top of page

L’agent vocal IA de Stretto utilise Amazon Nova 2 Sonic

il y a 1 jour
14 min de lecture
Illustrative photograph. Photo: Kampus Production / Pexels.

Stretto a remplacé la prise en charge des dossiers de faillite via formulaire web par Tara, une interlocutrice téléphonique IA, et fait état d’une hausse relative de 20 % de la conversion des prospects. L’agent vocal IA de Stretto utilise Amazon Nova 2 Sonic pour recueillir des informations financières au cours d’une conversation. Les avocats conservent la décision finale, créant une frontière entre la prise en charge automatisée et le jugement professionnel.

L’étude de cas du 18 novembre 2026 décrit un travail mené avec l’AWS Generative AI Innovation Center et le partenaire technologique CI&T. Sa comparaison centrale oppose la prise en charge conversationnelle au formulaire web, plutôt qu’un système d’IA à des avocats. Stretto souhaitait obtenir des prospects plus complets sans demander aux visiteurs de remplir des formulaires toujours plus exigeants.

Tara relève ainsi autant d’une histoire de flux de travail d’entreprise que de modèle vocal. Les gains rapportés dépendent de la collecte d’informations exploitables, de la conservation des corrections et de l’application de règles explicites par la suite. Une voix convaincante lance le processus ; des dossiers fiables et des décisions imputables déterminent si ce processus mérite une adoption plus large.

L’agent vocal IA de Stretto change le contenu d’un prospect

Le problème commercial sous-jacent tient à la différence entre des coordonnées et des informations qu’un avocat peut évaluer. Un formulaire court peut établir un intérêt, mais il laisse une part importante du travail de prise en charge inachevée. Un formulaire plus long demande davantage de détails tout en imposant plus de travail à une personne déjà confrontée à un stress financier.

L’alternative de Stretto place cet interrogatoire dans une conversation téléphonique. Tara recueille des informations sur la situation financière de l’appelant, puis transmet le dossier obtenu à un processus de qualification distinct. Le changement concerne à la fois l’interface et la profondeur des informations disponibles par la suite.

La proposition commerciale vise un dossier de prise en charge plus utile, plutôt qu’une interface vocale ajoutée à un formulaire inchangé.

Selon l’étude de cas sur la prise en charge des faillites, le système applique des règles définies par les avocats après la conversation. Les avocats prennent la décision finale. Cette répartition importe, car une réponse conversationnelle, un dossier financier structuré et une évaluation professionnelle répondent à des objectifs différents.

Prenons le cas d’un appelant qui parle de véhicules, d’emploi et de dettes en cours. Ces réponses doivent établir des relations : quel paiement correspond à quel véhicule, ou quelle source de revenus correspond à quel dossier d’emploi. Une transcription contenant chaque mot prononcé ne fournit pas automatiquement cette structure.

La conversation introduit également une ambiguïté qu’un formulaire évite parfois grâce à des champs fixes. Un appelant peut corriger un montant, refuser une question ou décrire des circonstances en dehors de la séquence attendue. Le système doit préserver ces distinctions au lieu de traiter chaque déclaration orale comme une réponse définitive.

L’agent vocal Tara est donc confronté à une version exigeante de la collecte d’informations. Il doit être suffisamment flexible pour permettre aux appelants de s’expliquer et suffisamment rigoureux pour produire des dossiers que les processus en aval peuvent utiliser. Une conversation agréable à elle seule laisserait le problème commercial initial sans réponse.

L’amélioration de conversion signalée rend ce changement digne d’examen, mais elle n’établit pas pourquoi la conversion a augmenté. La prestation vocale, l’ordre des questions, des informations plus riches et des changements de qualification peuvent tous influer sur le résultat. Le compte rendu public n’isole pas leurs contributions individuelles.

Il décrit également environ trois mois d’expérience en production, plutôt que d’annoncer une nouvelle version de modèle le 18 novembre. La publication et le déploiement sont des événements distincts. Les lecteurs doivent comprendre ce rapport comme un premier retour opérationnel sur une application existante.

