On a créé un standard téléphonique IA en quelques minutes avec le nouvel outil de xAI
xAI a annoncé Voice Agent Builder, en version bêta, le 1er juillet 2026. L’entreprise créée en 2023 par Elon Musk et Igor Babuschkin la présente comme un moyen de "créer un agent vocal personnalisé en moins de 2 minutes, sans écrire une seule ligne de code". "Sans code" signifie que la configuration de base peut être réalisée dans l’interface. L’idée est de décrire en langage naturel le comportement attendu de l’agent, puis de lui fournir les documents et les actions nécessaires.
Pour arriver à cela, l’API Grok Voice Agent est intégrée à LiveKit Agents, la plateforme open source dédiée aux applications audio et vidéo en temps réel. Le builder no-code de xAI utilise Grok Voice selon une approche speech-to-speech. C’est-à-dire que le système traite directement la voix de l’utilisateur pour produire une réponse vocale. Les modèles vocaux de Grok prennent en charge des marqueurs expressifs. Ils permettent notamment d’ajouter des rires, des soupirs, des pauses ou des passages chuchotés à la réponse vocale. Une connexion à un CRM interne, à une base de commandes ou à un système téléphonique existant peut en revanche nécessiter la configuration d’une API, d’un connecteur MCP ou l’aide d’une équipe technique.
LiveKit de son côté propose une approche davantage orientée vers le développement logiciel. Avec le framework open source LiveKit Agents, les développeurs peuvent programmer un agent vocal en Python ou en Node.js. LiveKit permet aussi de construire séparément les trois étapes d’un pipeline vocal : le STT, pour Speech-to-Text, le LLM, pour comprendre la demande et générer une réponse, et le TTS, pour Text-to-Speech.
xAI propose un tarif d’environ 0,08 dollar par minute d’audio pour le modèle grok-voice-think-fast-2.0. On peut ajouter à cela le coût de la téléphonie, les outils et le stockage.
Cas pratique : être précis dans les instructions
Afin de mesurer la véracité de ces promesses, nous concevons un agent vocal sans code à travers un cas d’usage concret. Nous créons une épicerie fictive, nommée pour l’occasion "Epicerie Bruno". Nous évitons d’exposer des données personnelles ou de connecter immédiatement un vrai système de paiement.
Pour réaliser cela, nous nous rendons sur https://x.ai/voice. Nous essayons gratuitement l’outil, en cliquant sur le bouton "Try it free", en haut à gauche de l’interface. Nous cliquons sur "Create agent". Dans le chatbot, comme conseillé par celui-ci, nous décrivons notre projet. Nos instructions définissent le rôle, le ton, le parcours conversationnel et les conditions de transfert. Indiquons que si elles réduisent le risque de réponses inadaptées, elles ne garantissent pas l’absence d’erreur. En production, les prix, stocks et commandes devraient être vérifiés dans une source métier au moyen d’un outil ou d'une API.
Je veux créer un agent vocal pour une épicerie. L'agent doit accueillir les clients en français, répondre aux questions sur les produits, les prix, les horaires, l'adresse et la disponibilité des articles. Il doit aider les clients à préparer une commande en demandant les articles et les quantités, puis répéter la commande pour obtenir une confirmation. Il doit parler de façon naturelle, polie, chaleureuse et concise. Il ne doit jamais inventer un prix, un stock ou une information concernant le magasin. S'il ne connaît pas la réponse, il doit le dire clairement et proposer de transférer l'appel à un employé. Pour les remboursements, les paiements ou les réclamations complexes, il doit également orienter le client vers un employé humain.
Puis nous donnons des informations sur l’épicerie imaginaire, directement dans le chat.
Produits disponibles :
- Lait demi-écrémé 1 L - Pain complet : 2,50 €- Bananes, 1 kg : 2,20 € - Œufs plein air, boîte de 6 : 2,90 € - Café moulu, 250 g : 4,80 € - Eau, pack de 6 bouteilles : 3,60 € - Règle : ne jamais inventer un produit, un prix ou une disponibilité. Si l’information n’est pas dans le catalogue, dire qu’une vérification humaine est nécessaire.
On fournit aussi les règles de livraison :
- Livraison du lundi au samedi, de 9 h à 19 h. - Livraison gratuite à partir de 30 €. - En dessous de 30 €, les frais sont de 3 €. - Le délai habituel est de 45 à 90 minutes. - L’agent ne demande jamais le numéro complet d’une carte bancaire. - L’agent ne confirme jamais une commande payée : il prépare seulement un panier et transfère la validation à un humain.
Il est possible d'ajouter la base de connaissances à partir de "Collection de fichiers", en bas de l’interface de l’Agent Builder. Cette section sert à fournir des informations que l’agent peut retrouver pendant l’appel. Il peut l’utiliser comme une forme de RAG (Retrieval-Augmented Generation). Cela nécessite toutefois des crédits. Après l’import, vérifiez que les fichiers sont bien traités et associés au bon agent. Une fois validées, ces instructions sont directement mentionnées et structurées dans l’Agent Builder.
Un test assez concluant
Après avoir choisi la voix, la langue, la vitesse et l’expressivité de l’IA, nous réalisons notre essai. Il est possible de tester l’agent dans le navigateur. Nous lui posons d’abord des questions sur les produits, puis nous réalisons des tests d’erreurs. Nous lui demandons par exemple un produit absent. Nous appelons avec un léger bruit de fond pour voir si l’agent détecte bien nos demandes.
On voit que l’agent répond correctement par rapport aux informations données. Mais la voix est un peu "métallique". Le ton manque un peu de chaleur. Le temps de latence est correct, parfois un peu long. Il a tendance à redire les mêmes choses. Il aurait dû demander un transfert vers un employé plus rapidement. On peut voir la conversation dans l’onglet du même nom. Les journaux permettent d’identifier les erreurs. Le principal axe d'amélioration est de rendre les réponses plus utiles, tout en conservant la prudence sur les informations inconnues.
Précision : le vrai numéro de téléphone s’ajoute de préférence après la configuration de l’agent. xAI indique qu’un compte Voice Agent Builder comprend un numéro utilisable pour les tests puis pour le trafic de production. Cela se passe dans la section "Setup a phone number". Dans notre cas, un message indique que xAI ne peut pas attribuer directement un nouveau numéro dans notre région. Nous connectons donc un numéro au moyen de Direct SIP ou de Twilio. Direct SIP relie notre opérateur téléphonique à l’agent xAI. On peut choisir Twilio notamment si on y a déjà un compte. Une fois une des deux options choisies, il s'agit de réaliser un pilote fermé, puis d'ouvrir progressivement le service.
Des difficultés à gérer
Ce test montre que Voice Agent Builder simplifie bien la création d’un premier agent vocal. Les instructions, la voix, les documents, les outils, les garde-fous et la téléphonie peuvent être configurés depuis une même interface. Mais "sans code" ne signifie pas sans intégration, ni sans coût, ni sans contrôle humain. Pour une entreprise, la véritable difficulté apparaît dans la connexion aux données réelles, la sécurité des actions, le transfert vers les employés et la validation avant ouverture au public.