de bord de votre agent — section « LLM » ou « Model » dans les paramètres de l'agent. La position exacte varie légèrement selon votre version d'ElevenLabs.
Un system prompt à jour — vous en aurez besoin à l'étape 4. Sortez-le maintenant.
15 minutes pour les tests — l'étape 5 n'est pas optionnelle. Les erreurs après un changement de LLM surviennent presque toujours parce qu'on a sauté les tests.
Étape 1 — Accéder aux paramètres LLM de votre agent ElevenLabs
Connectez-vous à votre tableau de bord ElevenLabs et naviguez vers l'agent que vous voulez mettre à niveau. Dans le menu latéral gauche, cherchez la section « Agent Settings » puis l'onglet « LLM ». C'est ici que réside le cerveau textuel de votre agent.
Vous verrez une liste déroulante intitulée « Model » ou « LLM Provider ». Cette liste peut afficher des options comme gpt-4o, claude-3-5-sonnet, gpt-realtime-1.5, ou d'autres modèles selon votre abonnement ElevenLabs. C'est ici que vous allez intervenir.
Une note importante avant de continuer : ne touchez pas encore les autres paramètres (la voix, le prompt, les outils). Changez uniquement le modèle dans un premier temps — vous minimisez ainsi les variables et vous saurez précisément d'où vient un comportement inattendu si problème il y a.
Étape 2 — Sélectionner GPT-Realtime-2 comme modèle actif
Dans la liste déroulante du modèle, sélectionnez « gpt-realtime-2 ». Si vous ne le voyez pas encore, deux raisons possibles : votre plan ElevenLabs ne l'inclut pas encore, ou ElevenLabs déploie progressivement l'accès selon les comptes.
Une fois sélectionné, une nouvelle section apparaît souvent en dessous : « Reasoning Effort ». C'est le réglage le plus important — et celui que la plupart des gens configurent mal. On y revient à l'étape 3.
Sauvegardez ce premier changement et testez immédiatement avec un appel simple : « Bonjour, quelles sont vos heures d'ouverture? » Si l'agent répond correctement, vous êtes prêt pour la suite. Si l'agent ne répond pas, vérifiez que votre clé API OpenAI dans ElevenLabs est bien associée à un compte ayant accès aux modèles Realtime. La gestion sécurisée des clés API dans ElevenLabs mérite une vérification si vous n'avez pas revu ces paramètres depuis la mise à jour v2.47.
Étape 3 — Configurer le niveau de raisonnement (Reasoning Effort)
C'est l'étape que personne ne vous explique correctement. GPT-Realtime-2 propose plusieurs niveaux de raisonnement : low, normal, high, xhigh. Le réflexe naturel est de mettre « xhigh » pour avoir le meilleur. Mauvaise idée.
Voici pourquoi : le niveau de raisonnement détermine le temps que le modèle prend avant de répondre. En mode vocal, chaque milliseconde compte. Un niveau « xhigh » crée des pauses perceptibles de 1,5 à 3 secondes avant chaque réponse — c'est ce que vos clients interpréteront comme un agent lent ou défaillant.
Pour la grande majorité des PME québécoises, le niveau recommandé est « low » ou « normal » selon la complexité de vos cas d'usage courants. Voici un guide rapide :
— Low : idéal pour les salons, restaurants, commerces de détail. Les questions sont directes (heures, disponibilités, prix), et la vitesse prime sur la profondeur du raisonnement.
— Normal : le bon compromis pour les cliniques, cabinets professionnels, et services à la clientèle avec des questions à deux ou trois sous-questions. C'est le réglage par défaut recommandé dans la documentation officielle OpenAI pour les agents en production.
— High ou xhigh : réservez ça aux cas d'usage spécifiques où la précision prime absolument sur la latence — vérification de couverture d'assurance en direct, qualification de prêts, ou support technique de niveau 2.
Notre conseil chez Agent IA Vocal : commencez toujours à « low », testez vos scénarios d'appels les plus complexes, et montez d'un cran seulement si vous constatez des erreurs sur des questions multi-étapes.
