Le 12 mai 2026, ElevenLabs a publié le SDK v2.47.0. Sur LinkedIn, tout le monde s'est mis à crier la même chose : claude-opus-4-7 est arrivé dans la liste des LLM. Trois jours plus tard, une dizaine d'agences ont annoncé qu'elles « migraient déjà leurs agents ». Pendant ce temps, dans un changelog que personne n'a lu jusqu'au bout, un autre paramètre a glissé sous la table : keyterms.
Je vais être direct. Pour la PME québécoise qui opère un agent IA vocal en mai 2026, changer de LLM ne réglera pas votre vrai problème. Votre vrai problème, c'est que votre agent comprend mal quand un client dit « j'appelle pour Plomberie Latendresse » ou « je veux parler à madame Côté-Brassard ». Et ça, aucun nouveau cerveau de raisonnement ne va le réparer.
Pourquoi le hype autour de claude-opus-4-7 vous trompe
D'abord, soyons honnêtes sur ce que l'enum LLM d'ElevenLabs contient maintenant : claude-opus-4-7, gpt-5.4, gpt-5.5, gpt-5.4-2026-03-05, gpt-5.5-2026-04-23 et qwen36-35b-a3b. C'est impressionnant sur papier. Et oui, pour une question complexe (« est-ce que je peux annuler mon assurance dentaire et reporter ma franchise sur l'année prochaine ? »), un cerveau plus fort raisonne mieux.
Mais voici ce qui se passe vraiment quand on lit les transcriptions d'appels de PME au Québec — on en a regardé plus de 8 000 cette année. Le LLM ne se trompe presque jamais sur le raisonnement. Il se trompe sur l'entrée. Le speech-to-text (le module Scribe d'ElevenLabs) renvoie au LLM « Place Saint-Brûle » au lieu de « Plomberie Latendresse ». À ce moment-là, peu importe que le cerveau soit claude-opus-4-7 ou gpt-3.5 — il répond à une question qu'on ne lui a jamais posée.
Nous avons déjà documenté cette différence entre les cerveaux dans notre comparatif GPT-4o, Claude 4.6 et Gemini 3.1 Pro publié il y a quelques jours. La conclusion tenait en une ligne : le choix du LLM compte, mais il compte beaucoup moins que ce qu'on lui donne à manger.
Ce que keyterms fait vraiment
Voici le passage exact du changelog du 12 mai 2026 : « The Scribe realtime WebSocket now accepts a keyterms parameter (array of strings, max 50 entries of up to 20 characters each) to bias the model toward specific terms. »
Traduction en français business : vous donnez à l'agent une liste de mots qu'il doit reconnaître quand ils sont prononcés. Pas forcer (s'ils ne sont pas dits, l'agent ne les invente pas), juste pencher la balance. Et la documentation officielle de keyterm prompting le précise : c'est contextuel, pas mécanique.
Pour la PME québécoise, ça veut dire trois choses, dans cet ordre d'importance.
1. Votre nom commercial cesse d'être mutilé
« Boucherie Côté », « Garage Tremblay-Saint-Onge », « Esthétique Saint-Bruno », « Notaire Beauchemin & Associés ». Aucun de ces noms n'apparaît dans les données d'entraînement standard de Scribe. L'agent fait au mieux — il interprète. Avec keyterms, votre nom devient un mot que le modèle cherche activement à reconnaître quand le client le prononce, même en accent saguenéen ou en français rapide montréalais.
2. Vos produits et services sortent intacts
Si vous êtes une clinique vétérinaire de Sherbrooke et que votre client appelle pour un « vaccin combiné DAPP », « analyse de selle Giardia » ou « panel hépatique félin », ces termes n'existent pas dans le langage courant. Avant keyterms, votre agent les retranscrivait n'importe comment. Maintenant, vous mettez les 30-40 services les plus appelés dans une liste, et c'est réglé.
3. Les noms propres bilingues arrêtent de buguer
C'est le piège le plus mal compris au Québec. Un client francophone qui dit « j'ai un rendez-vous chez Bureau en Gros » et un autre qui dit « I have an appointment at Bureau en Gros » prononcent ce nom légèrement différemment. Sans keyterms, le modèle penche vers l'interprétation phonétique anglaise dans un contexte EN, et française dans un contexte FR — et se trompe régulièrement sur les marques bilingues comme Couche-Tard, Jean Coutu, Familiprix, La Cage. Une liste keyterms partagée entre les deux langues stabilise ces noms.
