Dans TechCrunch, des dirigeants de PolyAI (service client) et d'Otter (prise de notes de réunion) expliquent pourquoi l'IA vocale n'a pas encore connu sa bascule « ChatGPT ». Le premier obstacle est la vitesse : tant que le modèle met trop de temps à raisonner et à répondre, la conversation ne « sonne » pas naturelle. Le deuxième est la transcription elle-même — la reconnaissance vocale « rate souvent des mots-clés importants », et dès que le système agit sur un texte mal transcrit, « c'est faux, et on perd confiance dans la plateforme ». D'où l'insistance sur la transparence : prévenir que « la réunion est enregistrée », ou qu'on « parle à une IA » dans un appel professionnel. Les cas qui marchent déjà restent cadrés : transcription, notes, service client balisé.
La leçon pour une app est simple : la voix n'est pas un interrupteur qu'on allume parce que c'est à la mode. Elle est excellente là où les mains sont prises, où la dictée va plus vite que la frappe, ou pour résumer ce qui a été dit — mais elle déçoit vite dès qu'une erreur de transcription déclenche une mauvaise action. Chez Devside, on traite la voix comme une fonctionnalité à mériter : on la réserve aux moments où elle aide vraiment, on montre toujours le texte reconnu avant d'agir, on garde une porte de sortie claire (corriger, revenir au tactile, joindre un humain), et on dit franchement quand c'est une IA qui écoute. La confiance ne se gagne pas en parlant plus vite, mais en se trompant moins — et en le reconnaissant quand ça arrive.