Étape 4 — Mettre à jour votre system prompt pour le raisonnement
GPT-Realtime-2 n'est pas GPT-4o habillé différemment. Il raisonne autrement. Ça signifie que votre system prompt actuel peut fonctionner — mais il peut aussi produire des comportements inattendus si vous lui avez appris à « lire des scripts » plutôt qu'à « résoudre des problèmes ».
Trois ajustements spécifiques à faire dans votre system prompt :
1. Supprimer les instructions d'évitement rigides. Les anciennes instructions du style « Si la question porte sur X, réponds exactement : [script] » fonctionnaient avec des modèles moins intelligents. Avec GPT-Realtime-2, ces instructions créent des conflits entre le raisonnement du modèle et les scripts forcés, ce qui produit des réponses incohérentes. Remplacez par des objectifs : « Ton objectif est d'aider le client à réserver un rendez-vous en collectant ces informations dans l'ordre : [liste]. »
2. Ajouter des instructions de gestion des silences. Quand votre agent consulte un outil (vérifier un calendrier, accéder à une base de données), GPT-Realtime-2 peut maintenant verbaliser cette action : « Je vérifie votre disponibilité... » ou « Un instant, je consulte notre système... » Activez ça en ajoutant dans votre prompt : « Quand tu exécutes un outil, annonce toujours verbalement ce que tu es en train de faire en une courte phrase. »
3. Préciser les seuils de redirection vers un humain. Un modèle plus intelligent peut parfois essayer de résoudre des situations qui devraient être escaladées à votre équipe. Définissez clairement : « Si la demande porte sur une réclamation, une situation d'urgence médicale, ou une insatisfaction exprimée, transfère immédiatement l'appel. » Comme nous l'avons détaillé dans notre guide sur l'intégration RAG pour agents IA vocaux, la qualité des instructions d'escalade est souvent ce qui distingue un agent performant d'un agent problématique.
Étape 5 — Tester avec vos scénarios d'appels les plus complexes
Ne passez pas en production avant d'avoir testé ces quatre catégories de scénarios. Ce sont celles qui révèlent 90 % des problèmes post-migration.
Test 1 — La question à double sous-question : « Est-ce que vous acceptez les nouvelles patientes, et si oui, est-ce qu'il faut une référence de médecin? » L'agent doit répondre aux deux parties dans une seule réplique fluide, sans demander de répéter.
Test 2 — Le changement de langue en milieu d'appel : Commencez en français, posez une sous-question en anglais (« and do you accept RAMQ? »), puis revenez au français. GPT-Realtime-2 gère ça nativement — mais vérifiez que votre system prompt ne bloque pas les réponses dans la langue secondaire.
Test 3 — La demande avec condition : « Je voudrais un rendez-vous vendredi, mais seulement si le Dr. Tremblay est disponible — sinon, laissez faire. » L'agent doit vérifier la disponibilité spécifique avant de proposer, pas accepter automatiquement.
Test 4 — L'interruption pendant un outil : Demandez quelque chose qui déclenche une consultation d'outil (calendrier, base de données), puis interrompez avec « Ah non, finalement le jeudi c'est mieux. » L'agent doit annuler la première recherche et relancer avec le nouveau critère — sans perdre les informations déjà collectées.
Si les 4 tests passent, vous êtes prêt pour la production. Sinon, les ajustements sont presque toujours dans le system prompt, pas dans le choix du modèle lui-même.
Ce que ça coûte vraiment (en dollars canadiens, par mois)
Voici la réalité des coûts que les articles en anglais évitent d'aborder clairement.
GPT-Realtime-2 est facturé à 32 USD par million de tokens audio en entrée, et 64 USD par million en sortie. Avec le taux de change actuel, c'est approximativement 44 CAD / 88 CAD par million de tokens. Ça semble énorme jusqu'à ce qu'on regarde ce que ça donne par appel.
Une conversation typique de 3 minutes avec un agent IA vocal consomme environ 4 000 à 6 000 tokens (contexte + réponses). À ce rythme, un million de tokens équivaut à environ 200 appels complets. Pour une PME québécoise qui reçoit 400 appels par mois, on parle d'une fourchette de 90 à 130 CAD par mois en coût de modèle — à ajouter aux frais d'abonnement ElevenLabs.
