Deux annotateurs humains formés, ayant étiqueté le sentiment de 20 000 énoncés de centre d’appels, se sont accordés à un kappa de Cohen de seulement 0,605, sur une échelle où 1,0 est l’accord parfait et 0 le hasard (chercheurs de ConnexAI, IntechOpen 2026). Ce plafond compte, car chaque score de sentiment d’un tableau de bord d’analyse vocale est entraîné et évalué à partir d’étiquettes de ce type. Pendant ce temps, les systèmes commerciaux de reconnaissance vocale se trompaient sur 16,5% à 19,2% des mots dans 50 vraies conversations de centre d’appels, contre 10,2% à 11,62% sur un benchmark téléphonique standard (Szymanski et al., Findings of EMNLP 2020), et 49,8% des 1 104 entreprises interrogées exploitent déjà l’analyse des interactions sur ces transcriptions (Metrigy, AI for Business Success 2025-26). Nous avons agrégé des données issues de Metrigy, des dépôts SEC de NICE et de Verint, de benchmarks vocaux publiés à l’EMNLP et à la LREC, par OpenAI et sur arXiv, du NBER, du règlement européen sur l’IA (AI Act) et de l’Assemblée générale de l’Illinois, ainsi que de plusieurs autres sources primaires. Pour le versant automatisation du même secteur (voicebots et agents IA plutôt qu’analyse), consultez nos statistiques sur l’automatisation des centres de contact par l’IA vocale.
TL;DR
- 49,8% des entreprises utilisent déjà l’analyse des interactions et 29,9% de plus prévoient de l’adopter (Metrigy, AI for Business Success 2025-26).
- 55% des centres de contact gèrent encore l’assurance qualité sur des tableurs, contre 65% un an plus tôt (Scorebuddy et Call Centre Helper, décembre 2025).
- Taux d’erreur sur les mots des ASR commerciaux sur 50 vraies conversations de centre d’appels : 16,5% à 19,2% (Szymanski et al., Findings of EMNLP 2020).
- Whisper large-v2 commet 17,6% d’erreurs sur les mots dans les appels téléphoniques CallHome, mais 2,7% sur de la parole lue de livres audio (OpenAI, article Whisper, 2022).
- Sur de l’audio réel de centre d’appels avec accents africains, Whisper-large-v3 a obtenu 24,69% de WER et le meilleur modèle 13,45% (AfriSpeech-MultiBench, arXiv 2025).
- Les annotateurs humains s’accordent sur le sentiment des énoncés de centre d’appels à un kappa de Cohen de 0,605 (chercheurs de ConnexAI, IntechOpen 2026).
- Deux annotateurs évaluant de vrais appels clients se sont accordés à un ICC de seulement 0,62 pour la valence et de 0,52 pour l’activation (étude CusEmo, arXiv 2023).
- Les modèles de sentiment purement acoustiques ont atteint 54,23% de précision pondérée sur des appels téléphoniques, contre 85,76% pour les humains (Chen et al., LREC 2020).
- Un assistant IA a augmenté la productivité des agents de support de 14% et le sentiment des clients de 0,18 point sur une échelle de -1 à 1 (document de travail NBER 31161).
- Déduire les émotions des employés au travail à partir de la voix est interdit dans l’UE depuis le 2 février 2025 (règlement européen sur l’IA, règlement (UE) 2024/1689).
- L’Illinois fixe des dommages-intérêts de 1 000 $ à 5 000 $ par violation concernant des identifiants biométriques tels que les empreintes vocales (740 ILCS 14).
1. Adoption : analyse des interactions et assurance qualité automatisée
La question de l’adoption est à moitié réglée. 49,8% de 1 104 entreprises utilisent déjà l’analyse des interactions (un logiciel qui transcrit et exploite les appels, chats et e-mails pour y repérer des sujets, des formules de conformité et des sentiments), et 29,9% de plus prévoyaient de la mettre en place dans l’année (Metrigy, AI for Business Success 2025-26). Ce qui a changé, c’est la fiche de poste. Le plus grand groupe d’adoptants, 46,2%, déclare désormais que la plus grande valeur est de comparer les performances des agents IA à celles des agents humains (analyse de Metrigy, 14 mai 2025). L’analyse vocale devient le tableau d’affichage de l’automatisation, et pas seulement un outil de coaching.
