Étude de cas · Je développe des agents vocaux IA

Environ 20 % de mieux que leur ancien pipeline.

uMinds gère les tunnels de vente de plus de dix créateurs. Lors d'un test A/B comparatif mené en production, leurs agents speech-to-speech en espagnol ont battu le pipeline Cartesia + GPT-4.1 mini + Deepgram qu'ils utilisaient auparavant, sur la métrique qui rapporte : la performance. Même campagne, seule l'architecture change.

uMindsTunnels de vente pour créateurs · 10+ créateurs

  • Gemini 3.1 Flash Live
  • Speech-to-speech
  • SIP sur mesure en volume
  • Espagnol
01 Résultats

Ce qui a changé, en chiffres.

~20 %de performance en plus par rapport à leur pipeline orchestré, testé en A/B en production

Performance sur la même campagne (pipeline = 100)
Pipeline100
Speech-to-speech~120
  • 50 000appels passés en moins de 3 heures
  • 45lignes simultanées, en production
  • 5 CPSsur un seul numéro, SIP sur mesure

Les chiffres reflètent la configuration et les résultats de production d'un client, pas un engagement contractuel.

02 Le besoin

Leur point de départ.

uMinds gère les tunnels de vente de plus de dix créateurs, en volume : des campagnes de dizaines de milliers d'appels, sur sa propre téléphonie SIP.

Ils avaient déjà des agents vocaux en production sur un pipeline orchestré : Deepgram pour transcrire, GPT-4.1 mini pour raisonner, Cartesia pour parler. La question était de savoir si le speech-to-speech natif ferait mieux sur la métrique qui rapporte.

03 Ce que nous avons déployé

Ce qui tourne en production.

Test
A/B, en production réelle, sur la même campagne
Avant
Pipeline : Deepgram (STT) + GPT-4.1 mini (LLM) + Cartesia (TTS)
Après
Speech-to-speech : Gemini 3.1 Flash Live
Langue
Espagnol
Téléphonie
Leur propre SIP : 5 appels par seconde sur un seul numéro
Simultanéité
45 lignes
Comptes
3 sous-comptes, pilotés depuis un seul endroit
04 Comment ça marche

Même campagne, seule l'architecture change.

  1. Les deux architectures, en production

    La même campagne a tourné sur le pipeline et en speech-to-speech, en production.

  2. Mesuré sur la performance

    Le speech-to-speech a devancé le pipeline d'environ 20 %.

  3. Montée en charge sur le gagnant

    Et il a tenu la charge sur la même campagne : 50 000 appels passés en moins de 3 heures, sur 45 lignes à 5 appels par seconde.

05 Ils en parlent

Par ceux qui le pilotent.

Même campagne, seule l'architecture change

Avant : Cartesia + GPT-4.1 mini + Deepgram, orchestrés. Après : Gemini 3.1 Flash Live, en speech-to-speech, sur leur propre téléphonie SIP, avec 3 sous-comptes pilotés depuis un seul endroit.

06 Ce cas est pour vous si

Vous vous reconnaissez ?

  • Vous exploitez aujourd'hui des agents vocaux sur un pipeline (STT, LLM, TTS).
  • Vous voulez mesurer ce que le speech-to-speech change sur votre propre campagne.
  • Vous avez besoin de volume : lignes simultanées, appels par seconde, votre propre SIP.
Prochaine étape

Voyez ce que ça donne sur vos propres appels.

Réservez un appel avec un ingénieur voice AI : nous partons de vos parcours d'appel réels et vous montrons l'agent, l'architecture et les chiffres qui leur correspondent.

1:1avec un ingénieur voice AI, sans slides
2architectures que nous mettons en production : speech-to-speech et pipelines
1plan de déploiement avec lequel vous repartez : volume, tarifs, téléphonie