Options pour effectuer une transcription d’appels avec l’intelligence artificielle

L’intelligence artificielle n’est pas une avancée technologique apparue du jour au lendemain ; mais c’est aujourd’hui qu’il est sur toutes les lèvres, générant ainsi un grand débat de société. Bien que dans cet article nous n’accordons pas les questions qui sont actuellement débattues dans la rue à ce sujet, nous allons analyser l’un des nombreux avantages que son utilisation peut apporter à votre entreprise. En ce sens, nous allons parler de transcription d’appels.

La transcription des appels a toujours consisté à exprimer manuellement par écrit ce qui a été dit lors d’un appel, soit à ce moment précis, soit à partir d’un enregistrement. Et pourquoi est-ce important ? Facile et simple, car il a toujours servi à améliorer la satisfaction des clients.parties prenantes, notamment de la part des clients. Transformer le contenu et les points clés d’une conversation téléphonique en un document écrit n’est pas la même chose que de les laisser responsables de notre capacité de mémorisation. Autrement dit, lorsqu’un client perçoit que ses données, problèmes, suggestions ou opinions sont collectées et suivies par l’entreprise, sa satisfaction augmente. Et plus l’évaluation de l’expérience client est bonne, plus la réussite commerciale est grande.

Et qu’a réalisé l’intelligence artificielle ? rendre le processus plus facile pour nous. Il ne nous reste plus qu’à parler au téléphone avec nos interlocuteurs.; le reste entre vos mains.

Les progrès de l’intelligence artificielle, notamment en matière de traitement du langage naturel (NLP) et de grands modèles linguistiques (LLM), ont donné naissance à des systèmes de reconnaissance vocale qui permettent d’automatiser la conversion écrite de ce qui est dit avec une extrême précision. De plus, ces systèmes de transcription automatique permettent d’associer une longue liste d’applications qui maximisent la valeur ajoutée de votre entreprise.

D’une manière générale, on peut dire qu’il existe trois alternatives basées sur l’intelligence artificielle pour réaliser des transcriptions automatiques : Créer votre propre solution en utilisant un modèle open source (À quoi ressemble le Whisper ASR d’OpenAI ?), via des API (telles que Open AI ou Google) ou faire appel à un service auprès d’une entreprise qui propose ces solutions directement intégrées aux outils de communication de l’entreprise (comme Fonvirtual).Dans cet article, nous allons comparer les options et étudier les avantages et les inconvénients de chacune afin que chacun puisse évaluer celle qui correspond le mieux aux besoins de son entreprise.

Transcription d’appels via un modèle open source

L’intelligence artificielle proposée par certains modèles open source se distingue par sa grande polyvalence et sa précision dans la reconnaissance vocale. Leur avance dans les modèles linguistiques et l’apprentissage séquence par séquence ouvrent un éventail de possibilités très attractif pour les entreprises, car ils permettent de créer une grande variété d’applications vocales telles que des services de transcription, des assistants virtuels ou l’analyse de la parole, ce qui se traduit par de nouvelles possibilités pour l’utilisateur. interactions avec la technologie.

De par sa nature, l’utilisation de modèles open source offre une liberté d’adaptation qui permet aux développeurs de modifier le système pour répondre à des besoins ou exigences spécifiques. Par exemple, ils permettent l’optimisation opérationnelle, puisqu’ils identifient les domaines à améliorer et analysent la gestion des ressources pour augmenter l’efficacité des opérations productives afin de maximiser les résultats et de minimiser les ressources utilisées ; Ils vous permettent de débloquer des informations précieuses qui, dans la plupart des cas, ont été négligées ; en plus de nous permettre de prédire les nouveaux besoins des utilisateurs, les tendances du marché ou les problèmes qui devraient être éradiqués.

Cependant, ils ont aussi des limites. Les entreprises doivent se demander si elles disposent de suffisamment d’expertise interne pour développer une application open source à partir de zéro. Il est très facile de tomber dans le piège et de ne pas pouvoir évoluer comme prévu car ces modèles sont innovants, mais aussi intransigeants, et nécessitent des mises à jour constantes et des allocations de ressources importantes.

Combien coûte un modèle open source ?

Est-il vraiment toujours moins cher d’héberger et d’utiliser un modèle open source que d’opter pour d’autres options ? Tout dépend du cas spécifique de votre entreprise, mais, en général, pour celles qui sont constituées d’un réseau complexe – qui a besoin de retranscrire un grand volume de contenu – héberger un modèle open source finit par coûter plus cher. Le coût total de possession requis pour héberger, optimiser et maintenir le modèle open source à grande échelle doit être pris en compte.

Il est vrai que faire fonctionner un modèle open source est tout à fait abordable, mais attention ! Il faut bien plus pour créer votre propre solution interne utilisant un logiciel ouvert.

