Deepgram acquiert Daily et s’engage à maintenir Pipecat en open source

Le 29 octobre 2026, Deepgram a annoncé l’acquisition de Daily, l’entreprise à l’origine du framework open source pour agents vocaux Pipecat. L’opération a été dévoilée lors du premier événement Deepgram Speak, à San Francisco. L’équipe de Daily rejoindra Deepgram, et Pipecat restera entièrement open source et gratuit pour les développeurs, sous sa licence BSD V2 actuelle.

Deepgram a déclaré que Pipecat et l’infrastructure réseau mondiale en temps réel de Daily constitueraient, aux côtés de ses propres modèles de parole, les fondations de sa nouvelle Voice Agent Platform. L’entreprise entend ainsi créer ce qu’elle présente comme la première plateforme complète, ouverte et conçue pour la production d’IA vocale conversationnelle. Elle a décrit Pipecat comme le framework open source pour agents vocaux le plus populaire au monde et indiqué que le réseau de Daily relie les utilisateurs finaux aux agents vocaux avec une latence très faible et une grande fiabilité.

Kwindla Hultman Kramer, cofondateur de Daily, rejoint Deepgram en tant que responsable de l’open source. « Le maintien de Pipecat en open source était essentiel à notre décision de rejoindre Deepgram », a déclaré Kramer dans l’annonce de l’acquisition. Scott Stephenson, PDG et cofondateur de Deepgram, a expliqué que Kramer et l’équipe de Daily savent ce qu’il faut pour assurer la fiabilité d’une conversation en direct. Il a ajouté que l’acquisition de Daily réunit cette expertise et celle de Deepgram afin de relever les défis de l’ensemble du système vocal et d’offrir aux développeurs un parcours plus rapide du prototype à la production.

Engagements en faveur de l’open source et fondation Pipecat

En plus de maintenir le framework gratuit sous licence BSD V2, Deepgram a déclaré qu’elle investirait dans le développement continu de Pipecat et dans sa communauté, tout en conservant l’intégralité de Pipecat en open source et sans dépendance à l’égard d’un fournisseur. Les développeurs pourront ainsi choisir et combiner des modèles, des outils, des moyens de transport réseau et des API de différents fournisseurs. Les entreprises créent également une fondation Pipecat indépendante, avec de nombreuses organisations qui ont contribué au framework et l’utilisent.

Dans un article publié sur le blog de Daily, Kramer a indiqué que la fondation serait dirigée par un comité de pilotage représentant l’ensemble de l’écosystème de l’IA en temps réel, y compris des entreprises concurrentes de Deepgram. Il a précisé que rien ne changerait pour les clients de Daily ni pour l’écosystème Pipecat : Deepgram commercialisera, assurera le support et poursuivra le développement de tous les produits et services actuels de Daily, notamment WebRTC, la téléphonie et les bibliothèques multiplateformes, tandis que Pipecat restera indépendant des fournisseurs. Kramer a également indiqué que Deepgram adopte Pipecat comme cœur de ses nouveaux produits et services d’IA vocale.

Kramer a indiqué que Pipecat compte plus de 200 intégrations et près de 400 contributeurs. Il a salué le travail des 18 ingénieurs qui ont créé le framework, en remerciant tout particulièrement Mark, qui, selon lui, en fait avancer le développement depuis son lancement. Il a également remercié les investisseurs qui ont mené les différentes levées de fonds de Daily — David Waxman, chez TenOneTen, Avidan Ross, chez Root, Jenny Lefcourt, chez Freestyle, Lachy Groom, ainsi que Roseanne et Renata, chez Renegade Partners —, de même que les membres du conseil d’administration Lee Edwards et Roseanne Wincek.

