En bref
Le speech analytics repère des éléments dans les appels enregistrés : mots, expressions, silences, nombre d'occurrences de mots-clés. La conversation intelligence les comprend : ce que voulait le client, ce qu'il ressentait, si une règle a été respectée et ce qu'il faut faire ensuite, à la voix comme à l'écrit. Ce basculement a une cause mesurable. Le taux d'erreur sur les mots en parole téléphonique conversationnelle est passé de 18,5 % en 2011 à 5,1–5,8 % en 2017, contre 5,9 % pour des transcripteurs professionnels, et les modèles de langage savent désormais lire une transcription comme le ferait une personne. Les benchmarks ne sont toutefois pas votre centre de contact. Ce guide retrace l'histoire de la catégorie, propose une comparaison point par point, des données d'adoption et cinq questions pour choisir un outil.
Les deux termes désignent des logiciels qui analysent les conversations avec les clients. La différence tient à ce qu'ils produisent. Le speech analytics (analyse de la parole) a été conçu pour repérer des éléments dans les appels enregistrés : mots, expressions, silences, évolution du nombre de mots-clés. La conversation intelligence est conçue pour les comprendre : ce que voulait le client, ce qu'il ressentait, si une règle a été respectée, ce qu'il faut faire ensuite, à la voix comme à l'écrit.
Le passage de l'un à l'autre est récent et a une cause mesurable : la transcription est devenue suffisamment précise, et les modèles de langage suffisamment performants, pour lire une conversation comme le ferait une personne.
Chiffres clés
| Indicateur | Valeur | Source |
|---|---|---|
| Taux d'erreur sur les mots de la reconnaissance vocale en parole téléphonique conversationnelle, 2011 | 18,5 % | Microsoft Research (Seide et al.) |
| Même benchmark, 2017 | 5,1–5,8 %, contre 5,9 % pour des transcripteurs professionnels | Microsoft Research (Xiong et al.) |
| Centres de contact ayant mis en place le speech analytics, 2016 → 2020 | 9,2 % → 21,4 % | Enquêtes Call Centre Helper |
| Grandes structures utilisant le speech analytics pour le contrôle qualité, 2022 | 79 % | Benchmark COPC |
| Marché du speech analytics, 2024 → 2029 (prévision) | 3,3 Md$ → 7,3 Md$ | MarketsandMarkets |
| Part de la voix entrante + sortante dans les interactions des centres de contact, 2024 | ~68 % | Enquête Call Centre Helper |
1. Deux générations d'une même idée
Speech analytics (années 2000–2010)
La première génération est apparue au début des années 2000. Nexidia, issue des travaux de Georgia Tech sur l'indexation phonétique, a été fondée en 2000 et rachetée par NICE en 2016 pour 135 M$, présentée alors comme un fournisseur d'analyse des interactions. CallMiner a été fondée en 2002 ; Utopy, autre éditeur d'analyse de la parole et du texte, a été rachetée par Genesys en 2013.
Deux techniques dominaient :
- La recherche phonétique associait des sons plutôt que des mots. Rapide, mais aveugle au contexte : comme l'expliquait un expert de Verint en 2010, « cancel » et « can sell » sonnent quasiment de la même façon pour un moteur phonétique.
- La transcription à grand vocabulaire produisait des transcriptions, mais les taux d'erreur sur de vrais enregistrements téléphoniques étaient élevés ; l'analyse reposait donc sur le repérage de mots-clés et d'expressions, puis sur leur comptage.
Le résultat prenait généralement la forme d'un tableau de bord : combien d'appels ont mentionné « résiliation » cette semaine, quelle était la durée des silences, quels conseillers coupaient la parole aux clients.
Conversation intelligence (fin des années 2010 à aujourd'hui)
Deux choses ont changé.
La transcription a rattrapé l'humain. Sur le benchmark Switchboard de parole téléphonique conversationnelle, Microsoft annonçait un taux d'erreur sur les mots de 18,5 % en 2011. En 2017, IBM atteignait 5,5 %, et Microsoft annonçait 5,8 % contre 5,9 % pour des transcripteurs humains professionnels, puis 5,1 %. En 2022, Whisper d'OpenAI, entraîné sur 680 000 heures d'audio, était décrit comme approchant la précision et la robustesse humaines dans de nombreuses langues.
