Guillaume Lample, cofondateur et directeur scientifique de Mistral AI, a annoncé ce mardi 20 octobre sur X l’arrivée de Voxtral 3. Il présente cette famille de modèles vocaux comme « SOTA », l’état de l’art dans le jargon. Quelques mois après l’annonce de son grand modèle de langage Large 4, la start-up parisienne vend cette fois aux entreprises de quoi faire décrocher une IA au téléphone. Et elle peut tourner sur les serveurs du client, qui garde alors ses appels chez lui.
Sur sa page de présentation, Mistral publie ses prix et une série de graphiques comparatifs. Ses modèles de transcription couvrent plus de 50 langues, sa synthèse vocale plus de 35. En mars 2026, Voxtral TTS, son premier modèle de synthèse vocale, n’en gérait que 9.
Quatre briques pour faire parler une IA au téléphone
La transcription repose sur deux modèles, Voxtral Small Transcribe 3 et Voxtral Mini Transcribe 3, qui traitent des fichiers audio en différé. Ils savent séparer les voix (qui a dit quoi) et s’aider d’une liste de mots techniques fournie par le client. La version Mini coûte 0,0035 dollar la minute, soit environ 19 centimes d’euro HT pour une heure d’audio.
Pour le direct, Voxtral Mini Transcribe Realtime 3 transcrit en moins d’une demi-seconde dans plus de 35 langues. Il repère aussi le moment où l’interlocuteur a fini sa phrase, pour que l’agent ne lui coupe pas la parole.
La synthèse vocale (ou TTS, pour text-to-speech) passe par Voxtral Mini TTS 3, en différé comme en streaming. Ses voix adaptent l’émotion, le débit et l’accentuation à la conversation.
Mistral la facture 13 dollars (environ 11,60 € HT) le million de caractères, soit quelques centaines de pages de texte.
Son option Pro Voice clone une voix de façon plus fidèle, mais demande 30 minutes d’enregistrement, quand Google clone une voix en 30 secondes avec Gemini 3.8 Flash TTS.
Le kit de développement (SDK) d’agent vocal assemble le tout, en s’appuyant sur LiveKit, une brique open source de communication audio en temps réel. Entre l’écoute et la réponse, un modèle de langage comme Mistral Small réfléchit et déclenche des actions dans d’autres logiciels (le tool calling), comme consulter une facture ou réserver un créneau.
Dans sa démo, l’agent lit une lettre de médecin en français et prend rendez-vous chez un dermatologue pour une patiente anglophone. Selon Guillaume Lample, Voxtral 3 fait aussi tourner la nouvelle API d’agents vocaux de Mistral.
Plus de 50 langues comprises
Les « plus de 50 langues » du titre de Mistral concernent la transcription, dont les 24 langues officielles de l’UE et plusieurs langues asiatiques et indiennes peu dotées en données d’entraînement. La voix couvre plus de 35 langues, et les voix prêtes à l’emploi n’existent qu’en 18. Pour un service client international, un agent pourra donc comprendre des langues dans lesquelles il ne sait pas répondre.
Chez les concurrents, ElevenLabs revendique plus de 90 langues pour Eleven v4, annoncé le 28 septembre. OpenAI, lui, a attendu Live 1.1 pour que ChatGPT parle français sans accent américain.
Sur la transcription, Mistral publie des taux d’erreur mesurés sur FLEURS, un jeu de test public, pour 45 langues. Voxtral Small Transcribe 3 y rate environ 4 mots sur 100, à égalité avec Microsoft AI Transcribe 2 et loin devant Whisper large-v3 d’OpenAI (16 %). Microsoft avance d’ailleurs sur une IA qui transcrit les paroles avant même la fin des phrases.
Pour la voix, les comparaisons sont des évaluations internes, notées par Gemini 3.8 Flash, l’IA de Google utilisée comme juge. Le test multilingue ne porte que sur 11 langues. Pour Large 4, il avait fallu attendre des benchmarks indépendants pour confronter les chiffres maison.
L’installation sur ses propres serveurs reste l’argument souverain de Mistral, qu’OVHcloud veut aussi lui disputer. Son fondateur Octave Klaba promet son propre modèle open source et tacle Mistral au passage.
Voxtral 3 est disponible dès ce mardi via l’API de Mistral, sur des serveurs européens, américains ou mondiaux. Les agents vocaux, la transcription et le clonage de voix s’essaient dans les Playground du Studio de Mistral.
Utilisez-vous Google News (Actualités en France) ? Vous pouvez suivre vos médias favoris. Suivez Frandroid sur Google.
Pour nous soutenir gratuitement, dites simplement à Google d’ajouter Frandroid à vos sources préférées en cliquant ici.
Ce contenu est bloqué car vous n'avez pas accepté les cookies et autres traceurs. Ce contenu est fourni par Disqus.
Pour pouvoir le visualiser, vous devez accepter l'usage étant opéré par Disqus avec vos données qui pourront être utilisées pour les finalités suivantes : vous permettre de visualiser et de partager des contenus avec des médias sociaux, favoriser le développement et l'amélioration des produits d'Humanoid et de ses partenaires, vous afficher des publicités personnalisées par rapport à votre profil et activité, vous définir un profil publicitaire personnalisé, mesurer la performance des publicités et du contenu de ce site et mesurer l'audience de ce site (en savoir plus)
En cliquant sur « J’accepte tout », vous consentez aux finalités susmentionnées pour l’ensemble des cookies et autres traceurs déposés par Humanoid et .
Vous gardez la possibilité de retirer votre consentement à tout moment. Pour plus d’informations, nous vous invitons à prendre connaissance de notre Politique cookies.