Synthèse vocale pour le service client : SVI et téléphone

En service client, la synthèse vocale sert surtout pour la voix que les appelants entendent avant de joindre une personne : menus téléphoniques (SVI), messages d’accueil, messages d’attente, annonces hors horaires d’ouverture et annonces de panne. Elle vous donne une voix cohérente sur tous les messages, dans chaque langue que vous prenez en charge, et vous permet de modifier un seul message en quelques minutes au lieu de réserver un nouvel enregistrement. La qualité du résultat dépend beaucoup plus de la façon dont les messages sont écrits que de la voix que vous choisissez.

Ce guide explique comment écrire des messages que les appelants peuvent suivre, quels formats audio attendent les systèmes téléphoniques, comment traiter les nombres et les noms, comment construire des menus multilingues, quelles sont les règles de transparence et ce que cela coûte.

Où la synthèse vocale trouve-t-elle sa place dans le service client ?

La plupart des équipes commencent par les cinq premiers, qui ne sont qu’un ensemble de fichiers audio téléversés sur le système téléphonique. Les messages personnalisés exigent une intégration, présentée plus bas.

Comment écrire des messages de SVI que les appelants peuvent vraiment suivre ?

L’appelant ne peut pas revenir en arrière. Tout doit fonctionner dès la première écoute, souvent sur le haut-parleur d’un téléphone, dans une pièce bruyante.

Règles pour les menus téléphoniques

• Annoncez l’option avant la touche. « Pour la facturation, tapez 1 » permet à l’appelant de reconnaître d’abord son besoin, puis d’entendre le numéro. « Tapez 1 pour la facturation » l’oblige à garder un chiffre en mémoire en attendant de savoir à quoi il correspond.
• Limitez-vous à quatre ou cinq options. Au-delà, les appelants oublient les premières. Ajoutez un second niveau si vous ne pouvez pas faire autrement.
• Mettez le motif d’appel le plus courant en premier. Regardez pourquoi les gens appellent réellement.
• Ne faites pas patienter les gens devant de la publicité. Une promotion placée avant le menu allonge chacun des appels.
• Proposez toujours de répéter et de sortir. « Pour réécouter ces options, tapez étoile. Pour parler à quelqu’un, tapez 0. »
• Laissez une pause après le menu. Accordez à l’appelant quelques secondes pour se décider avant que le délai du système ne soit écoulé.

Avant et après

Avant :

« Merci de votre appel. Veuillez écouter attentivement, car les options de notre menu ont récemment changé. Tapez 1 si vous souhaitez vous renseigner sur une commande en cours, l’état d’une livraison ou un retour. Tapez 2 pour… »

Après :

« Merci d’appeler Northwind. Pour une commande, une livraison ou un retour, tapez 1. Pour la facturation, tapez 2. Pour une aide technique, tapez 3. Pour parler à quelqu’un, tapez 0. »

La seconde version est deux fois plus courte, et chaque option tient en une seule respiration.

Comment faire lire correctement les nombres, les dates et les noms ?

Les messages téléphoniques regorgent d’éléments qu’une voix peut lire de plusieurs façons. Pour les messages générés à l’avance, écrivez-les exactement comme ils doivent être prononcés.

Les noms de marque, de produit et de lieu doivent être ajoutés une seule fois à la liste de prononciation, pour que chaque message les dise de la même façon. C’est plus important au téléphone qu’ailleurs, car un nom d’entreprise mal prononcé dans le message d’accueil est la première chose que chaque appelant entend.

De quel format audio les systèmes téléphoniques ont-ils besoin ?

L’audio téléphonique est en bande étroite : les lignes téléphoniques traditionnelles transmettent à peu près de 300 à 3 400 Hz et échantillonnent à 8 kHz. La plupart des systèmes téléphoniques acceptent un ou plusieurs de ces formats :

• WAV, 8 kHz, 16 bits, mono (PCM)
• WAV, 8 kHz, mono, loi μ (courante en Amérique du Nord et au Japon) ou loi A (courante en Europe et dans la plupart des autres régions)
• MP3, que certaines plateformes téléphoniques dans le cloud acceptent et convertissent elles-mêmes

Leelo exporte en MP3 et en WAV (options d’export). Exportez en WAV, puis utilisez l’outil d’import de votre plateforme téléphonique ou un convertisseur audio si elle exige du 8 kHz en loi μ ou en loi A. Deux conseils pratiques :

• Choisissez une voix qui résiste à la bande étroite. Les voix aux médiums nets passent bien au téléphone. Les voix très soufflées ou très graves perdent en détail. Testez les voix retenues en les écoutant lors d’un véritable appel téléphonique.
• Gardez une musique discrète. La musique d’attente fait concurrence à la parole dès que les deux sont comprimées dans la bande passante téléphonique. Si vous composez des messages d’attente avec un fond musical, gardez la musique bien en dessous de la voix (ajouter des sons et de la musique).

Comment configurer un menu téléphonique en plusieurs langues ?

1. Proposez le choix de la langue dans chaque langue. « For English, press 1. Para español, oprima dos. Pour le français, appuyez sur trois. » Chaque phrase doit être dite par une voix native de la langue concernée.
2. Traduisez les messages, ne les calquez pas. Les usages téléphoniques diffèrent : les SVI espagnols disent souvent « oprima » ou « marque » plutôt qu’une traduction littérale de « press ».
3. Attribuez une voix par langue et gardez-la. Leelo propose des voix dans plus de 80 langues : testez par exemple plusieurs voix espagnoles et retenez celle que vos appelants trouveront la plus naturelle.
4. Gardez une structure de menu identique dans toutes les langues, pour que la touche 2 corresponde à la facturation dans chaque langue et que le support puisse dépanner facilement.

