Un dirigeant de PME québécoise nous racontait récemment une conversation avec son fournisseur d'agent vocal IA. Le fournisseur parlait de barge-in, de fonctions, de déploiement on-device, et de déflexion. Le dirigeant hochait la tête, notait trois mots au hasard, et signait quand même. Trois mois plus tard, l'agent coupait les clients en plein milieu des phrases et refusait obstinément de switcher vers le français. Le problème ? Le contrat garantissait des choses que personne n'avait vraiment comprises.
Le vocabulaire de l'agent IA vocal en 2026 est devenu un champ miné de jargon anglophone, d'acronymes télécom hérités des années 1970 et de termes marketing inventés le mois dernier. Pour une PME du Québec qui doit composer avec la Loi 25, deux langues officielles et des attentes clients en hausse, signer un contrat sans maîtriser ce langage, c'est acheter les yeux bandés.
Ce lexique couvre 20 termes regroupés en quatre familles : architecture du produit, plomberie téléphonique, intelligence conversationnelle, et opérations-conformité. À la fin, vous serez capable de tenir tête à n'importe quel commercial, de lire une fiche technique sans décrocher, et surtout, de poser les bonnes questions avant de signer. Nous avons calibré les définitions pour le contexte québécois — parce que la majorité des glossaires en ligne omettent tout ce qui touche à la Loi 25, au code-switching français-anglais, ou à la latence sur les réseaux SIP canadiens.
Architecture du produit : les 5 briques de base
1. Agent IA Vocal
Système logiciel qui répond au téléphone, tient une conversation et exécute des actions (prendre un rendez-vous, transférer, envoyer un SMS), le tout en quelques centaines de millisecondes. La distinction importante : un agent IA vocal n'est pas un arbre vocal (IVR) scripté. Il interprète le langage naturel, change de sujet, gère l'ambiguïté. En 2026, les agents sérieux reposent sur un modèle de langage multimodal (voir terme #2) relié à un moteur de parole (#3).
2. Modèle de Langage (LLM)
Le « cerveau » textuel de l'agent. Avril 2026 a marqué un tournant : OpenAI a rendu généralement disponible gpt-realtime, un modèle de parole-à-parole qui traite l'audio directement sans passer par un transcription intermédiaire. Conséquence concrète : moins de latence, meilleure prise en compte des intonations, capacité à répéter un numéro de confirmation lettre par lettre. Demandez toujours à votre fournisseur quel LLM sous-tend l'agent, et s'il peut basculer entre modèles selon l'étape de la conversation.
3. TTS et STT
TTS (Text-to-Speech) convertit le texte en voix synthétique. STT (Speech-to-Text) transcrit la parole du client. Jusqu'en 2024, les deux étaient des étapes séparées ajoutant 300-500 ms de latence chacune. Les modèles de parole-à-parole modernes fusionnent les deux, ce qui réduit drastiquement les délais. Pour le Québec, validez que le TTS prononce correctement les toponymes (Longueuil, Rimouski, Trois-Rivières) et que le STT distingue un accent saguenéen d'un accent parisien sans broncher.
4. Latence Bout-en-Bout
Temps entre la fin de la phrase du client et le début de la réponse de l'agent. Au-dessus de 1 200 ms, les clients coupent et raccrochent. Sous 500 ms, la conversation devient naturelle. La cible actuelle pour un déploiement sérieux se situe autour de 800 ms ou moins, que nous avons analysée en détail dans cet article sur la latence et pourquoi 800 ms décident de la rétention client. Exigez un chiffre mesuré sur votre réseau, pas dans le datacenter du fournisseur.
5. Barge-in (Interruption)
Capacité pour le client de couper la parole à l'agent. Sans barge-in, l'agent finit son paragraphe pendant que le client crie « attendez, non, je voulais dire samedi ! ». Avec un barge-in bien calibré, l'agent s'arrête en 150-200 ms, réécoute, et reprend. Un agent sans barge-in fonctionnel sonne robotique et agace. Un agent avec un barge-in trop sensible se fait couper par un soupir. Le réglage, c'est une science.
Plomberie téléphonique : les 5 termes que les télécoms n'expliquent pas
6. SIP (Session Initiation Protocol)
Protocole standard de la téléphonie IP. Votre ligne d'entreprise actuelle utilise presque certainement du SIP sous le capot, même si vous voyez un numéro de téléphone classique au bout. Les agents IA vocaux se connectent à votre ligne via un trunk SIP. L'équipe TECHMA gère le raccordement entre votre fournisseur télécom (Bell, Videotron, TELUS, etc.) et la plateforme de l'agent. Si un fournisseur vous dit « configure ton SIP toi-même », fuyez.
