L’essentiel
- Grok Voice Think Fast 2.0 prend la première place de l’indice Artificial Analysis Speech-to-Speech.
- Starlink lui confie plus de 15 000 appels entrants de support client et de ventes par jour.
- L’agent diagnostique les pannes matérielles, expédie les pièces de remplacement et honore plus de 3 000 commandes par semaine, voix et chat confondus.
Un abonné Starlink appelle parce que son antenne a décroché du réseau. Le diagnostic, la commande de la pièce et son expédition se règlent sans qu’un conseiller humain intervienne. La même séquence se rejoue 15 000 fois par jour.
Un volume qui vaut trois cents conseillers à temps plein
xAI annonce que Starlink traite désormais plus de 15 000 appels entrants de support client et de ventes par jour avec Grok Voice. À raison de 40 à 60 appels par conseiller et par jour, une fourchette courante dans les centres de contact, ce trafic mobilise l’équivalent de 250 à 375 personnes en poste, week-ends compris.
Sur un an, cela fait près de 5,5 millions de conversations téléphoniques. On a quitté le pilote logé dans une équipe innovation pour l’échelle d’un plateau de support complet.
Les 3 000 commandes ne parlent pas du même trafic
La même annonce avance un second nombre : plus de 3 000 commandes honorées par semaine. Il ne recouvre pas le premier. xAI précise que ces commandes passent par des appels vocaux et des chats, donc sur un périmètre plus large que la seule téléphonie, alors que les 15 000 appels quotidiens portent uniquement sur la voix.
Mis côte à côte, les deux nombres se répondent mal : 15 000 appels par jour font environ 105 000 appels par semaine, pour 3 000 commandes. La vente pèse quelques pourcents du trafic traité. La masse, c’est le dépannage.
Au lancement de la version précédente, xAI avançait un taux de résolution de 70 % sur ce même support Starlink. À 15 000 appels par jour, ce taux a disparu de la communication. Un appel absorbé par l’agent, suivi d’un client qui rappelle le lendemain, gonfle le volume sans avoir rien réglé.
Starlink et xAI appartiennent par ailleurs au même écosystème industriel. Le client est captif, l’accès aux systèmes internes est direct, aucun appel d’offres n’a filtré le déploiement. La mise en production va d’autant plus vite, mais le chiffre perd de sa valeur de preuve commerciale.
Un catalogue de quatre produits et des API ouvertes en écriture
Le support Starlink réunit à peu près toutes les conditions favorables à un agent vocal. Le catalogue se limite à quelques références : antenne, routeur, câbles, abonnement. Les symptômes se rangent dans un arbre de décision court, déjà documenté pour les conseillers humains.
Surtout, les actions attendues existent déjà sous forme d’API (interfaces de programmation par lesquelles un logiciel en pilote un autre) : créer une expédition, enregistrer une commande, remplacer un matériel sous garantie. Diagnostiquer, expédier, facturer : ces trois verbes supposent un droit d’écriture dans des systèmes de production. Ce droit d’écriture, bien plus que la qualité de la voix de synthèse, sépare un serveur vocal d’un opérateur.
Retirez une seule de ces conditions et le volume s’effondre. Un litige de facturation qui réclame un geste commercial, une panne hors catalogue, un client qui négocie : l’agent bute sur tout ce que personne n’a inscrit dans un système.
Une première place obtenue sur des scénarios calibrés
Le classement Artificial Analysis, où Grok Voice Think Fast 2.0 s’installe en tête, mesure la capacité des agents vocaux à raisonner sur ce qu’ils entendent, à traiter de vrais problèmes clients et à mener des tâches à bien en s’appuyant sur des outils. Le speech-to-speech désigne les modèles qui traitent l’audio directement, sans passer par la chaîne transcription, puis texte, puis synthèse vocale : moins de latence, et la possibilité d’être interrompu au milieu d’une phrase, ce qui compte dans un appel réel.
xAI publie ses scores : 82,9 % sur cet indice, contre 79,1 % pour GPT-Realtime-2.1 d’OpenAI et 69,5 % pour Gemini 3.1 Flash Live de Google. Moins de quatre points séparent donc le premier du deuxième, et ces palmarès se rejouent à chaque sortie de modèle. Le classement soumet des modèles à des scénarios calibrés ; le support Starlink en soumet un seul à un unique domaine, à très grande échelle. Aucun des deux résultats ne valide l’autre.
Quatre prérequis avant de brancher un agent sur un support
Pour une équipe qui envisage un agent vocal sur son propre support, l’architecture du déploiement enseigne bien plus que le classement. Quatre prérequis, dans l’ordre :
- un domaine borné, avec un catalogue fini et des symptômes énumérables ;
- les actions métier déjà exposées en API, sans quoi l’agent restera cantonné à la conversation ;
- des indicateurs de sortie mesurés dès le premier jour : résolution au premier contact, taux d’escalade, rappels sous 48 heures ;
- un chemin vers un humain court et explicite, sinon le taux d’abandon remplacera silencieusement le taux de résolution.
Aucun de ces quatre points ne dépend du modèle retenu. Ils décident pourtant du volume absorbé : 15 000 appels, ou 150.
Restent deux mesures absentes du dossier : la part des appels réglés sans aucune intervention humaine, et celle des clients qui rappellent dans les 48 heures. xAI a publié son volume ; ces deux-là, jamais.
Mon avis
Le support téléphonique de niveau 1 disparaîtra comme métier de masse avant toutes les fonctions qu’on désigne d’habitude comme menacées, et cela se jouera sur la taille des catalogues produits, pas sur des scores de raisonnement. Je retiens de ce déploiement une seule leçon : un agent vocal branché sur un système d’expédition pèse plus lourd que dix points de benchmark. Ce que j’attends maintenant de xAI, c’est le taux d’escalade vers un humain, le seul indicateur qui dirait si ces appels sont réglés ou seulement encaissés. Tant qu’il reste non publié, ces 15 000 appels quotidiens démontrent une capacité d’absorption, pas une qualité de service.
