Actualité IA
Voxtral 3 : Mistral lance de quoi construire des agents vocaux, ce que ça change pour les entreprises
Voxtral 3, sorti le 20 octobre 2026 : transcription, voix de synthèse et SDK d'agent vocal de Mistral. Prix, hébergement en Europe et usages concrets.
Voxtral 3 est la nouvelle famille de modèles vocaux de Mistral AI, présentée le 20 octobre 2026 : des modèles qui transcrivent la parole, un modèle qui parle, et un kit de développement (SDK) pour assembler le tout en agent vocal capable de répondre au téléphone et d'agir dans vos outils pendant l'appel. L'ensemble est disponible dès maintenant via l'API de Mistral, hébergée notamment en Europe, ou sur l'infrastructure de l'entreprise.
On a lu l'annonce officielle de Mistral, sa grille de prix et la couverture de deux médias spécialisés. Voici ce qui est confirmé, ce qui ne l'est pas encore, et ce que ça change si vous pensez à un agent qui décroche à votre place.
Ce que Mistral a annoncé
Trois modèles pour écouter
Le cœur de l'annonce, c'est la transcription. D'après le billet de Mistral, trois modèles la prennent en charge :
- Voxtral Small Transcribe 3 : le plus précis, plus de 50 langues, dont les 24 langues officielles de l'Union européenne. Il sait dire qui parle (on appelle ça la diarisation) et détecte quand la personne a fini sa phrase ;
- Voxtral Mini Transcribe 3 : une version plus légère, de 4 milliards de paramètres, pensée pour le traitement en lot ;
- Voxtral Mini Transcribe Realtime 3 : la version temps réel, avec une latence annoncée sous 500 millisecondes.
Les modèles acceptent une liste de termes à reconnaître : noms de produits, jargon, noms de clients. Un agent qui comprend « Placo BA13 » sans réentraînement fait moins d'erreurs sur ce qui compte.
Un modèle pour parler
Voxtral Mini TTS 3 transforme le texte en voix. Il couvre plus de 35 langues et plus de 50 dialectes, et ajuste l'émotion, le rythme et l'insistance selon le contexte de la conversation. Mistral propose aussi une option « Pro Voice » qui reproduit la voix d'une personne à partir de 30 minutes d'enregistrement.
Un SDK pour assembler l'agent
C'est la partie la plus intéressante pour l'automatisation. Le SDK, construit sur LiveKit, enchaîne l'écoute, le raisonnement, l'appel d'outils et la réponse vocale dans un seul flux continu. Mistral annonce qu'un tour de parole se boucle en moins d'une seconde et que l'agent se tait quand l'appelant lui coupe la parole.
Pendant l'appel, l'agent peut vérifier l'identité d'un client, consulter une facture ou réserver un rendez-vous dans vos systèmes. Il passe et reçoit des appels par SIP, le protocole des standards téléphoniques, et fonctionne aussi dans un navigateur ou une application. Chaque brique est séparée : on peut changer le modèle qui raisonne, la voix ou la langue sans réécrire l'agent. TestingCatalog et The Decoder décrivent le même fonctionnement.
Combien ça coûte
La grille publiée par Mistral donne les prix suivants, en dollars :
- transcription en lot avec Voxtral Mini Transcribe 3 : 0,0035 dollar la minute ;
- transcription avec Voxtral Small Transcribe 3 : 0,004 dollar la minute ;
- transcription en temps réel : 0,008 dollar la minute ;
- voix de synthèse : 13 dollars par million de caractères ;
- API d'agent vocal complète, avec Mistral Small 4 pour raisonner : 0,04 dollar la minute, et 0,08 dollar la minute avec un modèle plus gros.
Pour fixer les idées : à 0,04 dollar la minute, un appel de 3 minutes revient à 0,12 dollar côté modèles. Ce prix ne dit rien du coût de la ligne téléphonique, de l'intégration à vos outils ni de la maintenance. Faites le calcul complet avant de comparer avec une secrétaire ou un centre d'appels.
Où sont traitées les voix
Mistral met en avant la souveraineté. L'API est servie depuis des points d'accès européens, américains et mondiaux, et l'entreprise peut aussi faire tourner l'ensemble sur son propre serveur ou un cloud privé, en passant par l'équipe commerciale. Dans ce cas, l'entreprise choisit si les conversations sont conservées ou non.
Pour une PME française, l'option européenne compte : un appel contient souvent des informations sensibles, comme une adresse ou un numéro de contrat.
Ce qui reste à vérifier
Les comparaisons de qualité viennent surtout de Mistral. Le billet officiel place ses modèles devant Whisper, ElevenLabs ou Gemini sur ses propres tests. Un seul classement indépendant est cité dans la presse : selon TestingCatalog, Artificial Analysis classe Voxtral Small Transcribe 3 troisième de son classement de transcription. C'est encourageant. Ça ne remplace pas un essai sur vos vrais appels, avec vos accents, vos bruits de chantier et vos noms de produits.
