La voix redevient la façon la plus naturelle de parler à une machine, et cette bascule concerne d'abord les dirigeants, pas seulement les équipes techniques. Depuis un an, j'accompagne des CODIR et des managers sur l'entrée de l'IA dans leurs métiers, et la question vocale revient partout : centres de contact, communication interne, accès à l'information. Pour éviter les généralités, cet article part d'une source de première main, l'intervention de Mati Staniszewski, cofondateur d'ElevenLabs, à AI Ascent 2026 de Sequoia Capital, pour traduire ce signal en décisions concrètes. L'objectif : repartir avec une lecture claire de là où la voix crée de la valeur, et de là où elle n'est pas encore prête.

1. Pourquoi la voix devient l'interface de l'IA

La voix s'impose maintenant parce que les modèles audio savent enfin comprendre le contexte, restituer une émotion et répondre en temps réel, ce qui rend la parole plus rapide et plus naturelle que le clavier pour de nombreux usages. Pendant longtemps, l'audio est resté un domaine de niche, éclipsé par le texte et l'image. Ce n'est plus le cas.

1.1 Une origine très concrète

L'histoire d'ElevenLabs commence par une gêne quotidienne. En Pologne, les films étrangers sont longtemps narrés par une seule voix, en monotone, pour tous les personnages, hommes et femmes confondus. Ce détail a mis les fondateurs sur une piste simple : permettre à chacun de parler n'importe quelle langue avec la bonne intonation et la bonne émotion. De là, ils ont vu que le problème de l'audio se posait partout : contenus non disponibles à l'oral, barrières de langue, et demain des robots et des objets qu'il faudra bien piloter par la parole.

La voix sera l'interface première vers une grande partie de cette technologie. Mati Staniszewski, cofondateur d'ElevenLabs, AI Ascent 2026 (Sequoia Capital)

1.2 Une pile de modèles qui s'est complétée

ElevenLabs a d'abord résolu la synthèse vocale (transformer un texte écrit en parole juste), puis la transcription (passer de la parole au texte), avant de combiner les deux pour le doublage et la localisation. Sont venus ensuite les modèles en temps réel, qui rendent possibles les agents vocaux conversationnels, puis la musique. Point notable pour un dirigeant : cette montée en puissance s'est faite sans lever d'emblée des milliards, en monétisant vite pour rester indépendant. Le message : la brique technologique n'est plus le facteur limitant, l'usage l'est.

2. Ce que ça change pour la relation client

Pour la relation client, l'interface vocale IA déplace le premier contact du formulaire vers la conversation, et transforme chaque échange en une source d'information plus riche qu'un champ à remplir. Le cas connu de tous est le support : l'agent vocal remplace l'arborescence téléphonique et absorbe les demandes répétitives. Mais l'usage le plus stratégique est ailleurs.

2.1 De la prise d'appel à la génération de revenu

Le deuxième mouvement, ce sont les usages qui génèrent du revenu, en vente entrante comme sortante. Staniszewski cite Deliveroo, dont les agents vocaux appellent les restaurants pour capter leurs horaires d'ouverture, ce qui met ensuite à jour les livreurs et les clients. Côté entrant, il cite Deutsche Telekom : au lieu de dérouler un menu ou un formulaire, le prospect parle à un agent vocal pour se renseigner ou souscrire. L'agent ne remplace pas toute l'expérience, il en amplifie une partie.

2.2 L'insight qui intéresse un CODIR

Le point à retenir tient en une phrase : à l'oral, les gens en disent beaucoup plus qu'à l'écrit. Sur son propre tunnel de vente entrant, ElevenLabs observe que les personnes laissent davantage d'informations en parlant : elles décrivent leur cas d'usage, ce qui fonctionne, ce qui bloque, et les alternatives qu'elles évaluent. Cette matière permet ensuite de servir une bien meilleure expérience. La voix n'est donc pas qu'un canal plus rapide, c'est un capteur de signal client.

3. Communication interne et métiers

En interne, l'IA vocale et conversationnelle change moins l'outil que la répartition du travail : chaque équipe, même non technique, a besoin d'une compétence pour construire, et surtout pour contrôler. C'est le point d'organisation le plus instructif de l'intervention, et il vaut au-delà du seul sujet de la voix.

3.1 Une compétence technique dans chaque équipe

Chez ElevenLabs, les équipes non techniques (ressources humaines, commerce, juridique) comptent chacune un ingénieur, chargé de bâtir des automatisations et de faire monter les autres en compétence. La raison est lucide : comme tout le monde se met à générer des outils par IA, y compris sans être développeur, l'exigence se déplace vers la qualité de la relecture. Sécurité, implications d'infrastructure, justesse du résultat : quelqu'un doit vérifier. Cette bascule reconfigure les métiers plutôt qu'elle ne les supprime, un mouvement que je décris aussi pour le rôle de product manager augmenté par l'IA.

