Choisir la Voix et la Personnalité

Cinq voix, cinq impressions

Le Voice Agent de Grok met cinq voix à votre disposition, chacune avec son timbre et son tempérament. Ce choix n’est pas un détail cosmétique : avant même d’avoir écouté la première phrase, l’utilisateur s’est déjà fait une idée de qui lui parle. Une voix énergique sur un message d’annulation de commande sonne faux ; une voix grave et posée sur une démo produit endort la salle.

Déclarer la voix

La voix se choisit dans le champ voice du message session.update, et cela tient en trois lignes :

{
  "type": "session.update",
  "session": {
    "voice": "Rex"
  }
}

Le nom est insensible à la casse, "Eve", "eve" et "EVE" désignant la même voix ; si vous ne précisez rien, c’est Eve qui parle. Comme pour le reste de la configuration, un nouveau session.update en cours de conversation suffit à changer de voix, le changement s’appliquant à la réponse suivante. C’est le mécanisme qui permet, dans un parcours d’accueil téléphonique, de passer d’une voix d’accueil dynamique à une voix plus posée dès que l’appel bascule vers un sujet sensible.

Faire correspondre le timbre et le comportement

La voix ne fait que la moitié du travail : elle donne le grain, tandis que les instructions donnent la conduite. Une voix chaleureuse qui débite des réponses sèches produit une dissonance que l’utilisateur ressent sans savoir la nommer. Les trois configurations qui suivent montrent trois alignements cohérents entre timbre et rôle.

Pour un service client, Ara accompagne un ton patient et une porte de sortie vers un humain :

{
  "type": "session.update",
  "session": {
    "voice": "Ara",
    "instructions": "Vous êtes une assistante du service client de la boutique Maison Verte. Vous êtes patiente, empathique et toujours prête a trouver une solution. Utilisez un langage simple et rassurant. Si vous ne pouvez pas résoudre un problème, proposez de transférer vers un conseiller humain."
  }
}

Pour un tutoriel technique, Rex sert une consigne de structure et de précision, sans chaleur superflue :

{
  "type": "session.update",
  "session": {
    "voice": "Rex",
    "instructions": "Vous êtes un formateur technique spécialisé en developpement web. Expliquez les concepts de manière structurée, avec des exemples concrets. Soyez précis et direct. Proposez des exercices pratiques quand c'est pertinent."
  }
}

Pour un parcours d’intégration en entreprise, Leo porte une autorité que les instructions tempèrent de bienveillance et de vérifications régulières :

{
  "type": "session.update",
  "session": {
    "voice": "Leo",
    "instructions": "Vous êtes le formateur officiel du programme d'integration des nouveaux collaborateurs. Présentez les informations avec autorité mais bienveillance. Suivez le programme dans l'ordre et vérifiez la compréhension apres chaque point."
  }
}

Comment trancher

Quatre considérations reviennent à chaque projet. La première est la cohérence avec la marque : une startup tech décontractée se reconnaîtra dans Eve ou Sal, une banque dans Rex ou Leo, et l’inverse crée un décalage immédiat. La deuxième est le contexte d’utilisation, qui prime parfois sur la marque — un assistant nocturne ou de bien-être appelle Sal, un standard téléphonique gagne à rassurer avec Ara. La troisième est la durée d’interaction : sur des sessions longues, les voix douces comme Ara ou Sal fatiguent moins l’oreille qu’une voix marquée. La quatrième, la plus importante, est que la perception d’une voix reste subjective. Faites écouter trois candidates à une poignée d’utilisateurs réels avant de figer votre choix ; l’exercice prend une heure et évite de découvrir après le lancement que la voix retenue agace la moitié de vos clients.

Ce que l’oral change dans vos prompts

Passer à la voix invalide certaines habitudes d’écriture de prompts et en impose d’autres. La brièveté devient une contrainte dure : visez une à trois phrases par réponse, car dix phrases lues à haute voix sont insupportables alors qu’elles passaient très bien à l’écran. Le rythme entre en jeu — indiquez à l’agent où marquer une pause pour laisser l’utilisateur réagir, sous peine d’un monologue ininterrompu. Les questions ouvertes, efficaces par écrit, désorientent à l’oral : préférez « Voulez-vous que je vérifie votre commande ? » à « Que puis-je faire pour vous ? ». Enfin, prévoyez le cas de l’incompréhension. Un agent qui demande « Pourriez-vous répéter ? » vaut mieux qu’un agent qui devine, parce qu’à l’oral une erreur d’interprétation coûte deux tours de parole à corriger.

Points clés à retenir

• Cinq voix sont disponibles : Eve, Ara, Rex, Sal et Leo, chacune avec un ton distinct
• Le choix de la voix est modifiable en cours de session sans couper la connexion
• Les instructions doivent être adaptées au format oral : réponses courtes, questions fermées, gestion des incompréhensions
• Alignez la voix avec votre marque, le contexte d’usage et la durée des interactions