L’histoire commune des deux entreprises

Kramer a raconté que Nina et lui avaient fondé Daily pour créer une infrastructure audio et vidéo en temps réel. Cela supposait d’écrire des logiciels optimisés pour le routage des paquets, de concevoir et de déployer des grappes de calcul spécialisées dans des dizaines de lieux à travers le monde, ainsi que de créer des bibliothèques clientes permettant aux développeurs d’intégrer l’audio et la vidéo en temps réel dans des applications web, de bureau et mobiles natives. Daily et Deepgram ont participé ensemble à Y Combinator en 2016, a-t-il écrit, et Deepgram assure la transcription au sein des API audio-vidéo de Daily depuis 2019.

Kramer a écrit que Daily avait commencé à créer des agents vocaux en temps réel et à expérimenter des logiciels conçus autour de l’IA en 2023, puis avait publié l’ensemble de Pipecat en open source en 2024 : le framework central d’orchestration, des SDK côté client pour chaque plateforme et langage, la norme de messagerie et d’événements RTVI, le modèle natif de détection des tours de parole audio Pipecat Smart Turn, le transport SmallWebRTC et la bibliothèque d’ingénierie du contexte Pipecat Flows. Il a décrit Pipecat comme le framework pour agents vocaux et IA multimodale le plus utilisé, capable de gérer des problèmes tels que le passage d’un modèle à un autre, le transport réseau à faible latence, la diffusion de données entre les modèles, la détection des tours de parole et la gestion des interruptions.

Selon l’annonce de Deepgram, l’infrastructure de Daily est un réseau mondial de 75 points de présence conçu pour répondre aux exigences de latence et de fiabilité de l’IA en direct. Deepgram a déclaré que ses propres modèles de parole et son infrastructure en temps réel alimentent des applications d’IA vocale conversationnelle en production pour plus de 5 000 organisations dans le monde, et que plus de 650 000 développeurs ont utilisé Deepgram pour traiter plus de 200 000 années d’audio.

Real-Time Context Standard et prochaines étapes

Lors de Speak, Stephenson a également présenté le Real-Time Context Standard (RCS), un protocole ouvert élaboré avec l’équipe de Pipecat. Selon Deepgram, le RCS répond à une lacune des systèmes d’IA vocale actuels : les mots passent d’un modèle à l’autre, mais le contexte audio qui les accompagne — le ton, l’identité de la personne qui parle et les événements en arrière-plan, par exemple — se perd en cours de route. Le RCS définit trois nouveaux types de métadonnées : le contexte extrait de l’audio, comme un chuchotement ou un mot peu distinct ; des instructions indiquant comment un modèle de langage doit utiliser ces signaux ; et des indications sur le rendu sonore de la réponse. Des adaptateurs traduisent ces signaux et les consignes de restitution pour chaque modèle, afin que les développeurs puissent appliquer la même méthode avec des modèles de différents fournisseurs.

Le dépôt de démonstration du Real-Time Context Standard décrit le RCS comme une norme ouverte qui transporte ce contexte dans le même flux textuel, dans des formats que n’importe quel modèle de la chaîne peut produire et lire. Son agent vocal de démonstration assure le service client d’un magasin d’équipement de plein air appelé Northwind Outfitters, en enchaînant la conversion parole-texte de Deepgram Flux, un analyseur de ton qui détecte les émotions et le sarcasme dans chaque intervention de l’utilisateur, le modèle de langage PhoneLLM Mini et la synthèse vocale d’ElevenLabs, le tout déployé sur Pipecat Cloud. Deepgram a invité les développeurs, les fournisseurs de modèles et les équipes qui conçoivent des applications vocales à tester le RCS dans leurs propres systèmes, à faire part de leurs commentaires et à contribuer à la spécification.

Plus tard le même jour, lors de Speak, Ed Anuff, directeur des produits, devait présenter en avant-première la prochaine plateforme d’agents vocaux de Deepgram et dévoiler deux nouveaux modèles conçus pour les conversations en direct, une prise en charge linguistique étendue et une API mondiale destinée à améliorer la fiabilité des connexions et à réduire la latence. Deepgram a indiqué que les détails techniques complets, les démonstrations et les informations sur la disponibilité des autres annonces de produits de la journée seraient publiés sur son blog après le discours d’ouverture d’Anuff.