Eleven v4 parle arabe en 100 millisecondes. Le plus dur, c'est ce qu'il dit à votre client

ElevenLabs Eleven v4 : une voix de machine plus rapide et plus expressive en arabe

Le 28 septembre 2026, ElevenLabs a lancé deux nouveaux modèles de synthèse vocale : Eleven v4, son modèle le plus qualitatif et le plus expressif, et Eleven v4 Turbo, conçu pour la conversation en temps réel avec une latence de génération médiane d'environ 100 millisecondes. Les deux prennent en charge plus de 90 langues, dont l'arabe, et leurs prix d'API bénéficient d'une remise de 72 % jusqu'au 12 octobre. Ce qu'il faut en retenir pour un dirigeant : la voix elle-même n'est plus ce qui vous sépare d'un standard automatisé capable de répondre au téléphone. Le véritable obstacle, ce sont désormais les informations sur lesquelles il s'appuie, les règles qui encadrent ce qu'il dit, et le moment où il passe l'appel à une personne.

Qu'a-t-on exactement annoncé ?

D'après la page des modèles dans la documentation officielle de l'entreprise, la sortie est une famille de deux modèles :

• Eleven v4 : le modèle haut de gamme, destiné aux voix off, aux dialogues à plusieurs voix, aux livres audio et aux projets multilingues. Une seule requête accepte jusqu'à 10 000 caractères, soit environ 10 minutes d'audio, contre 5 000 caractères dans la génération précédente, v3.
• Eleven v4 Turbo : une version temps réel avec une latence de génération médiane d'environ 100 millisecondes, dont les usages mis en avant par l'entreprise placent en tête les agents de support client et les assistants IA.

La couverture linguistique est passée de plus de 70 langues dans v3 à plus de 90, et les deux modèles prennent en charge des balises audio qui contrôlent le débit et le ton. TechCrunch rapporte que le modèle peut cloner une voix à partir d'un échantillon de 10 secondes, et que les plus grands gains de qualité concernent le japonais, le portugais brésilien, le mandarin et le cantonais : l'arabe n'était donc pas l'une des langues mises en avant par l'annonce.

Combien cela coûte-t-il réellement ?

ElevenLabs facture son API en dollars américains pour 1 000 caractères. Sur la page tarifaire officielle, Eleven v4 coûte 0,022 $ au lieu de 0,08 $, et Turbo 0,011 $ au lieu de 0,04 $, la remise courant jusqu'au 12 octobre. Comme la documentation estime 10 000 caractères à environ 10 minutes d'audio, une règle approximative veut que chaque minute de parole nécessite environ 1 000 caractères.

Un exemple concret : une ligne de service client où l'agent vocal parle 1 000 minutes par mois consomme environ un million de caractères. Une fois la remise terminée, la voix coûte environ 40 $ par mois avec Turbo et environ 80 $ avec v4. Et ce n'est que la voix : le modèle de langage qui décide de la réponse, la transcription de ce que dit le client, la ligne téléphonique et l'intégration à vos systèmes sont des coûts distincts, et représentent en général la plus grosse part de la facture.

Où cela peut-il aider votre entreprise ?

• Répondre aux appels en dehors des heures d'ouverture : prendre un rendez-vous en clinique, vérifier l'état d'une commande, ou se renseigner sur les horaires et l'adresse, sans les longs menus téléphoniques du type « tapez 1, tapez 2 ».
• Voix off pour vos contenus : vidéos produit, formations internes et visites guidées de vos systèmes pour les nouveaux employés, en arabe et en anglais, avec une voix identique dans toutes les vidéos et sans réserver un studio à chaque fois.
• Toucher plus de monde : lire à voix haute des contenus écrits pour ceux qui préfèrent écouter, ou servir les travailleurs expatriés dans leur propre langue, comme l'ourdou, l'hindi et le filipino, tous présents sur la liste des langues prises en charge.

Avant qu'une voix de machine réponde à vos clients

Une meilleure qualité vocale rend les erreurs plus convaincantes, pas moins. Un agent qui parle d'un ton humain et assuré, puis donne au client un rendez-vous qui n'existe pas, est pire qu'un menu téléphonique ennuyeux. C'est pourquoi nous commençons par ces questions avec nos clients avant de choisir un fournisseur :

• D'où viennent ses réponses ? L'agent doit lire en direct dans votre système de réservation, de stock ou de commandes, et non dans un script figé écrit une fois pour toutes. Nous l'avons expliqué dans la construction d'une base de connaissances d'entreprise pour l'IA.
• Quand passe-t-il le relais à une personne ? Les réclamations, les montants élevés et les clients en colère vont immédiatement à un humain, accompagnés d'un résumé de la conversation. Les détails dans le passage d'une conversation de l'assistant à vos équipes.
• L'accent convient-il à vos clients ? La documentation mentionne l'arabe sans détailler les dialectes : testez-le donc avec des scripts tirés de vos appels réels : noms de quartiers, noms de vos produits, chiffres et dates hégiriennes.
• Et les données et le consentement ? Les enregistrements d'appels et leurs transcriptions sont des données personnelles régies par la loi sur la protection des données personnelles (PDPL), et cloner la voix d'un employé exige son consentement explicite. Voir les conversations clients et l'IA au regard de la PDPL.
• Le client sait-il qu'il parle à une machine ? L'annoncer dès la première phrase protège la confiance, d'autant que les voix clonées sont devenues un outil de fraude connu, comme nous l'avons traité dans protéger votre entreprise contre la fraude par deepfake.

Faut-il basculer maintenant ?

Si vous avez déjà un système qui tourne sur v3 ou Multilingual v2 et qui fait le travail, rien ne presse. La documentation indique qu'Eleven v4 est disponible via l'API Text to Dialogue et Turbo via sa connexion websocket : vérifiez donc que votre intégration actuelle le prend en charge avant de basculer. Le meilleur réflexe est d'utiliser la fenêtre de remise pour mener un test comparatif sur un échantillon de vos scripts réels, puis de décider à partir des résultats et du prix plein, pas du prix temporaire.

Comment nous le construisons chez Origami

Nous traitons le moteur vocal comme une pièce remplaçable, pas comme la fondation du système. La logique qui décide de ce qui est dit, l'intégration aux systèmes de réservation, de facturation et de stock, le journal des appels et les règles de transfert sont tous construits de votre côté et sous votre contrôle. Vous pouvez ainsi essayer Eleven v4 aujourd'hui et passer demain à un autre fournisseur si le prix change ou si un modèle mieux adapté au dialecte de vos clients apparaît, sans tout reconstruire. Si vous partez de zéro, notre article sur l'IA vocale dans le service client dresse le tableau complet.

Notre conseil pratique : choisissez un parcours étroit, par exemple la confirmation des rendez-vous ou la vérification de l'état d'une commande, faites-le tourner pendant deux semaines sur une partie de vos appels, puis mesurez combien d'appels se sont terminés sans transfert, le taux d'erreur et la satisfaction client. Des chiffres réels tirés de vos propres appels sont plus honnêtes que n'importe quel classement dans un tableau comparatif.

Sources

• ElevenLabs : page des modèles dans la documentation officielle
• ElevenLabs : tarifs de l'API
• TechCrunch : lancement d'Eleven v4 (28 septembre 2026)