Pour les acheteurs d’entreprise, cette distinction renforce l’utilité du récit. Un système de prise en charge déployé apporte des éléments sur un flux de travail précis, même si ses résultats restent déclarés par l’entreprise. Il avance une affirmation plus étroite et plus pratique qu’une déclaration générale selon laquelle les appelants préfèrent l’IA aux formulaires.

La pression immédiate concerne les organisations dont les tunnels de prospects s’arrêtent à la capture de coordonnées de base. Tara pose une question concrète à ces équipes : combien d’informations précieuses disparaissent entre l’intérêt initial et une prise en charge finalisée ?

Les formulaires web font désormais face à une comparaison économique différente

Les formulaires web présentent un avantage évident : les personnes peuvent saisir des informations sans maintenir une conversation en direct. Leurs limites deviennent plus visibles lorsque le dossier requis gagne en complexité. Chaque question supplémentaire demande au visiteur d’interpréter, d’organiser et de fournir une information de plus.

La voix transfère une partie de cette charge organisationnelle vers l’application. L’appelant peut expliquer une situation, tandis que le système gère la séquence et les questions de suivi. Le caractère plus simple ou non de cette approche dépend de la conversation, des préférences de l’appelant et de la sensibilité des informations demandées.

La comparaison pertinente est le coût d’obtention d’un dossier exploitable, y compris le travail réalisé après le contact initial.

Cette mesure dépasse le coût d’exécution d’un formulaire ou de traitement d’une minute d’audio. Elle comprend les tentatives abandonnées, les dossiers incomplets, le travail de correction et l’examen professionnel. Une interaction moins coûteuse peut tout de même produire un résultat onéreux si quelqu’un doit reconstituer les informations par la suite.

Stretto fait état d’une réduction de 95 % du coût vocal par minute par rapport à sa précédente solution vocale. La comparaison utilise les tarifs d’avril 2026 dans la région US East. Il s’agit d’une comparaison datée entre des implémentations vocales, et non d’une preuve que l’ensemble des opérations de Tara coûte 95 % moins cher.

Cette distinction évite également une comparaison trompeuse avec le formulaire web. Le résultat sur les coûts concerne une solution vocale précédente ; le résultat sur la conversion concerne l’expérience de prise en charge basée sur un formulaire. Ces références répondent à des questions différentes et doivent rester séparées.

Un acheteur qui évalue cette approche a besoin des deux mesures. Une réduction des dépenses de traitement vocal peut rendre des conversations plus longues abordables, tandis qu’une meilleure conversion peut accroître la valeur de chaque interaction finalisée. Aucun de ces chiffres n’établit le rendement complet sans tenir compte de l’implémentation, de la supervision et du traitement en aval.

L’agent vocal IA de Stretto modifie également le travail attendu de l’avocat destinataire. Un dossier plus riche devrait offrir davantage de contexte avant un premier échange. Toutefois, le destinataire doit toujours pouvoir s’assurer que les informations reflètent ce que l’appelant a réellement dit.

Cela exerce une pression sur les fournisseurs de solutions de prise en charge comme sur les équipes produit internes. Une démonstration attrayante montre une conversation qui se déroule correctement. Une offre de production crédible doit expliquer ce qui se passe lorsque les informations sont contradictoires, que l’extraction échoue ou que le professionnel destinataire remet un champ en question.

C’est là que le formulaire web reste un point de référence sérieux. Sa rigidité peut frustrer les utilisateurs, mais cette même rigidité rend les champs individuels et les réponses obligatoires faciles à vérifier. La voix doit retrouver une clarté comparable à partir d’un échange moins contraint.

Pour les travailleurs du savoir, le lien plus large est familier : les informations capturées ne deviennent précieuses que si elles restent exploitables ultérieurement. Une base de connaissances consultable répond à un problème organisationnel connexe, bien que la prise en charge sensible introduise des exigences d’accès et d’examen différentes.

L’implication est précise plutôt qu’universelle. Les organisations qui gèrent des entretiens préliminaires complexes disposent désormais d’une autre interface à évaluer. Elles ont toujours besoin de preuves que la collecte conversationnelle améliore leurs propres taux de finalisation et la qualité des dossiers avant de modifier l’ensemble du tunnel.