La bonne nouvelle : le mécanisme de caching réduit les tokens d'entrée en cache à 0,40 USD par million (soit environ 0,55 CAD). Pour des prompts système répétitifs et des contextes FAQ constants, un caching agressif peut réduire vos coûts de 40 à 60 %. Notre équipe configure ça automatiquement pour nos clients Agent IA Vocal.
À noter : GPT-Realtime-2 n'est pas toujours le bon choix. Si votre volume d'appels est inférieur à 150 par mois et que vos questions sont simples, le modèle précédent peut être plus économique. La valeur de GPT-Realtime-2 se révèle vraiment à partir du moment où vos appels complexes dépassent 20 % de votre volume total. Et si votre PME reçoit des appels de clients anglophones, n'oubliez pas que GPT-Realtime-Translate est un modèle distinct conçu pour la traduction en direct — les deux peuvent coexister dans votre architecture selon vos besoins.
Les 3 erreurs les plus fréquentes après la migration
On les voit revenir systématiquement.
Erreur 1 : Laisser le reasoning effort à « high » par défaut. Si personne n'a explicitement sélectionné le niveau, ElevenLabs peut initialiser à « high » selon la version du tableau de bord. Vérifiez manuellement. Une pause de 2 secondes avant chaque réponse, ça se voit immédiatement dans les retours clients.
Erreur 2 : Garder un system prompt écrit pour un modèle plus basique. Les instructions de scripting rigide, les blocs si-alors explicites dans le prompt, et les formatages en markdown (titres, bullets) sont des résidus d'une époque où le modèle avait besoin de beaucoup de guidage structurel. GPT-Realtime-2 préfère les objectifs et les contraintes aux scripts — réécrivez en conséquence.
Erreur 3 : Ne pas tester le comportement avec des outils lents. Si votre agent appelle une API externe (CRM, calendrier) qui répond en plus de 3 secondes, l'expérience de silence gêne les appelants. Configurez les annonces verbales d'action (étape 4), et si possible, visez des temps de réponse d'outils inférieurs à 1,5 seconde. Les optimisations de performance des intégrations font partie de ce que l'équipe TECHMA configure lors de la mise en place de votre agent.
FAQ — Questions fréquentes sur GPT-Realtime-2 dans ElevenLabs
Est-ce que GPT-Realtime-2 est disponible sur tous les plans ElevenLabs? Pas nécessairement. Au moment de rédiger cet article, l'accès est disponible sur les plans Starter et supérieurs, mais le déploiement est progressif. Consultez le changelog ElevenLabs ou contactez leur support pour confirmer votre accès.
Mon agent est déjà en production. Puis-je changer le modèle sans interruption de service? Le changement de LLM dans ElevenLabs prend effet sur les appels suivants, pas en cours. Vous pouvez donc effectuer la migration pendant une période de faible trafic — soirée ou fin de semaine — sans downtime visible pour vos clients.
GPT-Realtime-2 va-t-il changer la voix de mon agent? Non. La voix est générée par le moteur TTS d'ElevenLabs, qui est indépendant du LLM. Votre voix sélectionnée restera identique après la migration.
Et si mes appels sont principalement en anglais? GPT-Realtime-2 performe mieux en une langue? Non, les performances sont comparables en français et en anglais. GPT-Realtime-2 gère les deux langues nativement, y compris les changements de langue en milieu d'appel. Pour des scénarios bilingues complexes comme ceux de nombreuses PME québécoises, c'est précisément l'un de ses points forts.
Prêt à passer à GPT-Realtime-2?
La migration vers GPT-Realtime-2 n'est pas une obligation urgente si votre agent actuel gère bien vos appels courants. Mais si vous constatez que 15 à 20 % de vos appels nécessitent une redirection vers un humain pour des questions qui devraient être résolues automatiquement — c'est le signal que le moment est venu.
Chez Agent IA Vocal, nos équipes TECHMA gèrent cette migration de bout en bout pour nos clients : audit du system prompt actuel, sélection du bon niveau de raisonnement selon votre volume et vos cas d'usage, tests sur vos scénarios réels, et déploiement sans interruption. Planifiez une consultation pour voir si GPT-Realtime-2 est le bon prochain pas pour votre PME.