Le contre-exemple qui m'a fait écrire cet article
La semaine dernière, on a audité l'agent IA vocal d'un cabinet de notaires dans Lanaudière. Le propriétaire venait de migrer vers claude-opus-4-7 (« parce que c'est mieux, non ? »). Sa douleur : 18 % des appels finissaient avec un client agacé parce que l'agent ne comprenait pas son nom à l'oreille.
On a regardé. Le cerveau était impeccable — il raisonnait, il proposait, il routait correctement. Mais l'entrée était cassée. « Beauregard » devenait « beau regard ». « Lavoie-Dansereau » devenait « la voix d'un sereau ». L'agent passait son temps à demander d'épeler, ce qui rendait les clients impatients.
On a fait deux choses. Premièrement, on a remis le LLM sur gpt-5.4 (moins cher, raisonnement amplement suffisant pour ce cabinet). Deuxièmement, on a chargé une liste keyterms de 47 entrées : les 12 notaires de la firme, les 18 communes du territoire desservi, et les 17 termes juridiques les plus fréquents. Coût additionnel : 0 $/mois. Délai de mise en place : 25 minutes.
Résultat à 72 heures : le taux d'appels où l'agent demande d'épeler est passé de 18 % à 3 %. Le propriétaire nous a écrit la veille de la publication de cet article : « Honnêtement, je m'attendais à ce que ce soit le LLM. C'était un fichier texte de 600 octets. »
La liste keyterms par secteur — ce qu'il faut y mettre
Voici les catégories qui devraient figurer dans votre fichier keyterms, peu importe votre secteur. La limite est de 50 entrées en temps réel (20 caractères chacune), donc soyez chirurgical.
- Cliniques dentaires : noms des dentistes/hygiénistes, services techniques (« endodontie », « scellement Cerec », « surfaçage radiculaire »), assureurs régionaux (« Croix Bleue Québec », « Industrielle Alliance »). On en a parlé en détail dans notre analyse sur les 1 400 hygiénistes manquants au Québec.
- Restaurants et hôtellerie : nom du resto, plats signature au nom unique, allergies courantes (« gluten », « lactose », « anaphylaxie aux noix »), événements (« 5 à 7 », « brunch dimanche », « salle privée »).
- Cabinets de notaires/avocats : noms des associés, types de mandats (« mandat de protection », « patrimoine familial », « société par actions »), juridictions locales.
- Cliniques vétérinaires : noms des vétérinaires, races sensibles (« bouledogue français », « berger australien »), médicaments fréquents (« Apoquel », « Bravecto », « Galliprant »).
- Salons d'esthétique et coiffure : traitements ($brand-specific$ comme « Olaplex », « HydraFacial », « microneedling »), forfaits internes, noms des esthéticiennes.
Une règle simple : mettez d'abord les noms propres (humains, marques), ensuite les termes techniques rares, et seulement après les mots fréquents qui ont un homophone gênant. Garder les entrées sous 20 caractères force la concision, c'est intentionnel — un mot composé trop long (« cataplasme-décongestionnant ») se découpe mieux en deux entrées séparées.
Pourquoi ça change l'économie d'un agent vocal au Québec
Restons concrets. Quand on regarde les données récentes sur les PME utilisant un agent IA vocal, le pattern est clair : 80 % des appels qui finissent en boîte vocale sont perdus, sans rappel. Et la cause numéro un d'abandon en cours d'appel quand un agent IA prend la ligne, ce n'est pas que les clients refusent de parler à une IA. C'est qu'ils raccrochent quand l'agent leur demande pour la troisième fois d'épeler leur nom ou de répéter le service demandé.
Chaque épellation forcée est une fuite. Une étude interne qu'on a réalisée chez TECHMA en avril 2026 sur 23 PME du Québec a montré que les appels où l'agent demande d'épeler ≥ 2 fois ont un taux d'abandon de 41 %, contre 6 % pour les appels où aucune épellation n'est nécessaire. Sept fois plus d'abandons.
Maintenant faisons le calcul. Une PME québécoise typique reçoit 80 appels par jour. Disons que 25 % contiennent un nom propre difficile (un nom de famille, un nom commercial composé, un produit). Sans keyterms, l'agent va trébucher sur 60 à 70 % de ces entrées. Avec keyterms bien configurés, ce taux tombe sous 10 % d'après nos tests sur des comptes existants. Ça représente une douzaine d'appels supplémentaires aboutis par jour. Multipliez par votre panier moyen.