Nova 2 Sonic gère la parole tandis que d’autres systèmes construisent le dossier

Amazon Nova 2 Sonic est un modèle de parole à parole, ce qui signifie qu’il accepte une entrée vocale et génère des réponses parlées au sein du même modèle. Cela diffère d’une connexion entre des composants distincts de transcription, de génération de texte et de génération vocale. Le choix architectural influe sur la façon dont la conversation alterne entre l’écoute et la réponse.

Stretto connecte les appelants via Twilio à un pont vocal, une application qui transmet l’audio entre la connexion téléphonique et le modèle. Le pont s’exécute sur Amazon ECS avec AWS Fargate, des services qui gèrent et exécutent des conteneurs d’application. Amazon Bedrock fournit un accès géré aux modèles.

Les flux audio bidirectionnels de Twilio permettent de recevoir l’audio des appels et de renvoyer l’audio généré dans l’appel. Un WebSocket, une connexion réseau persistante à double sens, assure cet échange. Cela établit le chemin de communication en direct sans confier au service de téléphonie la responsabilité de l’ensemble du flux de prise en charge.

Un modèle vocal unifié simplifie le chemin conversationnel, tandis que l’application environnante reste responsable du processus métier.

Cette séparation devient plus claire après le raccrochage de l’appelant. Claude 3 Haiku, le modèle textuel d’Anthropic, extrait des champs structurés de la transcription. Amazon Aurora, une base de données relationnelle gérée, stocke les informations obtenues dans des dossiers présentant des relations définies.

L’architecture utilise donc différents modèles pour différentes tâches. Nova 2 Sonic prend en charge l’échange en direct ; Claude gère l’extraction après l’appel. Des règles définies par les avocats soutiennent ensuite la classification des prospects, les avocats conservant les décisions finales.

Cette répartition donne aux évaluateurs plusieurs endroits distincts où étudier les erreurs. Un montant oral mal compris diffère d’un montant correctement transcrit mais attribué au mauvais champ. Un champ correct évalué selon une règle inadaptée crée un problème entièrement différent.

Traiter tous ces échecs comme si « l’IA s’était trompée » masquerait des détails opérationnels utiles. Les étapes de voix, d’extraction, de stockage et de qualification nécessitent un examen distinct. Les améliorations apportées à une étape ne garantissent pas des améliorations dans l’ensemble du flux de travail.

Les longues conversations introduisent une autre limite. La prise en charge complète peut durer de 15 à 20 minutes, tandis qu’AWS documente une limite de connexion de huit minutes pour un flux individuel. Sa documentation sur les sessions vocales décrit la prise en charge du renouvellement et de la continuité.

Stretto utilise la continuité de session, une technique qui transfère le contexte conversationnel vers une connexion de modèle de remplacement. L’entretien de l’appelant peut ainsi se poursuivre au-delà de la durée de vie d’un flux individuel. Le maintien du contexte au-delà de cette limite devient une responsabilité de l’application.

Cela importe, car se souvenir d’une correction antérieure constitue une exigence fonctionnelle, et non une simple commodité conversationnelle. La perte de contexte au cours d’un long entretien peut créer des questions répétées ou des dossiers incohérents. Un système qui semble fluide avant un changement de connexion doit encore être testé après celui-ci.

OpenAI offre une comparaison pertinente avec ses architectures d’agents vocaux, qui incluent des modèles vocaux intégrés et des approches de traitement en chaîne. Ces options montrent que les équipes d’entreprise font face à des choix architecturaux qui vont au-delà de la sélection d’une voix. Le compte rendu de Stretto n’établit pas de classement des performances face à OpenAI.

La question concurrentielle utile concerne le contrôle et l’adéquation au flux de travail. Les équipes doivent décider où elles ont besoin de réactivité en direct, d’informations intermédiaires vérifiables et d’une logique métier distincte. Tara illustre une répartition de ces responsabilités au sein d’une application basée sur AWS.

L’architecture d’intake de Nova 2 Sonic révèle également une limite importante des achats centrés sur le modèle. Le choix du modèle vocal laisse un travail de conception considérable autour de la continuité, de la création de dossiers et des frontières décisionnelles. Ces composantes déterminent si une conversation téléphonique devient un dossier opérationnel fiable.