Le processus d’assurance qualité (QA) que l’analyse est censée remplacer reste étonnamment manuel. Une enquête parrainée par un éditeur a constaté que le recours aux tableurs pour la QA est passé de 65% à 55% en un an, et que 44% des centres de contact manifestaient un fort intérêt pour la notation automatisée ou en temps réel (Scorebuddy et Call Centre Helper, What Contact Centers Are Doing Right Now, décembre 2025). Le marché des éditeurs est concentré et de grande taille : NICE a déclaré un chiffre d’affaires total 2025 de 2 945,4 millions de $, contre 2 735,3 millions de $, avec un chiffre d’affaires du cloud en hausse de 12,8%, et a versé une contrepartie finale totale de 887,3 millions de $ pour la société d’IA conversationnelle Cognigy (Form 20-F de NICE pour l’exercice 2025).
| Métrique | Valeur | Source |
|---|---|---|
| Entreprises utilisant déjà l’analyse des interactions | 49,8% de 1 104 entreprises | Metrigy, AI for Business Success 2025-26 |
| Entreprises prévoyant de mettre en place l’analyse des interactions en 2025 | 29,9% | Metrigy, AI for Business Success 2025-26 |
| Adoptants de l’analyse pour qui la plus grande valeur est de comparer l’efficacité des agents IA à celle des agents humains | 46,2% (le plus grand groupe) | Analyse de Metrigy, mai 2025 |
| Centres de contact utilisant des tableurs pour l’assurance qualité, cette année contre l’an dernier | 55% contre 65% | Enquête Scorebuddy et Call Centre Helper, décembre 2025 (parrainée par un éditeur) |
| Centres de contact fortement intéressés par la notation qualité automatisée ou en temps réel | 44% | Enquête Scorebuddy et Call Centre Helper, décembre 2025 (parrainée par un éditeur) |
| Organisations clientes de NICE et clients du Fortune 100 | Plus de 25 000 organisations dans plus de 150 pays, dont 85 du Fortune 100 | NICE Form 20-F, exercice 2025 |
| Clients du Fortune 100 de Verint et pays desservis | Plus de 80 du Fortune 100, dans plus de 175 pays | Verint Form 10-K, exercice clos le 31 janvier 2025 |
| Part du chiffre d’affaires de Verint issue de son activité d’abonnement | Environ 80% | Verint Form 10-K, exercice clos le 31 janvier 2025 |
Note de contexte : les chiffres affirmant que les équipes de QA manuelle n’examinent que « 1% à 3% » ou « moins de 5% » des appels circulent beaucoup, mais toutes les versions que nous avons trouvées remontaient à des blogs d’éditeurs ou à des citations invérifiables, nous les avons donc exclues. Aucune enquête publique indépendante de 2025 ou 2026 ne rapporte la part des appels examinés par des humains par rapport à ceux notés par des machines. Le Form 10-K de Verint indique aussi qu’environ 72% de son chiffre d’affaires provenait du continent américain.
2. Précision de la transcription sur de l’audio d’appels réels
Tout score de sentiment fondé sur le texte commence par une transcription, et l’audio d’appel spontané en bande étroite (8 kHz) fait partie de l’audio quotidien le plus difficile pour un système de reconnaissance. Le taux d’erreur sur les mots (WER) est la part des mots que le système substitue, supprime ou insère par rapport à une transcription humaine. Trois systèmes commerciaux ont obtenu 16,5% à 19,2% de WER sur 50 vraies conversations de centre d’appels, contre 10,2% à 11,62% sur le benchmark téléphonique Switchboard (Szymanski et al., WER we are and WER we think we are, Findings of EMNLP 2020). Les auteurs notent que les meilleurs résultats publiés sur Switchboard sont d’environ 5%, de sorte que les appels réels affichaient un taux d’erreur de trois à quatre fois supérieur à ce que suggèrent les benchmarks phares (16,5 / 5 = 3,3 et 19,2 / 5 = 3,84). Données les plus récentes disponibles pour les systèmes commerciaux sur de l’audio de centre d’appels privé : Szymanski et al., 2020 ; nous n’avons trouvé aucune reproduction publique de ce test sur des enregistrements d’appels réels avec les moteurs commerciaux actuels.
