Avec Grok Voice 3.0, xAI veut faire du téléphone un terrain de jeu pour ses agents

Grok Voice 3.0 arrive en tête du classement vocal d'Artificial Analysis. xAI annonce des conversations plus fiables, rapides et économiques pour les entreprises.

Répondre à un client, comprendre un accent, gérer une interruption et résoudre un problème sans transférer l'appel à un conseiller. C'est sur ces capacités que Grok Voice 3.0 entend se distinguer. Le nouveau modèle vocal de xAI prend la première place du Speech-to-Speech Index d'Artificial Analysis, devant les solutions comparées d'OpenAI et de Google. Déjà utilisé à grande échelle chez Tesla et Starlink, il cible notamment les entreprises qui souhaitent automatiser leurs conversations téléphoniques. Un score de 86,9 face à OpenAI et Google

Grok Voice 3.0 obtient 86,9 points sur le Speech-to-Speech Index d'Artificial Analysis, contre 83,2 pour GPT-Live-1 d'OpenAI, dans sa configuration Astra Medium, et 82,6 pour Gemini 3.8 Live de Google avec raisonnement étendu.

Cette évaluation indépendante combine plusieurs critères : compréhension et raisonnement à partir de la parole, capacité à terminer des tâches, préférences humaines lors de conversations comparées à l'aveugle et performance des agents dans des échanges complexes.

Sur Big Bench Audio, consacré au raisonnement vocal, le modèle atteint 98,5 %. Il obtient également 97 % sur Full Duplex Bench, qui mesure notamment la gestion des pauses, des interruptions et des changements de tour de parole.

Les résultats montrent une progression par rapport à Grok Voice 2.0, précédemment crédité de 81,3 points sur l'indice global. Des conversations rapides, même avec des interruptions

La réactivité reste un critère important pour les agents téléphoniques. Une réponse trop lente perturbe le rythme de l'échange et donne rapidement l'impression de parler à un système automatisé.

Grok Voice 3.0 affiche un délai d'environ 0,81 seconde avant le début de sa réponse vocale, contre 1,34 seconde pour GPT-Live-1 dans la configuration comparée. Il demeure toutefois légèrement plus lent sur ce critère que Grok Voice 2.0, mesuré à 0,70 seconde.

Sur τ-Voice, un test reproduisant des conversations de support avec différents accents, du bruit et des interruptions, le modèle atteint 71,6 % de réussite. GPT-Live-1 conserve ici une avance avec 74,5 %, mais répond plus lentement.

La nouvelle génération progresse donc sur la qualité globale des échanges, sans dominer tous les indicateurs individuels. Starlink automatise 70 % de ses appels

Au-delà des évaluations, xAI met en avant l'utilisation de sa technologie dans les services du groupe.

Chez Starlink, les centres d'appels traiteraient environ 20 000 conversations par jour avec Grok Voice. Selon l'entreprise, près de 70 % des demandes sont résolues sans intervention humaine. L'agent peut vérifier l'identité d'un client, diagnostiquer un problème matériel, accorder un crédit commercial ou organiser l'envoi d'un équipement de remplacement.

xAI affirme également qu'un appel commercial sur quatre aboutit à un achat avant la fin de la conversation.

Dans les véhicules Tesla, Grok Voice 3.0 participerait à plusieurs millions d'échanges quotidiens. Les conducteurs peuvent consulter leur calendrier, préparer une réponse à un e-mail ou confier certaines actions à Grok Bot, notamment une commande de café ou une réservation de restaurant, sans utiliser leurs mains.

Ces volumes et taux de résolution sont communiqués par xAI. Ils ne correspondent pas à des audits indépendants des opérations de Tesla ou de Starlink. Une API à 8 centimes la minute

Grok Voice 3.0 est disponible via la Voice Agent API, au tarif de 0,08 dollar par minute, soit 4,80 dollars par heure de conversation, sans augmentation par rapport à la version précédente.

Les développeurs qui utilisent déjà l'identifiant `grok-voice-latest` basculent automatiquement vers la nouvelle génération, sans modifier leur intégration.

Sur Big Bench Audio, Artificial Analysis estime le coût moyen d'une tâche à 0,025 dollar avec Grok Voice 3.0, contre 0,030 dollar pour GPT-Live-1 et 0,055 dollar pour GPT-Realtime-2.1 dans les configurations testées. La voix devient une interface d'exécution

Avec Grok Voice 3.0, xAI positionne la conversation comme un moyen d'accomplir des actions, et pas seulement d'obtenir des réponses. L'intérêt pour les entreprises repose sur la combinaison de trois éléments : une compréhension fiable, une réactivité proche du dialogue humain et la capacité à terminer une demande sans intervention systématique d'un opérateur.

Cette automatisation pose néanmoins des questions sur le contrôle des actions autorisées, la confidentialité des échanges et la gestion des situations complexes ou sensibles. Les résultats obtenus sur des scénarios de test ne suffisent pas à garantir une qualité constante face à tous les clients.

Le déploiement chez Tesla et Starlink donne toutefois à xAI un terrain d'expérimentation important. La concurrence entre assistants vocaux se joue désormais autant sur leur capacité à mener une conversation naturelle que sur leur aptitude à résoudre concrètement les demandes qui leur sont confiées.