Ni l'annonce ni les articles qu'on a lus ne précisent si les modèles de Voxtral 3 sont publiés en poids ouverts, comme l'avaient été certaines versions précédentes. L'auto-hébergement passe par un contact commercial.
Enfin, une latence mesurée en démonstration n'est pas garantie sur une vraie ligne téléphonique. Testez avant de promettre quoi que ce soit.
Ce que ça change pour l'automatisation en entreprise
Un acteur européen de plus sur l'agent vocal
Monter un agent vocal demandait souvent d'assembler plusieurs fournisseurs. Mistral propose la transcription, la voix et l'assemblage, avec un hébergement possible en Europe. Pour une entreprise qui hésitait à faire transiter les appels de ses clients hors d'Europe, c'est une option sérieuse à mettre dans le comparatif.
Les cas d'usage les plus simples restent les meilleurs
Un agent vocal donne ses meilleurs résultats sur des appels répétitifs et cadrés :
- Prise de rendez-vous : un cabinet de kinésithérapie, un garage ou un salon qui reçoit les mêmes demandes toute la journée. C'est ce que fait notre page prise de rendez-vous automatique ;
- Accueil et tri des appels : l'agent identifie la demande, répond aux questions simples et transfère le reste à la bonne personne ;
- Questions sur une commande ou une facture : l'agent consulte le système et donne l'état, sans rien modifier sans validation.
On a détaillé le fonctionnement, les tâches à confier et les règles dans notre guide sur le standard téléphonique IA.
Dire à l'appelant qu'il parle à une IA
L'article 50 du règlement européen sur l'IA prévoit que les personnes sachent qu'elles échangent avec un système d'IA, sauf si c'est évident. Avec une voix aussi naturelle que celles de Voxtral 3, ça ne sera pas évident. Annoncez-le dans la première phrase de l'appel. Et si vous utilisez la voix clonée d'un salarié avec Pro Voice, demandez son accord écrit avant, et prévoyez ce qui se passe s'il quitte l'entreprise.
Choisir le modèle sur vos appels, pas sur une démo
Comme pour Gemini 4 Argon la semaine dernière, notre conseil ne change pas. Enregistrez 20 à 50 appels réels (avec l'accord des appelants), passez-les dans deux ou trois solutions, et comparez le taux de compréhension, le délai de réponse et le coût par appel. Le SDK de Voxtral 3 permet de changer de modèle sans tout refaire, et c'est exactement ce qu'il faut exiger de tout agent vocal.
Chez Cortexa Agency, un humain valide ce qui engage l'entreprise, et les agents comme les données restent la propriété du client, sur ses propres outils. La réception téléphonique 24 h/24 fait partie de nos formules Essentiel et Complet (formules et prix). Pour savoir quels appels confier à un agent, commencez par un appel gratuit de 30 minutes, en visio ou par téléphone : l'agent est en place en 14 jours, sinon le premier mois est offert.
Questions fréquentes
Qu'est-ce que Voxtral 3 ?
C'est la famille de modèles vocaux de Mistral AI présentée le 20 octobre 2026. Elle comprend trois modèles de transcription, un modèle de voix de synthèse et un SDK pour construire des agents vocaux qui écoutent, raisonnent, agissent dans vos outils et répondent à voix haute.
Combien coûte Voxtral 3 ?
Selon la grille de Mistral, la transcription coûte de 0,0035 à 0,008 dollar la minute, la voix de synthèse 13 dollars par million de caractères, et l'API d'agent vocal complète 0,04 dollar la minute avec Mistral Small 4, ou 0,08 dollar avec un modèle plus gros. La téléphonie et l'intégration sont à ajouter.
Voxtral 3 parle-t-il français ?
Oui. La transcription couvre plus de 50 langues, dont le français, et la voix de synthèse plus de 35 langues et 50 dialectes. Mistral propose des voix prêtes à l'emploi en français de France.
Les données restent-elles en Europe ?
Mistral propose un point d'accès européen pour son API, et l'auto-hébergement sur votre infrastructure ou un cloud privé. Dans ce second cas, vous décidez si les conversations sont conservées. Vérifiez le point d'accès utilisé avant la mise en service.
Peut-on remplacer son standard téléphonique par Voxtral 3 ?
Voxtral 3 fournit les briques, pas un standard prêt à l'emploi. Il faut le brancher sur votre ligne, votre agenda et vos outils, écrire les règles de transfert vers un humain et tester sur de vrais appels. Commencez par un type d'appel simple, comme la prise de rendez-vous. Si vous préférez ne pas monter ça vous-même, Cortexa Agency installe un agent qui décroche pour vous (voir les formules).
Sources
- Voxtral 3, annonce de Mistral AI, 20 octobre 2026
- Documentation audio de Mistral
- Mistral launches Voxtral 3 with a voice agent SDK, TestingCatalog, 21 octobre 2026
- Mistral AI launches Voxtral 3, a full voice agent stack, The Decoder, 20 octobre 2026
- Règlement (UE) 2024/1689 sur l'intelligence artificielle, EUR-Lex