Les modèles ouverts plus récents montrent le même écart. Whisper large-v2 a obtenu 2,7% de WER sur LibriSpeech test-clean (livres audio lus), mais 17,6% sur CallHome et 13,8% sur Switchboard, deux ensembles de conversations téléphoniques (OpenAI, Robust Speech Recognition via Large-Scale Weak Supervision, 2022). L’accent creuse encore l’écart : sur un petit ensemble privé de vrais appels agent-client avec accents africains, les résultats allaient de 13,45% pour le meilleur modèle à 88,71% pour le pire (AfriSpeech-MultiBench, arXiv novembre 2025). Nos statistiques sur le biais d’accent et le taux d’erreur sur les mots couvrent cette dimension en détail.
| Métrique | Valeur | Source |
|---|---|---|
| WER de trois systèmes ASR commerciaux sur 50 vraies conversations de centre d’appels (8,5 heures d’audio, 2,2 heures de parole) | 16,5% à 19,2% | Szymanski et al., Findings of EMNLP 2020 |
| WER des trois mêmes systèmes sur le benchmark téléphonique HUB’05 Switchboard | 10,2% à 11,62% | Szymanski et al., Findings of EMNLP 2020 |
| WER en centre d’appels par secteur d’activité pour le meilleur système | De 13,73% (assurance) à 20,95% (réservation de voyages) | Szymanski et al., Findings of EMNLP 2020 |
| WER sur la parole du client contre celle de l’agent, pour le moins performant des trois systèmes | 20,99% contre 17,83% | Szymanski et al., Findings of EMNLP 2020 |
| WER de Whisper large-v2 sur de la parole lue de livres audio (LibriSpeech test-clean), contre les appels téléphoniques CallHome, contre les appels téléphoniques Switchboard | 2,7% contre 17,6% contre 13,8% | OpenAI, article Whisper, 2022 |
| WER de NVIDIA Conformer-CTC large contre wav2vec2-large-960h sur les appels téléphoniques CallHome | 11,3% contre 34,8% | OpenAI, article Whisper, 2022 (tableau comparatif) |
| WER sur de l’audio réel de centre d’appels avec accents africains : meilleur modèle, contre Whisper-large-v3, contre GPT-4o Transcribe | 13,45% contre 24,69% contre 23,20% | AfriSpeech-MultiBench, arXiv novembre 2025 |
| Part d’un jeu d’évaluation de centre d’appels transcrit par ASR (618 énoncés) contenant des erreurs de transcription | 42,6% (263 échantillons) | Chercheurs de ConnexAI, IntechOpen 2026 |
Note sur les valeurs atypiques : l’écart entre agent et client n’est pas universel. Pour le meilleur des trois systèmes commerciaux, le WER du client et celui de l’agent étaient quasi identiques (16,48% contre 16,49%) ; le côté client est donc plus difficile pour certains moteurs, pas pour tous. Les erreurs diffèrent aussi par nature de celles des benchmarks ; nos statistiques sur les hallucinations de la reconnaissance vocale traitent des mots inventés, qu’un score de WER ne distingue pas à lui seul.
3. Sentiment du texte sur les transcriptions d’appels : accord humain et précision des machines
Le chiffre inconfortable de l’analyse des sentiments est la référence humaine. Deux annotateurs ayant étiqueté 20 000 énoncés de centre d’appels (haut débit, assurance et autres secteurs) se sont accordés à un kappa de Cohen de 0,605 (chercheurs de ConnexAI, Enhancing Call Centre Sentiment Analysis with Large Language Models, IntechOpen 2026). Le kappa corrige l’accord brut du hasard : 1,0 est l’accord parfait et 0 ce que le hasard seul produirait. Tout chiffre d’éditeur sur la « précision du sentiment » est évalué à partir d’étiquettes que les humains eux-mêmes contestent souvent.