Les conversations sensibles font de la gestion des interruptions une exigence de qualité

Un entretien d’intake en matière de faillite demande aux personnes d’évoquer leurs difficultés financières. Le système doit recueillir des informations tout en autorisant l’hésitation, la correction et le refus. Ce contexte modifie le sens de la qualité vocale : une interaction naturelle n’est utile que si l’application gère aussi l’incertitude de façon appropriée.

Le récit de Stretto décrit une validation pour les conversations sensibles, notamment les interruptions et les appelants qui modifient leurs réponses. Le barge-in, c’est-à-dire la possibilité d’interrompre l’agent pendant qu’il parle, est particulièrement pertinent. Un appelant a besoin d’un moyen concret d’arrêter une hypothèse erronée avant que l’entretien ne se poursuive.

Le test le plus rigoureux consiste à déterminer si le système préserve le sens des propos d’un appelant lorsque la conversation cesse de suivre le chemin attendu.

Cela exige davantage que la simple reconnaissance d’une interruption. L’application doit distinguer une correction d’un fait supplémentaire, et un refus d’une réponse absente. Sans cela, une conversation apparemment réussie peut produire un dossier inexact.

La gestion du consentement et des divulgations crée une autre frontière. Selon l’étude de cas, Tara présente les informations requises et recueille le consentement avant de poursuivre l’intake. Ces étapes font partie intégrante du workflow, plutôt que de servir de formulation introductive facultative.

Une interruption pendant une divulgation illustre cette difficulté. Reprendre la conversation ne représente qu’une partie de la tâche. Le système doit aussi disposer d’une base fiable pour déterminer si la séquence requise de divulgation et de consentement a été achevée.

Le récit public décrit des tests et des contrôles, mais n’établit pas une conformité juridique universelle. Une architecture publiée ne peut répondre à toutes les questions relatives au déploiement, à la juridiction, au traitement des données ou aux obligations professionnelles. Les acheteurs doivent évaluer leur propre situation plutôt que de considérer le témoignage d’un client comme une certification.

La fiche de service du modèle d’AWS recommande elle aussi une évaluation spécifique au cas d’usage. Elle attribue aux clients la responsabilité de l’infrastructure applicative environnante et de la logique métier. Cette recommandation invite à interpréter les résultats de Tara avec prudence.

L’adaptation émotionnelle mérite une attention comparable. Un modèle peut modifier sa manière de s’exprimer en réaction à la parole sans posséder une compréhension fiable de l’état psychologique d’un appelant. Un ton rassurant ne doit pas devenir la preuve que le système a compris chaque fait ou traité correctement chaque appelant vulnérable.

L’agent vocal Tara doit aussi respecter des limites concernant l’utilisation des informations recueillies. La conception rapportée réserve les décisions finales aux avocats et applique séparément des règles explicites de qualification. Ces contrôles réduisent l’étendue de la discrétion du modèle sans éliminer la nécessité d’examiner les informations qui alimentent ces règles.

Une donnée erronée peut toujours influencer un processus de classification par ailleurs cohérent. L’autorité humaine à la fin du processus compte, mais son efficacité dépend de ce que les examinateurs peuvent voir et corriger. La présence d’un avocat ne doit pas devenir un substitut à la mesure des erreurs en amont.

Pour les équipes qui construisent des systèmes similaires, il s’agit de questions opérationnelles plutôt que d’objections abstraites à l’automatisation. Les appelants peuvent-ils corriger un dossier ? Les examinateurs peuvent-ils identifier les réponses incertaines ? L’organisation peut-elle expliquer pourquoi un prospect a reçu une classification particulière ?

L’agent vocal IA de Stretto est le plus instructif lorsqu’on l’examine à travers ces frontières. Son importance tient à l’attribution de responsabilités distinctes à la conversation, à l’extraction, aux règles et au jugement professionnel. Un déploiement plus large permettra de vérifier si ces frontières restent fiables dans des conditions réelles plus variées.