Faut-il dire aux appelants que la voix est une IA ?

Informer les appelants est une bonne pratique, et dans certains cas une obligation légale.

• Appels sortants : aux États-Unis, la Federal Communications Commission a jugé en 2024 que les voix générées par IA comptent comme des voix « artificielles » au regard des règles sur les appels automatisés, qui exigent en général le consentement préalable du destinataire.
• Systèmes d’IA qui dialoguent avec des personnes : le règlement européen sur l’IA (AI Act) exige que les personnes soient informées lorsqu’elles interagissent avec un système d’IA, sauf si c’est évident.
• Menus d’appels entrants : les menus préenregistrés sont un format familier, mais si une voix de synthèse peut être prise pour un conseiller en direct, précisez-le dès le début.

Les règles varient selon les pays et évoluent vite : vérifiez auprès de votre service juridique. Il s’agit d’informations générales, pas de conseils juridiques.

Voix de la bibliothèque ou voix propre à votre marque ?

• Voix de la bibliothèque : la plus rapide. Choisissez-en une dans la bibliothèque et utilisez-la partout.
• Voix créée : générez une voix à partir d’une description (« aimable, calme, au milieu de la trentaine, claire, posée ») pour qu’aucune autre entreprise ne vous ressemble.
• Voix clonée : si votre entreprise a déjà une voix familière, par exemple un collaborateur qui a enregistré les anciens messages d’accueil, le clonage de voix peut la recréer à partir d’un court enregistrement, avec le consentement écrit de la personne. Convenez à l’avance de ce qui se passe si elle quitte l’entreprise.

Comment garder les messages à jour ?

La principale raison pour laquelle les équipes passent à la synthèse vocale, ce sont les mises à jour. Une fermeture pour congés obligeait à réserver du temps de studio ; il suffit désormais de modifier une ligne.

Exemple détaillé : une fermeture pour congés

1. Ajoutez une nouvelle ligne sous la ligne « horaires d’ouverture », avec le même locuteur.
2. Modifiez le texte : « Nous serons fermés le lundi vingt-cinq. Nous rouvrirons le mardi à neuf heures. »
3. Régénérez uniquement cette ligne, avec la même voix et les mêmes réglages, pour qu’elle s’accorde avec le reste du menu.
4. Exportez-la et téléversez-la sur le système téléphonique, avec une programmation pour les dates de fermeture.

Automatiser avec l’API

Si les messages dépendent d’informations en temps réel, comme un avis de panne ou une file d’attente plus longue que d’habitude, utilisez l’API pour générer l’audio à partir du texte dans vos propres systèmes, et les webhooks pour savoir quand un fichier est prêt. Pour la parole générée pendant un appel en direct, testez le délai de bout en bout avec votre plateforme téléphonique avant de vous engager.

Combien coûte l’habillage vocal d’un système téléphonique ?

Leelo fonctionne avec des crédits : 1 crédit correspond à 1 mot avec une voix standard, 1,5 avec les voix premium et 5 avec vos propres voix, créées ou clonées. Les tâches qui échouent rendent leurs crédits. Un exemple chiffré :

• Un SVI type : 40 messages de 15 mots en moyenne font environ 600 mots, donc 600 crédits avec une voix standard. Cela tient dans les 1 000 crédits offerts une seule fois par la formule gratuite, de quoi construire et tester un menu complet.
• Le même menu en quatre langues : environ 2 400 crédits.
• Avec une voix de marque créée : environ 3 000 crédits pour une langue.
• L’accès à l’API commence avec la formule Pro (99 $ par mois, 600 000 crédits, 3 utilisateurs).

L’usage commercial de l’audio, ce qui inclut de le faire entendre à vos clients, est autorisé avec les formules payantes. Consultez les tarifs pour toutes les formules et la page du cas d’usage menus téléphoniques pour d’autres exemples.

Questions fréquentes

Puis-je utiliser la synthèse vocale pour le menu téléphonique de mon entreprise ?

Oui. Rédigez les messages, générez-les avec une même voix, exportez en WAV et téléversez-les sur votre système téléphonique. La plupart des systèmes téléphoniques, dans le cloud ou sur site, acceptent les fichiers WAV, parfois après conversion à 8 kHz.

Quelle est la meilleure voix pour un SVI ?

Une voix claire, aux médiums nets, à un rythme un peu plus lent qu’une conversation normale, car l’audio téléphonique supprime du détail. Testez deux ou trois voix lors d’un vrai appel, et non au casque de studio, puis retenez celle qui est la plus facile à comprendre.

Quelle doit être la durée d’un message d’accueil téléphonique ?

Aussi courte que possible : le nom de l’entreprise, éventuellement un message d’une ligne, puis le menu. Chaque seconde de trop est payée par chaque appelant, à chaque appel. Si vous devez annoncer quelque chose, placez-le après le menu ou dans le message d’attente.

Dois-je réenregistrer tout le menu quand une option change ?

Non. Avec un studio qui fonctionne ligne par ligne, vous modifiez et régénérez seulement le message concerné, avec la même voix et les mêmes réglages, pour qu’il s’accorde avec le reste. Il ne reste plus qu’à remplacer ce fichier sur votre système téléphonique.

Les appelants reconnaissent-ils une voix IA ?

Certains la reconnaîtront, surtout sur les messages longs. Ce n’est pas un problème si les messages sont clairs et la voix agréable : les appelants veulent surtout arriver rapidement au bon endroit. Lorsque la loi ou vos propres règles l’exigent, indiquez aux appelants que la voix est automatisée.