Dans ce plafond, les modèles s’en sortent bien sur du texte propre et trébuchent sur la classe qui compte le plus. Avec des consignes d’annotation complètes, un LLM ouvert de 32 milliards de paramètres a correspondu à la référence humaine (étalon-or) dans 91% des cas sur trois classes, mais son F1 macro (la moyenne des scores F1 par classe, qui sanctionne le fait d’ignorer les classes rares) était de 0,79. Le vrai test de résistance est la sortie de l’ASR : sur des appels de production transcrits par machine, la même approche a atteint un F1 macro de 0,74 à partir d’énoncés isolés et de 0,86 lorsqu’elle voyait une fenêtre de six tours de parole. Le contexte a compté plus que la taille : dans les mêmes tests, un modèle Qwen3 de 4 milliards de paramètres a obtenu 0,78 de F1 macro, tandis que son grand frère de 32 milliards de paramètres obtenait 0,56. Sur le corpus téléphonique Switchboard, la répartition des étiquettes montre pourquoi le « neutre » domine les tableaux de bord : 52,6% des segments étaient neutres (Chen et al., A Large Scale Speech Sentiment Corpus, LREC 2020).
| Métrique | Valeur | Source |
|---|---|---|
| Accord entre deux annotateurs humains sur le sentiment de 20 000 énoncés de centre d’appels (kappa de Cohen) | 0,605 | Chercheurs de ConnexAI, IntechOpen 2026 |
| LLM ouvert (Qwen2.5-32B-Instruct) avec consignes complètes contre la référence humaine, 3 classes de sentiment, 8 750 échantillons | 0,91 de précision, 0,79 de F1 macro | Chercheurs de ConnexAI, IntechOpen 2026 |
| DistilBERT affiné contre classifieur SVM, F1 macro sur des appels transcrits par des humains | 0,90 contre 0,82 | Chercheurs de ConnexAI, IntechOpen 2026 |
| LLM sur des transcriptions machine (ASR) d’appels de production : énoncé isolé contre fenêtre de contexte de six tours, F1 macro | 0,74 contre 0,86 | Chercheurs de ConnexAI, IntechOpen 2026 |
| Précision moyenne des annotateurs humains pris individuellement par rapport à l’étiquette majoritaire, appels téléphoniques Switchboard (49 500 segments, 140 heures) | Environ 85% | Chen et al. (Google), LREC 2020 |
Note de contexte : dans le même chapitre, la classe négative était le point faible même pour le meilleur classifieur (DistilBERT affiné a atteint un F1 de 0,78 sur le sentiment négatif contre 0,94 sur le positif), et le SVM s’est effondré sur les transcriptions machine, avec un F1 macro de 0,25 sur la parole de l’agent et de 0,46 sur celle du client. Les appels de production transcrits par machine étaient aussi déséquilibrés : 61% neutres, 30% positifs et 9% négatifs. Un modèle qui étiquette tout comme neutre paraît précis sur de telles données tout en manquant les 9% de clients en colère.
4. Détection acoustique des émotions : ce que la voix apporte
Le ton de la voix est l’argument de vente de l’« IA émotionnelle », pourtant, dans le benchmark de sentiment sur appels téléphoniques Switchboard, c’était le signal isolé le plus faible. Un modèle purement acoustique a atteint 54,23% de précision pondérée sur un sentiment à trois classes, contre 85,76% pour les humains, et l’ajout du texte l’a porté à 65,65% (Chen et al., LREC 2020, rapportant les références de Lu et al. 2019). La précision pondérée compte chaque segment de façon égale ; la précision non pondérée fait la moyenne des trois classes, si bien que le score non pondéré de 39,63% du modèle acoustique ne dépasse que d’environ 6 points les 33,3% qu’obtiendrait un tirage aléatoire (39,63 - 33,33 = 6,3). Données les plus récentes disponibles pour un benchmark public de sentiment sur appels téléphoniques comparant les trois types d’entrée : corpus de sentiment Switchboard, LREC 2020.