Facteurs à prendre en compte dans le coût total :

• Hébergement:Le coût de fonctionnement du CPU – responsable du traitement du texte saisi, de l’application des algorithmes NLP et de la génération de la sortie vocale – et des GPU, qui sont utilisés pour accélérer les algorithmes NLP, est important en raison du coût de ces systèmes et de leur rareté.
• Capital humain: Un hébergement adéquat nécessite au moins deux développeurs de logiciels seniors, dont les salaires annuels peuvent dépasser 80 000 euros. Cela nécessite également un data scientist et un chef de projet, leurs salaires doivent donc être pris en compte.
• Rouge– Plus la vitesse de transfert de données requise par la technologie voix-texte est élevée, plus les coûts de réseau sont élevés.
• Authentification: le processus de vérification de l’identité des appareils et/ou des utilisateurs peut inclure un coût supplémentaire par rapport au coût du logiciel ou du matériel, ainsi que le paiement de certificats de sécurité ou d’autres mécanismes pour garantir l’authentification.
• Sécurité: Conformément à ce qui précède, vous devez également investir dans le coût des systèmes de détection et de prévention des intrusions, des pare-feu, des antivirus ou d’autres mesures de sécurité.
• Entretien: Un modèle open source nécessite des mises à jour logicielles au fil du temps et une assistance technique.
• Attestation: au cas où vous souhaiteriez obtenir une certification officielle de vos propres solutions de reconnaissance vocale et de conversion de texte.

La valeur de ce prix dépendra de votre cas d’utilisation et des besoins de votre projet.

Transcription des appels depuis les API

Les API sont des services cloud qui offrent aux développeurs des outils et des interfaces prédéfinis pour convertir des mots prononcés (audio ou vidéo) en texte écrit. Pour traiter l’entrée audio et générer une sortie texte, ils utilisent une combinaison de modèles d’apprentissage traditionnels et profonds, tels que les réseaux de neurones récurrents (RNN), les réseaux de neurones convolutifs (CNN) ou les modèles basés sur des transformateurs. En d’autres termes, les API utilisent des algorithmes d’apprentissage automatique, ainsi que des données de formation volumineuses, pour transcrire le langage parlé.

Ce modèle, contrairement au précédent, ne nécessite pas une grande infrastructure interne pour sa maintenance. Une API est accessible depuis n’importe quel appareil ayant accès à Internet et son développement ou ses mises à jour n’incombent pas à celui qui l’utilise, mais à celui qui la propose. Cependant, il présente certaines limitations en termes de taille de fichier et de latence. Par exemple, l’API de transcription audio en texte d’Open AI travaux avec un fichier audio dont le poids doit être inférieur à 25 Mo. Cela entraîne plus de perte de temps et une diminution des performances. En effet, si l’on dépasse la durée de l’audio, la transcription est tronquée et on obtient un résumé avec des données incomplètes. Dans d’autres cas, la division de l’audio est nécessaire et peut provoquer une perte de contexte si l’on doit couper les fichiers.

En revanche, la latence ou le temps de réponse de l’API font que dans de nombreux cas, ces systèmes ne sont pas utiles pour effectuer des transcriptions en temps réel très nécessaires à certains services métiers comme la traduction ou l’analyse de conversations en temps réel.

Combien coûte la transcription avec une API ?

Avec les API, nous oublions le coût qu’impliquent l’installation, le développement et la maintenance du système. Dans ce cas, le coût réside dans les tarifs proposés en fonction de la durée des fichiers audio. Les prix proposés sont très compétitifs, allant d’un demi centime d’euro par minute pour l’utilisation de l’API Open AI à deux centimes par minute dans le cas de Google Cloud. Cependant, même si c’est au premier abord très attractif, il faut considérer la durée totale de ce que l’on transcrit habituellement. Il s’agit d’une très bonne option pour les entreprises disposant d’un volume moyen à faible de fichiers audio nécessitant une transcription. Cependant, pour ceux qui ont besoin de retranscrire des vidéoconférences ou de longues conversations téléphoniques, le prix à payer devient considérablement plus élevé.

Transcription d’appels en tant que service proposé par une entreprise spécialisée dans les communications avec intelligence artificielle

Faites appel à un service proposé par une entreprise spécialisée dans les solutions de communication basées sur l’intelligence artificielle, comme Fonvirtuel, permettant comme les API, d’oublier de disposer de l’infrastructure, du capital humain ou de la capacité économique pour installer, développer et maintenir le système à jour. Cependant, contrairement au précédent, il propose des fonctions encore plus avancées, telles que : créer des résumés ; l’identification des émotions; personnalisation des interactions avec les clients, transcriptions en temps réel avec traduction simultanée vers d’autres langues.

Le fait que toutes les communications de l’entreprise transitent par ses systèmes lui permet d’avoir accès aux conversations et de pouvoir retranscrire en temps réel les conversations des appels téléphoniques ou des vidéoconférences en temps réel et les afficher dans les différentes interfaces sans que l’entreprise ait à le faire. manipuler ou envoyer des audios.