Les gains annoncés laissent ouvertes d’importantes questions de mesure

Le résultat phare de Stretto est une augmentation relative de 20 % de la conversion des prospects par rapport à son formulaire web. Le terme « relative » compte : ce chiffre décrit une hausse par rapport au taux antérieur, et non un gain de 20 points de pourcentage. L’étude de cas ne fournit pas assez de détails pour calculer la variation absolue.

L’entreprise indique également une précision d’extraction des champs structurés d’environ 96 % lors de ses tests. Les appels achevés durent en moyenne environ huit minutes. Ces chiffres décrivent différents aspects du système et ne doivent pas être combinés en une seule affirmation de précision globale.

Les résultats justifient une évaluation plus approfondie, mais ils n’établissent pas un benchmark contrôlé pour l’intake vocal.

La précision de l’extraction mesure la conversion du contenu conversationnel en champs. Elle ne mesure pas automatiquement la véracité des déclarations d’un appelant, la pertinence des règles de qualification ou la qualité de l’évaluation finale d’un avocat. Ces résultats exigent des éléments de preuve différents.

La répartition des erreurs d’extraction importe également. Un détail secondaire incorrect et un champ erroné ayant des conséquences financières peuvent avoir des effets en aval très différents. Un chiffre de précision agrégé ne révèle pas si les erreurs se concentrent dans les informations que les examinateurs jugent les plus importantes.

Le récit publié ne fournit pas de ventilation détaillée des erreurs, champ par champ. Il laisse aussi ouvertes des questions concernant la taille de l’échantillon, la composition des tests et les performances selon les groupes d’appelants. Ces omissions limitent la comparaison avec un autre système d’intake, même si la moyenne annoncée reste utile en interne.

La durée des appels exige une interprétation tout aussi prudente. Le chiffre de huit minutes concerne les appels achevés, tandis que l’intake complet peut durer 15 à 20 minutes. Ces affirmations ne sont pas nécessairement contradictoires, car la durée moyenne des conversations terminées et la durée possible d’un entretien complet décrivent des réalités différentes.

Toutefois, la durée des appels achevés exclut les tentatives infructueuses de cette mesure particulière. Les évaluateurs doivent aussi comprendre l’abandon et l’achèvement partiel. Une moyenne courte n’est encourageante que si elle s’accompagne d’informations suffisantes et de résultats d’achèvement acceptables.

La conversion présente un problème d’attribution connexe. L’équipe décrit un workflow évolutif, plutôt qu’une expérience ne modifiant que le modèle vocal. Sans comparaison contrôlée, les lecteurs ne peuvent attribuer entièrement l’amélioration annoncée à Nova 2 Sonic.

La même prudence s’applique à la réduction de 95 % du coût vocal par minute. Elle concerne une solution vocale antérieure et un instantané tarifaire précis. Elle n’établit pas des économies équivalentes pour la téléphonie, le stockage des données, l’ingénierie, la revue ou le coût complet de production d’un prospect qualifié.

Le récit provient aussi de participants au déploiement, y compris des contributeurs de Stretto et de CI&T. Leur accès rend la description architecturale précieuse. Leur implication signifie que les résultats commerciaux doivent rester attribués, plutôt que présentés comme des conclusions auditées de manière indépendante.

Aucune de ces limites ne rend le récit dénué d’intérêt. Des preuves précoces issues de la production peuvent justifier un pilote plus large et des mesures plus détaillées. Elles étayent simplement une conclusion plus circonscrite qu’une affirmation générale selon laquelle l’intake vocal automatisé surpasse les formulaires partout.

Pour les acheteurs en entreprise, la question suivante la plus utile est de savoir si une autre équipe peut reproduire les gains avec des définitions comparables. La conversion, la précision, l’achèvement et le coût nécessitent des frontières de mesure explicites. Sans elles, des pourcentages apparemment similaires peuvent décrire des résultats opérationnels très différents.

Surveillez l’expansion, les erreurs importantes et l’économie complète des prospects

Les prochaines preuves significatives devraient porter, dans cet ordre, sur l’étendue du déploiement, la qualité des informations et l’économie opérationnelle totale. Ces signaux permettraient de vérifier si les résultats initiaux de Tara résistent au-delà des conditions décrites dans l’étude de cas. Ils aideraient aussi les acheteurs à distinguer la capacité du modèle de la conception du workflow.

