Barge-in : comment les agents téléphoniques IA gèrent les interruptions en temps réel

Pour un agent téléphonique IA, le barge-in (la gestion des interruptions) fait partie de ces fonctionnalités qui paraissent simples, mais qui se compliquent vite dès qu’on les développe réellement. Chez telli, nous considérons le barge-in comme un élément essentiel pour que les conversations paraissent naturelles et non scriptées. Dans une vraie conversation, personne n’attend poliment son tour : on interrompt, on corrige, on réagit en temps réel. Le défi n’est donc pas seulement d’autoriser les interruptions, mais de comprendre l’intention qui se cache derrière. Dans cet article, nous expliquons ce qu’est le barge-in, comment il fonctionne en coulisses et comment nous l’abordons en pratique.

Vous voulez tester le barge-in vous-même ?

Testez un agent telli ci-dessous et voyez comment il réagit quand vous lui coupez la parole en pleine phrase.

Qu’est-ce que le barge-in ?

Le barge-in, c’est la possibilité pour l’utilisateur d’interrompre un agent téléphonique pendant qu’il parle et de reprendre immédiatement la main sur la conversation. Au lieu d’attendre que le système ait terminé sa réponse, l’utilisateur peut intervenir naturellement.

Les anciens SVI obligeaient les utilisateurs à écouter les messages jusqu’au bout avant de pouvoir répondre. Ce modèle paraît aujourd’hui dépassé. Les gens attendent d’une conversation qu’elle avance à leur rythme.

Chez telli, nous considérons que le barge-in n’est pas qu’une fonctionnalité technique : il est fondamental pour offrir une bonne expérience client avec l’IA vocale. Mais c’est un équilibre délicat ; une grande partie du problème consiste à déterminer quand quelqu’un veut vraiment prendre la parole et quand il se contente de réagir.

Comment fonctionne le barge-in ?

Le barge-in repose sur une combinaison de traitement audio en temps réel et de systèmes de décision. Aucun signal ne vous dit à lui seul quoi faire : il faut en combiner plusieurs.

Le déclenchement de la prise de parole

Avant même de penser aux interruptions, le système doit savoir quand prendre la parole.

Chez telli, nous nous appuyons sur des systèmes de transcription comme Deepgram et d’autres pour estimer le moment où l’utilisateur a fini de parler. Cette estimation repose sur des probabilités plutôt que sur des règles fixes.

Deux facteurs principaux entrent en jeu :

• La linguistique : la phrase semble-t-elle complète ?
• Le temps : depuis combien de temps l’utilisateur est silencieux

Nous définissons un seuil, souvent autour de 90 % de probabilité, à partir duquel l’agent commence à parler. Le comportement exact dépend beaucoup du fournisseur de transcription, et de la rapidité et de la précision avec lesquelles il renvoie ses résultats.

En pratique, c’est un exercice d’équilibre permanent. Si vous répondez trop tôt, vous coupez la parole à l’utilisateur. Si vous attendez trop longtemps, la conversation paraît lente.

Interrompre l’agent : quand doit-il s’arrêter de parler ?

Une fois que l’agent parle, le défi suivant consiste à décider quand il doit s’arrêter. Aujourd’hui, notre approche chez telli repose en grande partie sur des seuils de nombre de mots.

Par exemple : si le seuil est fixé à trois mots, l’agent s’arrête de parler dès que l’utilisateur a prononcé trois mots.

Cela nous donne un signal simple et fiable indiquant que l’utilisateur veut probablement l’interrompre.

Là où ça se complique : toutes les interruptions ne sont pas volontaires.

Les gens disent souvent des choses comme :

« Ah oui »

« C’est logique »

« D’accord »

Ce sont des marques d’écoute, pas des tentatives de prendre la parole. Mais techniquement, elles ressemblent malgré tout à une prise de parole.

Que se passe-t-il alors ?

• L’agent s’arrête de parler
• Il attend que l’utilisateur poursuive
• Même si l’utilisateur n’avait aucune intention de l’interrompre

C’est l’un des principaux enjeux de qualité sur lesquels nous travaillons activement. Le système doit mieux faire la différence entre une simple marque d’écoute et une réelle intention d’interrompre.

Les fausses interruptions

Autre problème que nous observons en production : les fausses interruptions.

Elles sont généralement déclenchées par la détection d’activité vocale, ou VAD (Voice Activity Detection).

La VAD détecte la présence de son, mais cela ne signifie pas toujours que quelqu’un parle vraiment.

Voici ce qui se passe généralement :

• Le système détecte du son
• Aucune transcription exploitable ne suit
• L’agent marque une courte pause
• S’il ne se passe rien d’autre, l’agent reprend la parole
• L’événement est enregistré comme une fausse interruption

Elles peuvent être causées par un bruit de fond, une respiration ou d’autres sons qui ne sont pas de la parole.

Nous traitons ces cas avec prudence : réagir de manière excessive rend les conversations hachées, alors qu’en les ignorant, on risque de passer à côté d’une réelle intention de l’utilisateur.

Pourquoi le barge-in est-il important pour l’expérience client ?

D’après ce que nous avons observé, le barge-in a un impact direct sur le naturel et l’efficacité d’une conversation.

Il réduit l’attente

Les utilisateurs ne veulent pas écouter jusqu’au bout des réponses qu’ils ont déjà comprises. Le barge-in leur permet d’aller plus vite et garde l’échange efficace.

Il paraît plus humain

Les vraies conversations ne se déroulent pas strictement chacun son tour. Les gens s’interrompent sans arrêt. Savoir gérer ce comportement rend l’IA moins robotique.

Il aide à mener les tâches à bien

Quand les utilisateurs peuvent corriger l’agent immédiatement, la conversation reste sur les rails. Cela réduit la frustration et raccourcit souvent la durée des appels.

Il donne le contrôle aux utilisateurs

C’est probablement le point le plus important. Quand le barge-in fonctionne bien, les utilisateurs ont le sentiment de mener la conversation au lieu de la subir.

Chez telli, nous voyons le barge-in comme un équilibre permanent entre réactivité et stabilité de la conversation. L’objectif n’est pas seulement de permettre aux utilisateurs d’interrompre l’agent, mais de comprendre quand ils en ont réellement l’intention. C’est là que se situe encore l’essentiel du travail.