7. DTMF (Dual-Tone Multi-Frequency)
Ce sont les tonalités « biiiip-boup » que vous entendez quand quelqu'un appuie sur un clavier téléphonique. En 2026, les agents IA vocaux sérieux envoient et reçoivent des tonalités DTMF pour naviguer dans les menus des IVR existants (banques, fournisseurs d'électricité, centres d'appels). Utile quand votre agent doit appeler un numéro externe et choisir « appuyez sur 2 pour la facturation ».
8. IVR (Interactive Voice Response)
L'arbre téléphonique classique : « appuyez sur 1 pour le service, sur 2 pour la facturation ». Les IVR sont en voie de disparition, mais cohabitent souvent avec les agents IA vocaux modernes dans une architecture hybride. Une PME qui passe d'un IVR à 12 branches vers un agent conversationnel gagne typiquement 30 à 50 % de taux d'abandon en moins. Ça reste un bon point de référence pour mesurer votre retour sur investissement.
9. Transfert Chaud vs Froid
Transfert froid : l'agent met le client en attente et le bascule vers un humain sans contexte. L'humain dit « bonjour, comment puis-je vous aider ? » et le client répète tout. Transfert chaud : l'agent rédige un résumé de 3 lignes (intention, numéro de dossier, émotion détectée), le pousse dans la fenêtre de votre CRM, et passe le client. L'humain ouvre le dossier en sachant déjà tout. La différence en satisfaction client : énorme.
10. Twilio, Vonage, Telnyx
Fournisseurs d'infrastructure de communication (CPaaS). Ce sont eux qui fournissent les numéros, les minutes et la connectivité SIP sous le capot. Votre agent IA vocal tourne chez un fournisseur (ElevenLabs, OpenAI, VAPI, etc.) mais passe par Twilio ou équivalent pour les appels réels. Ça n'apparaît pas sur votre facture principale, mais un coût caché qui ronge 20-30 % du budget si mal négocié.
Intelligence conversationnelle : comment l'agent réfléchit vraiment
11. Fonction (Function Calling)
Capacité de l'agent à appeler du code externe au milieu d'une conversation. Exemple : le client demande « est-ce que vous avez de la disponibilité mercredi à 14h ? », l'agent appelle la fonction check_calendar(date, heure), reçoit la réponse du système de rendez-vous, et répond au client. Sans fonctions, un agent ne fait que parler. Avec des fonctions, il agit.
12. Base de Connaissances
Documents internes (PDF de tarifs, procédures, FAQ) que l'agent consulte avant de répondre. Techniquement, c'est un index vectoriel interrogé à chaque question. Si votre fournisseur vous demande de mettre vos prix dans un Google Sheet partagé plutôt que dans une base de connaissances dédiée, c'est un drapeau rouge : la mise à jour sera douloureuse et la sécurité Loi 25 compromise.
13. Code-switching bilingue
Capacité pour l'agent de changer de langue au milieu d'une phrase quand le client le fait. Un Québécois typique peut dire « oui mais le cost c'est quoi ? » et s'attendre à ce que l'agent comprenne sans buguer. Les agents mal configurés se verrouillent dans la première langue détectée et répondent en anglais le reste de l'appel. Pour la profondeur technique, voyez notre analyse dédiée au code-switching français-anglais au Québec.
14. Hallucination
Moment où l'agent invente une information plausible mais fausse : un prix qui n'existe pas, un rabais fantôme, un horaire d'ouverture erroné. En contexte médical ou juridique, une hallucination peut coûter très cher. Les garde-fous (#15) et une base de connaissances bien tenue réduisent le risque à moins de 1 %, mais l'élimination totale reste un objectif en mouvement.
15. Garde-fou (Guardrail)
Règle explicite qui empêche l'agent de dérailler. Exemples : « ne donne jamais de diagnostic médical », « ne confirme jamais un prix sans vérifier la base de connaissances », « ne promets jamais de remboursement ». Un bon agent en a entre 15 et 30. Un mauvais agent en a trois et compte sur le « bon sens » du modèle — ce qui fonctionne 98 % du temps, sauf quand ça compte.
Opérations et conformité : ce qui sépare un prototype d'une production
16. Taux de Déflexion
Pourcentage d'appels entièrement traités par l'agent sans jamais être transférés à un humain. C'est la métrique reine. Un taux de 70 % signifie que pour 100 appels, 70 sont résolus sans intervention humaine. Attention aux fournisseurs qui comptent un appel « transféré sans traitement » comme une déflexion : c'est de la fraude comptable. Nous détaillons le protocole de mesure honnête dans notre guide pour mesurer le vrai ROI en 14 jours.