Les vrais appels de service client sont encore plus difficiles à annoter. Dans un centre d’appels français de voyages d’affaires (l’étude CusEmo), deux annotateurs évaluant en continu l’émotion des clients ont atteint une corrélation intraclasse (ICC, un score d’accord de 0 à 1) de 0,62 pour la valence (à quel point l’émotion est positive ou négative) et de 0,52 pour l’activation (à quel point elle est activée ou calme) (End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations, arXiv 2023). La concordance du meilleur modèle avec ces évaluations (CCC, coefficient de corrélation de concordance, où 1 est parfait) était de 0,699 pour la valence et de 0,508 pour l’activation, après qu’on lui a indiqué le degré d’empathie de l’agent. Autrement dit, l’humeur du client est plus facile à lire quand le modèle entend aussi l’agent. Pour les usages cliniques de la même technologie, consultez nos statistiques sur la précision de la reconnaissance des émotions dans la parole.
| Métrique | Valeur | Source |
|---|---|---|
| Précision pondérée, sentiment à 3 classes sur les appels téléphoniques Switchboard : modèle purement acoustique, contre modèle acoustique plus texte, contre modèle utilisant les caractéristiques de la reconnaissance vocale, contre auditeurs humains | 54,23% contre 65,65% contre 70,10% contre 85,76% | Chen et al. (Google), LREC 2020 |
| Précision non pondérée (moyenne des classes), mêmes quatre approches dans le même ordre | 39,63% contre 54,59% contre 62,39% contre 84,61% | Chen et al. (Google), LREC 2020 |
| Collection source CusEmo issue d’un centre d’appels français de voyages d’affaires | 5 548 conversations, 375,39 heures | Étude CusEmo, arXiv 2023 |
| Conversations CusEmo avec annotation du contexte ; audio client évalué pour l’émotion | 469 conversations ; 13,15 heures | Étude CusEmo, arXiv 2023 |
| Accord entre deux annotateurs évaluant l’émotion du client (ICC) : valence contre activation | 0,62 contre 0,52 | Étude CusEmo, arXiv 2023 |
| Concordance du meilleur modèle avec les évaluations humaines (CCC) quand l’empathie de l’agent est ajoutée : valence contre activation | 0,699 contre 0,508 | Étude CusEmo, arXiv 2023 |
Note de contexte : le corpus CusEmo est réservé à un usage interne et n’a pas été publié, et seules 469 des 5 548 conversations ont reçu une annotation du contexte. Les données d’émotion de vrais centres d’appels sont rares précisément parce que les enregistrements contiennent des données personnelles, ce qui explique en partie pourquoi la plupart des chiffres de précision publiés proviennent de podcasts, de parole jouée ou de corpus téléphoniques vieux de plusieurs décennies.
5. Résultats métier mesurés
Les éditeurs d’analyse vendent des résultats, et les preuves les mieux contrôlées proviennent du texte, pas de la voix. Dans une étude portant sur 5 179 agents du support client et environ 3 millions de chats, un assistant conversationnel IA a augmenté en moyenne de 14% le nombre de problèmes résolus par heure, et de 34% pour les agents novices et peu qualifiés (Brynjolfsson, Li et Raymond, Generative AI at Work, document de travail NBER 31161). L’étude a mesuré l’humeur des clients avec un classifieur de sentiment fondé sur un LLM (SiEBERT, qui note le texte de -1 à 1), ce qui en fait l’une des rares grandes études de terrain à utiliser le sentiment automatisé comme résultat plutôt que comme variable explicative.
Les indicateurs plus qualitatifs ont eux aussi bougé : le sentiment des clients a progressé de 0,18 point (un demi-écart type), les demandes à parler à un responsable ont baissé de presque 25%, et la durée moyenne de traitement a diminué de 3,8 minutes. Le taux de résolution n’a presque pas changé. Les acheteurs semblent croire que ces données ont leur place au sommet : près de 84% des entreprises, et 96,7% du groupe des plus performantes de Metrigy, estiment que les données d’interaction client devraient figurer dans les tableaux de bord de performance de la direction (analyse de Metrigy, mai 2025).
