Eleven Realtime d'ElevenLabs : un agent vocal en un seul réglage, et les conditions à lire avant de l'adopter

Pour faire parler un agent vocal, il faut d'ordinaire choisir plusieurs composants : la reconnaissance de la parole, la détection des tours de parole, le modèle de langage qui formule la réponse et la synthèse vocale. ElevenLabs présente Eleven Realtime comme une nouvelle catégorie de modèles « parole à parole » qui retire ces choix : selon son journal des modifications, on sélectionne un seul modèle et l'éditeur gère derrière lui les réglages du modèle de langage, de la transcription et de la synthèse vocale.

Deux modèles sont proposés. Eleven Realtime v1 Mini, le modèle par défaut, est décrit comme le moins cher et destiné aux conversations naturelles. Eleven Realtime v1 Max « raisonne avant de répondre » et vise, selon l'annonce, le support client, la qualification de prospects et les processus en plusieurs étapes. L'annonce indique que les deux modèles prennent en charge plus de 90 langues et peuvent utiliser plus de 17 000 voix de la bibliothèque d'ElevenLabs.

Une précision de date : l'article de blog est daté du 20 octobre 2026, alors que l'entrée correspondante du journal des modifications de la documentation est datée du 19 octobre.

Selon l'annonce, Artificial Analysis a évalué les deux modèles de façon indépendante sur trois tests publics. Sur Big Bench Audio, qui pose 1 000 questions de raisonnement à l'oral, Max répond correctement à 98,8 % des questions et Mini à 75,9 %. ElevenLabs annonce aussi un délai moyen avant la première parole de 0,57 seconde pour Max et 0,62 seconde pour Mini. À noter : le journal des modifications et la documentation présentent Mini comme le modèle le plus rapide, alors que ces mesures donnent Max légèrement plus rapide à prendre la parole.

Les résultats ne placent pas toujours le même modèle en tête. Sur Full-Duplex-Bench, qui teste les pauses, les tours de parole et les interruptions, Mini obtient 95,8 % et Max 94,1 %. Sur les tâches qui font appel à des outils, Max en réussit 87,1 % et Mini 60,3 %, ce qui conduit ElevenLabs à recommander Max pour les usages qui sollicitent beaucoup d'outils. Dans un accueil téléphonique, ces outils peuvent être un agenda ou un logiciel métier.

Ces chiffres sont publiés par l'éditeur, et l'annonce ne précise pas dans quelle langue les tests ont été passés. Pour un accueil téléphonique en France, le seul test qui compte reste le vôtre : de vrais appels en français, avec des appelants pressés, des accents et du bruit de fond.

Eleven Realtime n'est pas encore ouvert à tous. Le journal des modifications et la documentation indiquent un déploiement progressif selon les espaces de travail : tant que le réglage n'apparaît pas dans l'interface d'un agent, le modèle n'est pas disponible pour ce compte.

La documentation fixe aussi des conditions de conformité qui distinguent nettement les deux modèles. Les deux sont disponibles dans l'environnement où les données sont hébergées dans l'Union européenne. En revanche, Mini n'est pas disponible en mode « Zero Retention », l'option dans laquelle l'éditeur ne conserve pas les données des conversations : seul Max l'est, aux États-Unis et dans l'Union européenne. Une entreprise qui exige cette absence de conservation, par exemple pour des appels de patients ou de clients sensibles, devra donc, si elle veut le mode Realtime, choisir Max, que la documentation dit plus cher par jeton que Mini, ou rester en mode classique, où elle choisit elle-même chaque composant.

La documentation liste plusieurs restrictions. Un agent qui s'appuie sur son propre modèle de langage, ou sur Amazon Bedrock, ne peut pas passer en mode Realtime. Un agent en mode Realtime ne peut transmettre la conversation qu'à d'autres agents eux aussi en mode Realtime, Mini ou Max, et ne peut en recevoir que de ceux-ci. Cette règle concerne le passage d'un agent IA à un autre ; la page consacrée aux modèles Realtime ne traite pas du transfert d'un appel vers une personne, qu'il faut donc vérifier à part.

Côté continuité de service, la documentation prévoit que si le modèle ne répond pas à temps ou renvoie une erreur, l'agent bascule sur des modèles de langage de secours. Pour les développeurs, ElevenLabs propose aussi une interface compatible avec celle d'OpenAI pour la voix en temps réel ; l'annonce précise qu'elle fonctionne séparément de la plateforme d'agents, et que les canaux comme le téléphone, la base de connaissances ou le suivi relèvent de cette plateforme.

La documentation décrit une facturation en deux parties : le tarif à la minute habituel de la plateforme d'agents d'ElevenLabs, auquel s'ajoutent les jetons, c'est-à-dire les unités de texte traitées par le modèle, en entrée, en entrée mise en cache et en sortie, aux tarifs propres au modèle Realtime choisi. Max coûte plus cher par jeton que Mini. La page renvoie à la grille tarifaire de l'éditeur pour les montants.

Pour une PME, le coût réel dépend donc de la durée des appels, de la quantité de texte échangée et du modèle retenu, et non d'un seul prix à la minute. Avant de comparer avec une autre solution, le plus simple est de demander une estimation sur votre volume d'appels réel.

Chez Alyas, l'agent vocal annonce en début d'appel qu'il s'agit d'une IA, répond à partir des informations que vous lui fournissez, peut proposer de transférer l'appel vers le numéro que vous avez configuré et prend des rendez-vous dans Google Calendar ou Cal.com une fois connectés, avec un hébergement des données dans l'Union européenne.