Ce que ça ne règle pas (parce qu'on n'est pas naïfs)
Keyterms n'est pas magique. Trois angles morts à garder en tête.
D'abord, le paramètre biaise vers la reconnaissance, mais ne corrige pas les défaillances structurelles. Si votre micro téléphonique est mauvais ou si le client appelle d'une voiture sur l'A-40 vitres ouvertes, aucun keyterm ne sauvera la transcription. Le vrai problème est ailleurs.
Ensuite, la limite de 50 entrées de 20 caractères en temps réel est contraignante. Une firme de 12 notaires avec 18 communes et 17 termes juridiques sature déjà la liste. Pour les organisations plus grandes, il faudra arbitrer ou switcher en mode batch (1 000 entrées, mais incompatible avec un agent live).
Enfin — et c'est le piège qu'on voit le plus souvent — beaucoup de PME copient leur liste keyterms à partir d'un export de leur CRM. C'est une erreur. Le CRM contient les vrais noms écrits ; mais à l'oral, les clients prononcent. « 9417654 Québec inc. » est dans votre CRM, mais personne ne l'appelle comme ça. Mettez le nom usuel oral, pas le nom légal.
L'angle ElevenLabs qu'on ne discute pas assez
Pendant qu'on parle du SDK v2.47.0, glissons un autre élément que personne ne mentionne : la même mise à jour a ajouté l'IP allowlisting sur les clés API de comptes de service. Pour une PME québécoise soumise à la Loi 25 et au secret professionnel, c'est un changement net : on peut maintenant restreindre l'utilisation d'une clé à une seule IP (le serveur Make.com de TECHMA, par exemple), ce qui ferme un vecteur d'attaque réel. À combiner avec le versioning d'ElevenLabs — sujet qu'on a traité dans notre billet sur le zéro downtime — vous avez maintenant un agent qui ne casse pas un vendredi à 19 h et qui résiste à un vol de clé.
Si keyterms protège la qualité, IP allowlisting protège la sécurité. Ce sont deux jambes de la même conformité.
Le vrai positionnement de claude-opus-4-7
Soyons clairs avant de conclure : claude-opus-4-7 n'est pas inutile. C'est même un excellent cerveau pour les agents qui font du raisonnement multi-étapes — gestion d'un mandat juridique complexe, triage d'un appel médical avec arbre de décision profond, négociation tarifaire B2B. Pour ces cas, oui, payez le supplément.
Mais pour 80 % des PME du Québec — celles qui utilisent un agent IA vocal pour prendre des rendez-vous, qualifier des prospects, transférer au bon humain — gpt-5.4 ou même claude-sonnet font le travail. La différence se fera ailleurs : dans la qualité de la transcription, dans la cohérence du prompt, dans la propreté de l'intégration CRM. Pas dans le LLM.
C'est la raison pour laquelle, quand on configure un nouvel agent chez AgentiaVocal — et oui, on s'occupe de tout l'intégration nous-mêmes, du keyterms à l'intégration Make.com — la liste keyterms est la première chose qu'on construit avec le client. Avant même de choisir la voix, avant même de figer le prompt. Parce qu'un agent qui n'entend pas correctement est un agent qui ne sert à rien, peu importe combien on a payé pour son cerveau.
Si vous deviez faire une seule chose cette semaine
Ouvrez la transcription des 50 derniers appels de votre agent. Marquez chaque fois où l'agent a demandé au client de répéter ou d'épeler. Notez le mot qui a posé problème. Dans 80 % des cas, ce sera : un nom de famille, un nom de votre entreprise, un produit ou service que vous offrez, ou une commune du territoire que vous servez.
Ça, c'est votre liste keyterms initiale. Pas plus de 50 entrées, chacune sous 20 caractères. Chargez-la dans la config Scribe de votre agent ElevenLabs. Mesurez à nouveau 72 heures plus tard.
Vous aurez fait, en une heure de travail, plus pour la performance de votre agent IA vocal que tous les changements de LLM des 12 derniers mois cumulés. Et pendant que vos concurrents continueront à débattre de claude-opus-4-7 sur LinkedIn, votre agent, lui, va simplement comprendre les gens qui vous appellent.
C'est ça, en mai 2026, le vrai écart compétitif au Québec.