| Métrique | Valeur | Source |
|---|---|---|
| Gain de productivité (problèmes résolus par heure) avec un assistant conversationnel IA, 5 179 agents | 14% en moyenne | Document de travail NBER 31161, Brynjolfsson, Li et Raymond |
| Gain de productivité pour les agents novices et peu qualifiés | 34% | Document de travail NBER 31161 |
| Variation du sentiment client moyen (score SiEBERT de -1 à 1) | +0,18 point, soit environ un demi-écart type | Document de travail NBER 31161 |
| Variation des demandes des clients à parler à un responsable (niveau de départ d’environ 6 points de pourcentage) | Presque 25% de moins | Document de travail NBER 31161 |
| Variation de la durée moyenne de traitement | 3,8 minutes de moins, soit une baisse de 9% | Document de travail NBER 31161 |
| Variation du taux de résolution (niveau de départ de 82%) | +1,3 point de pourcentage, significatif seulement au seuil de 10% | Document de travail NBER 31161 |
| Entreprises souhaitant des données d’interaction dans les tableaux de bord de la direction : toutes les entreprises contre le groupe le plus performant | Près de 84% contre 96,7% | Analyse de Metrigy, mai 2025 |
Note sur les valeurs atypiques : dans l’étude du NBER, le sentiment des agents n’a augmenté que de 0,02 point, soit environ 1% d’un écart type ; le gain est donc apparu dans la façon d’écrire des clients, pas dans celle des agents. L’étude porte sur le chat écrit dans une seule entreprise ; nous n’avons trouvé aucune étude contrôlée d’une ampleur comparable sur les résultats de l’analyse d’appels vocaux.
6. Réglementation et vie privée : règles sur la reconnaissance des émotions et droit des empreintes vocales
La frontière juridique passe entre les personnes dont on lit les émotions et ce à partir de quoi on les lit. Depuis le 2 février 2025, le règlement européen sur l’IA interdit les systèmes d’IA qui déduisent les émotions d’une personne sur son lieu de travail, sauf pour des raisons médicales ou de sécurité (règlement (UE) 2024/1689, articles 5(1)(f) et 113). Le règlement définit la reconnaissance des émotions comme une déduction « sur la base de leurs données biométriques », ce qui explique pourquoi les lignes directrices de la Commission considèrent comme interdit un centre d’appels qui utilise la reconnaissance vocale pour suivre la colère des employés, mais comme hors du champ de l’interdiction un centre d’appels qui suit les émotions des clients, tout comme la déduction à partir de texte écrit (lignes directrices de la Commission européenne sur les pratiques d’IA interdites, 4 février 2025, exemples tels que résumés par CMS, 10 février 2025). En pratique, l’analyse de sentiment sur transcription appliquée aux clients est la conception la plus sûre en Europe, et la notation du ton de voix des agents la plus risquée.
Le considérant 44 du règlement justifie l’interdiction en invoquant de sérieuses préoccupations quant au fondement scientifique de la reconnaissance des émotions, citant une fiabilité limitée, un manque de spécificité et une généralisabilité limitée, soit les mêmes faiblesses que mesurent les scores d’accord des sections 3 et 4. Aux États-Unis, l’exposition la plus aiguë est biométrique : l’Illinois considère l’empreinte vocale comme un identifiant biométrique, de sorte que tout système qui construit des empreintes vocales de locuteurs (par exemple pour authentifier l’appelant) relève de ses règles et de ses dommages-intérêts par violation (loi de l’Illinois sur la confidentialité des informations biométriques, 740 ILCS 14).
| Métrique | Valeur | Source |
|---|---|---|
| Date d’application de l’interdiction européenne de déduire les émotions sur le lieu de travail et dans l’éducation (article 5(1)(f)) | 2 février 2025 | Règlement européen sur l’IA, règlement (UE) 2024/1689, article 113 |
| Amende maximale pour l’usage d’une pratique d’IA interdite | 35 000 000 EUR ou 7% du chiffre d’affaires annuel mondial total, le montant le plus élevé étant retenu | Règlement européen sur l’IA, article 99(3) |
| Statut des systèmes de reconnaissance des émotions non interdits (par exemple sur les clients) | Classés parmi les systèmes d’IA à haut risque | Règlement européen sur l’IA, annexe III, point 1(c) |
| Date d’application générale du règlement européen sur l’IA telle que publiée | 2 août 2026 | Règlement européen sur l’IA, article 113 |
| Centre d’appels utilisant la reconnaissance vocale pour suivre les émotions des employés, comme la colère | Interdit | Lignes directrices de la Commission européenne, février 2025 |
| Centre d’appels utilisant la reconnaissance vocale pour suivre les émotions des clients | Hors du champ de l’interdiction sur le lieu de travail | Lignes directrices de la Commission européenne, février 2025 |
| Dommages-intérêts légaux de l’Illinois par violation concernant des identifiants biométriques tels que les empreintes vocales : négligence contre intention ou imprudence | 1 000 $ contre 5 000 $ | BIPA de l’Illinois, 740 ILCS 14/20 |
| Date d’entrée en vigueur de la BIPA de l’Illinois et dernière modification | 3 octobre 2008 ; modifiée par la Public Act 103-769, en vigueur le 2 août 2024 | Assemblée générale de l’Illinois |
Note de contexte : les lignes directrices de la Commission ne sont pas contraignantes, et l’interprétation faisant autorité revient à la Cour de justice de l’UE. Le rapport annuel de NICE lui-même avertit que le règlement sur l’IA est « progressivement applicable jusqu’en août 2026 » et que les amendes en cas de non-conformité « sont importantes » (Form 20-F de NICE pour l’exercice 2025).