3.2 Automatiser la décision répétitive, pas la relation

Un exemple parlant pour un DRH ou un directeur commercial : les négociations internes récurrentes. Plutôt que d'arbitrer sans cesse les mêmes clauses (plafonds de responsabilité, garanties, remises), l'entreprise a introduit un système de points par taille de client, désormais automatisé. L'IA ne remplace pas le jugement, elle industrialise une décision cadrée pour libérer du temps sur ce qui compte. C'est exactement là que se joue la communication comme levier de performance : moins de friction administrative, plus de dialogue utile.

4. Un levier d'accessibilité sous-estimé

L'interface vocale IA lève trois barrières d'un coup : la langue, la lecture et l'écriture, et la disponibilité. C'est sans doute l'angle le plus sous-estimé par les directions, alors qu'il touche autant le client que le collaborateur et le citoyen.

4.1 Langue et présence humaine

Le doublage par IA fait tomber la barrière linguistique : Staniszewski raconte que l'acteur Matthew McConaughey a pu diffuser ses messages en espagnol et en portugais, permettant à sa famille hispanophone de l'entendre s'exprimer dans ces langues. Transposé en entreprise, cela veut dire une information interne ou une formation accessible dans la langue de chacun, avec la voix et l'intonation d'origine, pas une traduction froide.

4.2 Accès à l'information et formation continue

L'exemple le plus fort est public : le gouvernement d'Ukraine a déployé un agent vocal que les citoyens peuvent appeler pour obtenir des informations officielles, de l'aide éducative pour les enfants et des consignes de sécurité, y compris là où l'accès numérique manque. Côté apprentissage, ElevenLabs cite MasterClass et sa version interactive, ou la possibilité d'apprendre la négociation en négociant en direct au téléphone avec un formateur. Pour un dirigeant, la promesse est claire : un accès à l'information et à la montée en compétence disponible en continu, y compris pour les publics que l'écrit tient à distance. Cette qualité d'accès rejoint un fondamental humain, la qualité d'écoute chère à Carl Rogers, que la machine peut soutenir mais pas remplacer.

5. Les limites et les risques à connaître

La technologie est fiable sur l'information et le support, encore fragile sur l'émotion fine et la création haut de gamme, et elle ouvre un risque neuf d'usurpation vocale. Un dirigeant lucide cadre ces trois réalités avant de communiquer sur son projet.

5.1 Une intelligence en dents de scie

Staniszewski est direct sur ce que la voix ne sait pas encore bien faire. La combinaison de modèles fonctionne de façon fiable en support ; la vente entrante commence à marcher ; mais dès qu'on passe à une vraie interaction émotionnelle, ce n'est pas au point : la machine saisit mal l'émotion et reste un peu trop lente. Même logique côté musique : on obtient une bonne musique de production, pas un titre de tête de classement, même avec l'apport d'un artiste. Ces limites devraient se réduire d'ici un à deux ans, mais elles sont réelles aujourd'hui.

5.2 La confiance devient le vrai sujet

Le risque le plus structurant est celui de l'authentification. Quand chacun aura un agent vocal pour réserver, appeler ou transmettre une information de santé, il faudra un haut degré de certitude que l'interlocuteur est bien la personne qu'il prétend être. Staniszewski décrit un renversement : aujourd'hui on cherche à détecter l'IA ; demain on authentifiera l'humain réel et consentant, et l'on considérera par défaut que le reste est faux. Ce sujet de gouvernance rejoint celui de la souveraineté face aux agents IA : garder l'initiative humaine suppose des règles claires.

6. Comment s'en saisir sans gadget

Un dirigeant s'en saisit bien en partant d'un problème réel et mesurable, pas d'un outil à la mode, et en gardant l'humain responsable du résultat. Le piège le plus courant que je rencontre, c'est d'acheter un agent vocal pour avoir l'air moderne, puis de chercher un problème à lui donner. C'est l'ordre inverse qu'il faut suivre.

1. Partir d'un point de friction réel. Un standard saturé, un formulaire abandonné, une information dure d'accès. Le besoin d'abord, l'outil ensuite.
2. Choisir un périmètre étroit et mesurable. Un seul parcours, instrumenté dès le départ, avec une définition claire du succès avant de généraliser.
3. Garder l'humain dans la boucle. Escalade sur les cas sensibles ou émotionnels, supervision de la qualité, relecture des automatisations.
4. Poser une politique de confiance et d'authentification. Encadrer le clonage de voix, le consentement et la protection des données, authentifier l'identité sur les usages sensibles.
5. Cadrer la gouvernance et la montée en compétence. Embarquer une compétence technique dans les équipes métier et clarifier ce qui peut être automatisé seul et ce qui doit être supervisé.

La voix ne rend pas une organisation plus intelligente toute seule. Elle révèle surtout la qualité de vos décisions : là où elles sont claires, elle les accélère ; là où elles sont floues, elle amplifie le désordre.

Dernier point, contre-intuitif mais important : plus la voix devient omniprésente, plus l'interaction humaine directe prend de la valeur. Staniszewski le dit lui-même. Le rôle d'un dirigeant n'est pas de tout automatiser, c'est de choisir ce qui mérite de rester humain.