17. First Call Resolution (FCR)
Pourcentage de problèmes résolus au premier appel, sans rappel ni suivi. Différent du taux de déflexion. Un client peut être « déflecté » (traité sans humain) mais rappeler le lendemain parce que le problème n'est pas vraiment résolu. Un bon FCR agent IA vocal tourne autour de 75-85 %.
18. Enregistrement & Rétention
Pratiquement tous les agents enregistrent les conversations pour analyse et entraînement. La question n'est pas « est-ce qu'il enregistre ? » mais « combien de temps, où, qui peut y accéder, et est-ce que le client a été avisé ? ». Au Québec, la rétention par défaut doit être la plus courte possible — 30 à 90 jours maximum pour la plupart des cas d'usage.
19. Consentement Loi 25
Loi québécoise sur la protection des renseignements personnels, pleinement en vigueur depuis 2023-2024. Un agent vocal IA qui collecte un numéro de téléphone, un nom, ou un motif d'appel traite des renseignements personnels. L'entreprise doit obtenir un consentement valide (clair, libre, éclairé) et nommer un responsable de la protection des renseignements personnels. On couvre l'intégralité dans notre guide Loi 25 pour PME du Québec.
20. Déploiement On-Premise / On-Device
Le mot de l'année 2026. ElevenLabs a annoncé le 9 avril 2026 la possibilité de déployer leur moteur sur site ou directement sur un appareil, sans envoyer l'audio dans un cloud tiers. Pour les cabinets médicaux, notaires, cliniques psychologiques, ou toute entreprise qui traite des données hautement sensibles, c'est une bascule : la conformité Loi 25 devient triviale quand aucune donnée ne sort du bâtiment. Le coût unitaire par appel reste supérieur au cloud (+20-40 % typiquement), mais le calcul risque-coût change du tout au tout.
Trois pièges de vocabulaire que nous voyons toutes les semaines
« Intelligence artificielle » ≠ « Agent IA vocal ». Beaucoup de fournisseurs vendent une « solution IA » qui s'avère être un simple chatbot scripté avec une voix synthétique par-dessus. Demandez le modèle sous-jacent et la capacité de tenir une conversation à cinq tours avec changement de sujet.
« 99 % de précision » est un chiffre vide. Précision sur quoi ? STT ? Classification d'intention ? Réponse correcte ? Sans spécifier la métrique, c'est du marketing. Un agent à 99 % de précision STT avec 60 % de précision sur les intentions métier est… médiocre.
« Déploiement en 24h ». Possible pour une démo. Impossible pour un déploiement production avec intégration CRM, tests bilingues, garde-fous personnalisés, et calibration de la latence sur votre réseau télécom réel. Un déploiement sérieux prend 2 à 6 semaines, géré par une équipe qui connaît vos systèmes — c'est le travail que TECHMA effectue pour chaque client.
Questions fréquentes
Dois-je maîtriser ces 20 termes pour déployer un agent IA vocal ?
Non. Votre équipe TECHMA gère l'implémentation, les intégrations, la conformité et le suivi. Le lexique sert surtout à comprendre ce qui se passe dans les discussions de cadrage, à valider les rapports mensuels, et à poser des questions pertinentes lors des revues trimestrielles.
Quel terme me coûtera le plus cher si je l'ignore ?
« Latence bout-en-bout » si vous comparez des fournisseurs, « Consentement Loi 25 » si vous êtes dans un secteur réglementé, et « Taux de déflexion » pour mesurer le retour sur investissement honnêtement. Les trois forment un triangle que tout dirigeant devrait surveiller.
Est-ce que le vocabulaire change vite ?
Oui. Entre 2024 et 2026, des termes comme « speech-to-speech », « on-device » et « multi-agent » sont passés de jargon académique à standards industriels. Attendez-vous à une nouvelle couche sémantique d'ici 2027. La bonne nouvelle : la structure de base (LLM, latence, déflexion, conformité) reste stable.
Que faire si un fournisseur utilise un terme que je ne trouve pas ici ?
Demandez-lui de définir le terme en une phrase, puis en deux paragraphes, puis avec un exemple concret tiré d'un déploiement existant. Si les trois niveaux de définition ne sont pas cohérents, le fournisseur improvise. C'est un signal utile.
La prochaine étape
Ce lexique n'est pas une fin en soi. C'est une lentille qui rend les contrats, les fiches techniques et les discussions fournisseur beaucoup plus lisibles. Si vous voulez passer de « je comprends le vocabulaire » à « j'ai un agent déployé qui fonctionne », la prochaine lecture logique est notre post-mortem sur pourquoi 70 % des PME débranchent leur agent en 90 jours — et comment éviter ce piège. Pour les chiffres bruts sur ce que le marché québécois vit en 2026, l'annonce officielle d'OpenAI sur gpt-realtime et le changelog ElevenLabs sont les sources de vérité à suivre chaque mois.