Figure 1. Le taux d'erreur sur les mots en parole téléphonique conversationnelle a baissé d'environ 70 % entre 2011 et 2017.
Les benchmarks ne sont pas votre centre de contact : les vrais appels comportent des accents, du bruit et du jargon, et les résultats varient. Mais l'ordre de grandeur a changé, et avec lui ce que l'on pouvait construire par-dessus.
Les modèles de langage ont rendu les transcriptions lisibles par les machines. À partir d'une transcription fiable, un modèle peut répondre à des questions qu'une liste de mots-clés ne peut pas traiter : Le client a-t-il accepté l'offre, ou a-t-il simplement dit « OK » ? Le délai de rétractation a-t-il été expliqué, même si le conseiller a employé d'autres mots ? Quel est le véritable motif de l'appel ?
Les analystes ont suivi. La Wave de Forrester consacrée à la conversation intelligence pour le service client décrit ces outils comme des logiciels qui analysent les conversations orales et écrites entre conseillers et clients, y compris le contrôle qualité automatisé. Gartner publie désormais un Market Guide for Conversation Analytics Platforms, consacré à l'extraction d'enseignements à partir de conversations en langage naturel sur l'ensemble des canaux de service.
2. Comparaison point par point
| Speech analytics | Conversation intelligence | |
|---|---|---|
| Question centrale | « Quels appels contiennent X ? » | « Que s'est-il passé, et que devons-nous faire ? » |
| Données d'entrée | Principalement des enregistrements vocaux | Voix et texte (chat, e-mail, messagerie) |
| Technique | Recherche phonétique, repérage de mots-clés, métriques acoustiques | Transcription précise + modèles de langage + règles |
| Format du résultat | Comptages, occurrences, scores par mot-clé | Champs structurés par conversation : motif, sentiment, issue, points de conformité, action suivante |
| Utilisateurs types | Analystes, spécialistes qualité | Managers, qualité, conformité, CX, produit, direction |
| Mise en place | Construire et maintenir des listes de mots-clés et des requêtes | Décrire catégories et règles en langage courant, tester sur de vrais appels |
| Points forts | Signaux acoustiques (silences, chevauchements de parole), outils matures | Sens, contexte, multilingue, preuves avec citations |
| Points faibles | Contexte, synonymes, langues, faux positifs | Dépend de la qualité de la transcription ; la précision des résultats doit être testée |
Aucun des deux termes n'est employé de façon parfaitement cohérente. Certains éditeurs appellent « speech analytics » des produits fondés sur des LLM, et certains outils de conversation intelligence ne mesurent pas du tout l'acoustique. Demandez ce que le produit produit concrètement.
3. Adoption : tout dépend de qui vous interrogez
Figure 2. Les enquêtes grand public indiquent environ un centre de contact sur cinq ; les grandes structures sont nettement en avance.
Les enquêtes grand public de Call Centre Helper montrent que la mise en place du speech analytics est passée de 9,2 % en 2016 à 21,4 % en 2020. En 2015, DMG Consulting et ContactBabel estimaient l'adoption de l'analyse des interactions à un peu moins de 20 %. Le benchmark 2022 de COPC portant sur de grandes structures matures relevait que 79 % utilisaient le speech analytics pour le contrôle qualité. L'écart reflète surtout les échantillons : les grandes structures ont adopté tôt, le marché dans son ensemble bien plus tard.
Le marché continue de croître. MarketsandMarkets estime le marché du speech analytics à 3,3 Md$ en 2024, avec une prévision de 7,3 Md$ d'ici 2029. Les estimations pour la « conversation intelligence » varient fortement d'un cabinet à l'autre (d'environ 13 Md$ à 24,5 Md$ dans les rapports récents), car chacun définit le marché différemment ; à prendre avec prudence.
Figure 3. Marché du speech analytics, estimations et prévisions de MarketsandMarkets.