De plus, étant donné que le PBX virtuel peut être intégré à d’autres outils de gestion d’entreprise, tels que des logiciels CRM et de gestion de projet, les transcriptions peuvent être envoyées à ces systèmes en temps réel pour être exploitées ; Peut identifier les modèles de conversation suspects pour se protéger contre la fraude ; et, entre autres, permet le respect de réglementations telles que HIPAA ou GDPR, qui garantissent la confidentialité des données.

La possibilité de transcrire en temps réel est une fonction idéale pour les entreprises qui non seulement disposent d’un grand volume de fichiers audio, mais qui ont également besoin de rapidité pour en obtenir le contenu et les mots-clés, comme les entreprises ayant une forte interaction avec les parties prenantes.

La transcription d’appels est, dans le cas de Fonvirtual, l’une des nombreuses solutions proposées sur sa plateforme. Cette plateforme, qui peut être liée au numéro d’entreprise, est un outil de communication interne et externe par voie, chat et vidéo utilisable depuis n’importe où dans le monde, depuis n’importe quel appareil et sans investissement important. Par exemple, parmi ses nombreuses solutions, on trouve la recharge téléphonique par carte de crédit en toute sécurité. 

Combien coûte la location du service Fonvirtual ?

En faisant appel à un service comme celui proposé par Fonvirtual, vous n’aurez jamais de surprise au moment du paiement. Il s’agit d’un paiement périodique pour un service très adaptable aux besoins de votre entreprise et sans coûts variables.

Comparaison des modèles

Pour commencer la comparaison, il faut d’abord différencier que les modèles open source proposent une solution que l’entreprise doit installer, configurer et personnaliser pour qu’elle soit opérationnelle. Les API nécessitent également certains développements, mais très simples. Pourtant, le service de transcription d’appels intégré au standard virtuel ne nécessite ni développement, ni personnel, ni infrastructure. Ces derniers proposent un service dans le cloud qui intègre les capacités de reconnaissance vocale de l’intelligence artificielle dans leurs applications et plateformes, permettant aux entreprises d’oublier de se plonger dans les complexités des algorithmes de reconnaissance vocale et de la configuration de l’infrastructure sans renoncer aux avantages. de l’intelligence artificielle.

En termes de productivité, l’option de transcription intégrée au standard virtuel est celle qui réalise le plus grand équilibre tout en offrant des options personnalisables et des performances supérieures grâce à l’optimisation obtenue en rassemblant un grand nombre de clients. La réplication de modèles optimisés (y compris les modèles LLM et IA générative) dans des modèles open source est un défi.

Concernant le temps de démarrage, dans les modèles open source, il faut tenir compte du fait que la création d’une solution globale d’intelligence artificielle pour la reconnaissance vocale à partir de zéro peut prendre environ un an. Avec une API ou le service proposé par une entreprise spécialisée peut être Tirez parti des fonctionnalités basées sur l’IA dès le premier jour de mise en œuvre.

De plus, en exécutant et en maintenant des modèles open source, les organisations ne dépendent pas d’un service tiers et en ont donc le contrôle total. Particulièrement pertinent lorsque les serveurs sont hors ligne. Cependant, le cycle de vie est beaucoup plus court avec l’open source car vous ne recevez pas de mises à jour, alors soyez prêt à mettre à jour les logiciels et le matériel tous les deux ans.

La transcription dans les modèles open source, ainsi que via les API, nécessite de préparer les audios et si nous voulons transcrire les appels téléphoniques, nous devons enregistrer, télécharger et envoyer. Et, bien qu’il n’y ait aucune limitation de taille de fichier dans les modèles open source, la vitesse de réponse nécessaire n’est pas toujours atteinte. De leur côté, comme nous l’avons mentionné précédemment, les API ont généralement une limitation sur la taille des fichiers, de sorte que les transcriptions peuvent rester incomplètes ou perdre en qualité si elles ont dû être divisées en plusieurs fichiers. Dans l’option intégrée au standard, vous pouvez accéder aux transcriptions en temps réel via le web sans vous soucier de rien.

L’usage que la plupart des entreprises font des transcriptions d’appels est presque toujours le même : connaître le client, détecter les attitudes, étiqueter les conversations, détecter les opportunités ou les risques commerciaux, prendre des notes, réaliser des résumés de conversations, former le personnel, etc… Pour cette raison, la transcription des appels intégrée au standard offre également une solution clé en main pour exploiter ces informations, qui évite de devoir procéder à une analyse ultérieure des transcriptions.

Bref, une solution de transcription d’appels réalisée avec un modèle open source est bien supérieure aux autres options mais le résultat peut être très puissant et entièrement personnalisé.

L’utilisation de solutions via API est économiquement attractive car elles ont un coût variable, nécessitent un certain développement de la part de l’entreprise et permettent une grande personnalisation, mais elles sont limitées par des aspects tels que la latence, qui est essentielle si nous avons besoin que la solution fonctionne en temps réel.

Et enfin, une solution de transcription d’appels intégrée au standard comme celle de Fonvirtual à des tarifs très compétitifs et même si elle ne permet pas autant de personnalisation, elle dispose de systèmes d’exploitation de l’information qui satisfont les besoins de la plupart des entreprises.