Résumé : la précision de la détection des sentiments par l’analyse vocale en centre d’appels en chiffres
| Métrique | Valeur | Source |
|---|---|---|
| Entreprises utilisant déjà l’analyse des interactions contre celles prévoyant de la mettre en place en 2025 | 49,8% contre 29,9% (sur 1 104) | Metrigy, AI for Business Success 2025-26 |
| Centres de contact utilisant encore des tableurs pour l’assurance qualité | 55% (contre 65% auparavant) | Scorebuddy et Call Centre Helper, décembre 2025 |
| Chiffre d’affaires total 2025 de NICE | 2 945,4 millions de $ | NICE Form 20-F, exercice 2025 |
| WER des ASR commerciaux sur 50 vraies conversations de centre d’appels | 16,5% à 19,2% | Szymanski et al., Findings of EMNLP 2020 |
| Mêmes systèmes sur le benchmark téléphonique Switchboard | 10,2% à 11,62% | Szymanski et al., Findings of EMNLP 2020 |
| WER de Whisper large-v2 : parole lue de livres audio contre appels téléphoniques CallHome | 2,7% contre 17,6% | OpenAI, article Whisper, 2022 |
| WER sur de l’audio de centre d’appels avec accents africains : meilleur modèle contre Whisper-large-v3 | 13,45% contre 24,69% | AfriSpeech-MultiBench, arXiv 2025 |
| Accord entre humains sur le sentiment des énoncés de centre d’appels (kappa de Cohen) | 0,605 | Chercheurs de ConnexAI, IntechOpen 2026 |
| F1 macro du sentiment par LLM sur des transcriptions ASR : énoncé isolé contre contexte de six tours | 0,74 contre 0,86 | Chercheurs de ConnexAI, IntechOpen 2026 |
| Précision pondérée du sentiment sur appels téléphoniques : purement acoustique contre acoustique plus texte contre humain | 54,23% contre 65,65% contre 85,76% | Chen et al. (Google), LREC 2020 |
| Accord des annotateurs sur la valence contre l’activation du client dans de vrais appels (ICC) | 0,62 contre 0,52 | Étude CusEmo, arXiv 2023 |
| Gain de productivité grâce à l’assistant conversationnel IA, tous les agents contre les novices | 14% contre 34% | Document de travail NBER 31161 |
| Variation du sentiment client (échelle de -1 à 1) et demandes à parler à un responsable avec l’assistance de l’IA | +0,18 point ; presque 25% de demandes en moins | Document de travail NBER 31161 |
| L’interdiction européenne de déduire les émotions au travail s’applique à partir du | 2 février 2025 | Règlement européen sur l’IA, article 113 |
| Centre d’appels utilisant la reconnaissance vocale pour suivre les émotions des employés contre celles des clients | Interdit contre hors du champ de l’interdiction sur le lieu de travail | Lignes directrices de la Commission européenne, février 2025 |
| Amende maximale européenne pour les pratiques d’IA interdites | 35 000 000 EUR ou 7% du chiffre d’affaires mondial | Règlement européen sur l’IA, article 99(3) |
| Dommages-intérêts de l’Illinois par violation biométrique, négligence contre intention | 1 000 $ contre 5 000 $ | BIPA de l’Illinois, 740 ILCS 14 |
Méthodologie et sources
- Metrigy, The Value of Interaction Analytics (AI for Business Success 2025-26, 1 104 entreprises) et analyse de Metrigy de la même étude, 14 mai 2025 : adoption, adoption prévue, principaux cas d’usage, attitudes envers les tableaux de bord.
