La voix Grok : agents vocaux et 21 nouvelles voix
Mis à jour le 28 juillet 2026
Le pôle vocal de xAI a longtemps été le parent discret de la gamme : une API solide, documentée, mais réservée de fait aux équipes capables de développer. Début juillet 2026, deux annonces successives ont changé cette donne, et elles méritent d’être lues ensemble, parce qu’elles dessinent deux portes d’entrée distinctes vers le même produit.
Deux annonces, deux publics
La première est tombée le 1er juillet : le Voice Agent Builder. L’outil promet la création d’un agent vocal personnalisé « en moins de 2 minutes, sans une ligne de code ». Concrètement, vous définissez le rôle de l’agent, choisissez sa voix, lui fournissez ses connaissances, puis vous le déployez — le tout depuis une interface, sans écrire de code. C’est précisément le public qui manquait à l’offre vocale de xAI : le responsable métier qui veut prototyper une hotline ou un standard automatisé sans mobiliser une équipe de développement. L’API, elle, ne disparaît pas ; elle reste la voie des intégrations profondes, celles où l’agent vocal doit dialoguer avec votre CRM ou votre système de tickets.
Cinq jours plus tard, le 6 juillet, xAI a annoncé 21 nouvelles voix multilingues « flagship » pour Grok Voice, et amélioré au passage le naturel des cinq voix d’origine. Pour un lecteur francophone, c’est l’élargissement multilingue qui compte : un agent vocal en français n’est crédible que si la voix elle-même l’est. Avant de figer un choix pour un projet, prenez le temps d’écouter les voix disponibles dans votre langue cible — le rendu varie sensiblement d’une voix à l’autre, et changer de voix après le lancement d’un service client est toujours plus délicat que de bien choisir au départ.
Ce que coûte la Voice API
La grille tarifaire publiée sur docs.x.ai (relevé du 28 juillet 2026) tient en quatre lignes, et c’est une donnée réellement tabulaire :
| Brique | Tarif |
|---|---|
| Agent vocal (temps réel) | 3 $ de l’heure |
| Synthèse vocale (TTS) | 15 $ par million de caractères |
| Transcription par lot (STT batch) | 0,10 $ de l’heure |
| Transcription en continu (STT streaming) | 0,20 $ de l’heure |
La ligne la plus intéressante est la première, et pas seulement pour son montant. L’agent vocal est facturé à l’heure, pas au token. La conséquence directe : le budget d’un centre d’appel ou d’une hotline se calcule sur un coin de table. Si votre service traite 200 heures de conversation par mois, vous savez que la facture sera de 600 $ — quelle que soit la verbosité des échanges, quelle que soit la complexité des réponses. C’est un modèle de coût que les directions financières comprennent immédiatement, là où une facturation en tokens exige des projections toujours fragiles.
L’écart entre les deux modes de transcription raconte lui aussi quelque chose. La transcription par lot coûte 0,10 $ de l’heure, la transcription en continu 0,20 $ : le temps réel coûte exactement le double. C’est le schéma classique de toute l’industrie, et il commande un réflexe simple : ne payez le streaming que là où l’immédiateté sert vraiment l’usage. Sous-titrer une réunion en direct justifie le temps réel ; transcrire des enregistrements d’appels pour analyse a posteriori ne le justifie jamais — le lot fait le même travail pour moitié prix.
Ce que cela change pour vos acquis
Si vous avez suivi nos formations « Grok Voix & Audio », « Voice Agent API » et « TTS API », rien de ce que vous y avez appris n’est périmé. La mécanique d’implémentation — WebSocket temps réel, détection d’activité vocale (VAD), formats audio — reste exactement celle décrite dans ces cours. Ce qui s’ajoute, c’est une couche au-dessus : un outil sans code pour prototyper vite, un catalogue de voix nettement élargi, et la grille tarifaire ci-dessus, à jour, qui vous permet de chiffrer un projet avant d’écrire la première ligne.
En pratique, la bonne démarche pour une équipe qui découvre le sujet consiste désormais à prototyper dans le Voice Agent Builder — deux minutes suffisent pour entendre ce que donnerait votre cas d’usage — puis, si le prototype convainc, à basculer sur l’API pour l’intégration réelle. L’ordre inverse, commencer par le code, n’a plus de raison d’être pour valider une idée.
Source officielle : docs.x.ai/docs/models et x.ai/news
Points clés à retenir
- Voice Agent Builder : créer un agent vocal sans code (1er juillet)
- 21 nouvelles voix multilingues, les 5 originales améliorées (6 juillet)
- Agent vocal : 3 $ de l’heure — un budget qui se calcule en temps, pas en tokens
- Transcription : 0,10 $/h en lot, 0,20 $/h en continu — payez le temps réel à bon escient