Decagon présente Alto pour piloter les conversations avec les agents vocaux

Decagon a présenté Alto le 11 novembre 2026. Ce modèle de Decagon Labs pilote la couche conversationnelle de son agent vocal duplex et décide quand parler et quoi dire. L’entreprise a indiqué qu’Alto avait augmenté de plus de cinq points de pourcentage le taux de résolution lors d’appels clients en direct, tout en fournissant des réponses en 700 millisecondes environ en moyenne.

Decagon a déclaré que le reste de la logique de l’agent était demeuré pratiquement inchangé pendant la comparaison des taux de résolution. L’annonce ne précisait ni l’identité des clients, ni la taille de l’échantillon, ni les taux de référence, ni la période de mesure de ce résultat. Alto étend la spécialisation des modèles de Decagon au-delà de la qualité de la parole, en la faisant porter sur le pilotage de la conversation : déterminer si une réponse immédiate est justifiée et comment maintenir l’engagement de l’appelant pendant qu’un modèle de raisonnement termine son travail.

La décision de répondre ou d’attendre

Un pipeline vocal classique en cascade traite chaque tour de parole successivement : transcrire les propos de l’appelant, élaborer une réponse, puis la prononcer. L’agent duplex de Decagon fait plutôt fonctionner en parallèle un modèle conversationnel rapide et un modèle de raisonnement plus puissant. Le premier écoute et parle ; le second prend en charge les décisions et les actions complexes en arrière-plan, ce qui permet à l’agent de poursuivre l’échange pendant que le traitement est en cours.

Ce fonctionnement en parallèle impose de faire un choix à chaque tour de parole. Attendre que le modèle de raisonnement réponde peut briser le fil de la conversation, mais répondre trop vite risque de conduire à une affirmation non vérifiée, par exemple dire à un appelant que sa réservation a été modifiée avant que le système ne l’ait confirmé. La rapidité d’un modèle conversationnel plus petit s’accompagne donc d’un problème de fiabilité que l’architecture duplex ne résout pas à elle seule.

Alto suit en continu les propos de l’appelant et les actions du reste de l’agent, et s’appuie sur un compte rendu commun de l’appel pour formuler ses réponses. Il attend une confirmation avant d’annoncer qu’une action est terminée. Lors d’une recherche ou d’un appel à un outil, il peut demander l’information suivante ou prendre des nouvelles de l’appelant, plutôt que de recourir à des formules passe-partout. Si un résultat arrive au moment où l’appelant pose une nouvelle question, Alto peut répondre à la question et communiquer le résultat en même temps.

Entraîner le modèle aux appels ambigus

Decagon est parti d’un petit modèle à poids ouverts afin d’obtenir des réponses rapides, puis l’a affiné à partir d’appels simulés inspirés de l’expérience en production. Dans le cadre de l’apprentissage par renforcement, Alto produisait plusieurs réponses possibles à chaque étape de la conversation. Le processus d’évaluation privilégiait d’abord la justesse du choix entre répondre et attendre, puis vérifiait si la formulation respectait les politiques de l’entreprise et s’appuyait sur des informations confirmées.

Decagon a concentré l’entraînement sur les cas ambigus après avoir constaté qu’Alto gérait déjà correctement la plupart des situations. L’entreprise a également fait varier les politiques et les outils d’une entreprise simulée à l’autre, dans le but d’apprendre au modèle à faire preuve de discernement dans différents contextes, plutôt qu’à réciter un script mémorisé pour une seule entreprise.

Avant que le moindre appelant n’entende le modèle, Decagon a indiqué l’avoir testé sur plus de 90 millions d’appels simulés. Alto a ensuite été exécuté en mode fantôme en parallèle du trafic réel en production, ce qui a permis d’évaluer ses réponses sans les faire entendre aux appelants.

Deux modèles vocaux spécialisés

Alto fait suite à Voice 3 et Chord, présentés le 1er octobre 2026. Voice 3 associait la génération de parole de Chord à l’architecture duplex et à la prise en charge de plus de 70 langues. Chord détermine la façon dont les agents de Decagon s’expriment, tandis qu’Alto détermine la façon dont ils mènent une conversation. Decagon avait précédemment attribué à Chord une hausse indépendante du taux de résolution pouvant atteindre sept points de pourcentage.

Ensemble, ces modèles répartissent les performances vocales entre deux objectifs d’entraînement : le naturel de la parole et le discernement conversationnel. Le résultat annoncé pour Alto relie ce deuxième objectif à la résolution des appels clients, mais sa principale contrainte opérationnelle demeure le choix entre répondre et attendre : tirer parti de la rapidité du modèle conversationnel sans laisser un échange au ton naturel devancer la confirmation des actions.