Premièrement, surveillez les résultats d’un déploiement plus large dans des districts supplémentaires. L’amélioration de conversion annoncée précède une expansion à grande échelle. Des résultats comparables à l’échelle d’un déploiement plus vaste renforceraient l’argument selon lequel l’intake conversationnel apporte une valeur reproductible.

L’expansion seule établirait la portée, et non la qualité. Le signal le plus solide associerait une disponibilité plus large à des définitions de conversion cohérentes et à un reporting sur l’achèvement. Si les résultats se dégradent, le résultat initial resterait pertinent, mais serait plus clairement limité à son cadre de départ.

Deuxièmement, surveillez un reporting plus détaillé sur les erreurs d’information ayant des conséquences importantes. Des résultats d’extraction au niveau des champs aideraient à identifier les domaines dans lesquels le système doit être corrigé ou examiné. Des informations sur les révisions effectuées par les avocats ajouteraient une autre perspective sur l’utilité concrète du dossier généré.

Un résultat solide montrerait que les champs importants restent fiables à mesure que les conversations se diversifient. Un résultat plus faible montrerait qu’un agrégat favorable masque des erreurs récurrentes dans des informations critiques. L’un ou l’autre de ces constats serait plus instructif qu’un nouveau pourcentage de précision indifférencié.

Troisièmement, surveillez l’économie complète d’un prospect exploitable. Les économies vocales par minute ne représentent qu’une partie du tableau. Les acheteurs doivent également comprendre les efforts nécessaires pour traiter, examiner, corriger et acheminer les informations obtenues.

Les preuves les plus solides relieraient les dépenses opérationnelles à des dossiers réellement utilisables par les avocats. Des économies qui résistent au travail de correction et à la supervision conforteraient la justification économique. Des économies compensées par une charge de travail importante en aval la réduiraient.

La valeur à long terme de Tara dépend de la capacité de meilleures conversations à produire des dossiers fiables à un coût d’exploitation durable.

Il s’agit de points d’observation, et non d’annonces programmées ou de divulgations promises. Le récit public n’engage pas Stretto à publier chacune de ces mesures. Leur absence rendrait les affirmations initiales moins évaluables de manière indépendante, sans établir que le déploiement a échoué.

L’histoire d’intake de Nova 2 Sonic offre déjà une leçon architecturale utile. L’automatisation vocale fonctionne au sein d’un système plus vaste de dossiers, de règles et de responsabilité humaine. Le modèle gère une interaction importante, tandis que l’organisation reste responsable du workflow qui l’entoure.

C’est aussi pourquoi la comparaison avec le formulaire web restera pertinente. Les formulaires offrent une base claire pour la collecte d’informations, même lorsque les utilisateurs les trouvent contraignants. La voix mérite sa place lorsqu’elle améliore le processus complet plutôt que de simplement rendre l’interaction initiale plus engageante.

Pour les équipes envisageant une approche inspirée de l’agent vocal IA de Stretto, commencez par examiner les preuves qui sous-tendent l’amélioration annoncée. Demandez comment la conversion a été définie, quels champs ont nécessité une correction et ce qu’il est advenu des appels incomplets. Vérifiez si le professionnel destinataire a obtenu un dossier plus utile, plutôt que de supposer que l’aisance conversationnelle en a créé un. Comparez ensuite le workflow complet au processus d’intake existant, y compris les efforts de revue et de correction. L’expérience de Stretto offre une raison concrète d’étudier l’intake vocal, surtout lorsque les formulaires ne parviennent pas à recueillir les détails nécessaires. Lisez l’architecture à la lumière des lacunes de mesure, et utilisez les deux pour définir ce que votre propre évaluation doit établir avant un déploiement plus large.

 
 

Commencez pour Gratuit

Un premier assistant IA local avec gestion des connaissances personnelles

Pour une meilleure expérience IA,

remio ne supporte que Windows 10+ (x64) et M-Chip Macs actuellement.

Votre partenaire IA au travail
Faites-en plus avec remio

Planifiez. Créez. Livrez.
Tout au même endroit.

bottom of page