4. La voix concentre toujours le volume
Le passage à la « conversation » ne signifie pas que le téléphone décline. Dans l'enquête 2024 de Call Centre Helper, la voix entrante représentait encore plus de 53 % des interactions et la voix sortante 15 %, contre 17 % pour l'e-mail et 7 % pour le chat en direct. Les études américaines de ContactBabel montrent que la préférence pour le téléphone en cas de problème complexe est passée de 28 % en 2018 à un pic de 47 % en 2024.
Figure 4. La voix porte toujours l'essentiel du volume des centres de contact.
Conséquence pratique : un outil de conversation intelligence qui traite bien l'écrit mais mal la voix passe à côté de l'essentiel du volume, et un outil de speech analytics incapable de lire le chat et l'e-mail passe à côté du reste.
5. Comment choisir : cinq questions
- Quelle décision l'outil doit-il éclairer ? Coaching, preuves de conformité, prévention de l'attrition, reporting à la direction ? Choisissez l'outil selon ce qu'il produit, pas selon son étiquette.
- Avez-vous besoin de signaux acoustiques ? Si les taux de silence et les chevauchements de parole sont au cœur de votre contrôle qualité, vérifiez-les explicitement. Beaucoup d'outils fondés sur des LLM se concentrent sur ce qui a été dit.
- Qui va le paramétrer ? Les bibliothèques de mots-clés demandent des spécialistes. Des catégories et des règles en langage courant peuvent être prises en main par les métiers, à condition de pouvoir tester la précision avant la mise en production.
- Chaque résultat est-il traçable ? Un score ou une tendance n'est utile que si un manager peut remonter jusqu'à la citation exacte.
- Langues et hébergement. Pour les équipes européennes : combien de langues, comment fonctionne la traduction, et où les données et la transcription sont traitées.
La place d'Intract
Intract est une couche de conversation intelligence. Elle transcrit les appels dans plus de 40 langues (point de terminaison de transcription dans l'UE), puis produit des champs structurés pour chaque interaction : résumé, impact business, sentiment, urgence, risque d'attrition et plan d'action. Les équipes ajoutent leur propre logique sans code (classificateurs, checklists structurées, règles), en testent la précision sur leurs propres appels, et obtiennent des tableaux de bord, des rapports sourcés et des alertes Microsoft Teams. Atlas, l'assistant intégré, répond en langage courant aux questions sur les données et produit des documents PowerPoint, Excel, Word, PDF ou HTML.
Sources : Aircall et Vonage en natif ; toute conversation audio ou écrite via l'API.
FAQ
La conversation intelligence, est-ce simplement du speech analytics avec de l'IA ? Techniquement, elle repose sur la même idée. En pratique, le résultat change : on passe de comptages de mots-clés à des réponses structurées pour chaque conversation.
Avons-nous encore besoin de règles par mots-clés ? Parfois. Les expressions exactes (un nom de produit, une formule légale) restent bien servies par des règles par mots-clés ; la plupart des autres questions se posent mieux en langage courant.
La transcription est-elle assez précise pour la conformité ? Les taux d'erreur des benchmarks sont désormais proches du niveau humain, mais mesurez-les sur vos propres appels : testez tout contrôle automatisé sur des exemples validés par des humains avant de vous y fier.
Méthodologie et sources
Les chiffres de marché sont des estimations et prévisions d'analystes, pas des totaux audités. Les enquêtes d'adoption reposent sur des échantillons différents (marché général contre grandes structures) et sont présentées séparément.
- CMSWire, NICE grabs Nexidia (2016) ; destinationCRM, Genesys acquires Utopy (2013)
- Call Centre Helper, How does speech analytics work? (2010) ; Speech analytics 2020 edition ; Voice dominates contact centres (2024)
- Microsoft Research, Seide et al. 2011 ; Xiong et al. 2017 ; MSR-TR-2017-39
- IBM, Saon et al. 2017 ; OpenAI, Whisper (2022)
- Forrester, The 2023 CICS Forrester Wave ; Gartner, Market Guide for Conversation Analytics Platforms (2024)
- destinationCRM, The age of speech analytics (2015) ; COPC, Global Benchmarking 2022: QA
- MarketsandMarkets, Speech Analytics Market (2024)
- Contact Center Pipeline, The return to voice (2026, données ContactBabel)