- Scorebuddy et Call Centre Helper, What Contact Centers Are Doing Right Now, 11 décembre 2025 : enquête sur les outils de QA, parrainée par un éditeur ; taille de l’échantillon non divulguée dans le communiqué.
- NICE Ltd, Form 20-F pour l’exercice clos le 31 décembre 2025 (SEC EDGAR) : chiffre d’affaires, croissance du cloud, base de clients, contrepartie versée pour Cognigy, facteur de risque lié au règlement sur l’IA.
- Verint Systems, Form 10-K pour l’exercice clos le 31 janvier 2025 (SEC EDGAR) : base de clients, pays, part des abonnements, chiffre d’affaires régional.
- Szymanski et al., WER we are and WER we think we are, Findings of EMNLP 2020 : ASR commerciaux sur 50 vraies conversations de centre d’appels.
- Radford et al. (OpenAI), Robust Speech Recognition via Large-Scale Weak Supervision, 2022 : WER de Whisper sur LibriSpeech, CallHome et Switchboard.
- Ashungafac et al. (Intron Health), AfriSpeech-MultiBench, arXiv novembre 2025 : WER du domaine des centres d’appels pour 18 systèmes ASR.
- Jordan, Fonseka, Stacey et Sitvaev (ConnexAI), Enhancing Call Centre Sentiment Analysis with Large Language Models, IntechOpen, 20 juin 2026 : accord humain, précision du sentiment des LLM et des classifieurs, robustesse face à l’ASR. Les auteurs travaillent pour un éditeur d’IA pour centres de contact.
- Chen et al. (Google), A Large Scale Speech Sentiment Corpus, LREC 2020 (LDC2020T14) : étiquettes de sentiment Switchboard, précision humaine, références acoustiques et textuelles.
- End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations (CusEmo), arXiv 2023 : corpus d’émotions de centre d’appels réel et résultats des modèles.
- Brynjolfsson, Li et Raymond, Generative AI at Work, document de travail NBER 31161 : résultats de productivité, de sentiment, d’escalade et d’attrition.
- Règlement (UE) 2024/1689 (règlement européen sur l’IA), EUR-Lex : article 3(39), article 5(1)(f), article 99(3), article 113, annexe III, considérant 44.
- Commission européenne, lignes directrices sur les pratiques d’IA interdites, 4 février 2025 et synthèse par CMS des exemples de centres d’appels, 10 février 2025.
- Assemblée générale de l’Illinois, loi sur la confidentialité des informations biométriques, 740 ILCS 14 : définition de l’empreinte vocale et dommages-intérêts légaux.
- Note sur les données : l’étude commerciale sur le WER en centre d’appels (2020), l’article Whisper (2022), les références de sentiment Switchboard (2020) et l’étude CusEmo (2023) sont les données publiques les plus récentes disponibles pour leurs mesures ; nous n’avons trouvé aucun test public plus récent de moteurs commerciaux sur de vrais enregistrements d’appels, et les jeux de données de centres d’appels utilisés dans ces articles sont privés. Le chapitre d’IntechOpen est incohérent par endroits (son résumé cite 3 000 observations de sentiment alors que le corps du texte en utilise 8 750, et il donne un F1 d’ASR d’« environ 0,76 » dans le résumé contre un F1 macro de 0,74 et une précision de 0,76 dans le corps du texte) ; nous avons utilisé les tableaux du corps du texte. Le texte de l’article CusEmo rapporte 0,657 et 0,434 pour un réglage que son tableau indique à .667 et .499. L’ensemble de centre d’appels d’AfriSpeech-MultiBench ne compte que 16 échantillons (0,80 heure), et l’article indique que 18 et 19 systèmes ont été évalués. Les résultats du NBER proviennent du chat écrit dans une seule entreprise, pas d’appels vocaux. Metrigy décrit le même résultat d’adoption comme 49,8% à un endroit et « seulement la moitié » à un autre. Les affirmations largement répétées selon lesquelles la QA manuelle couvrirait 1% à 3% des appels n’ont pu être rattachées à aucune enquête indépendante et ont été exclues. Le calendrier du règlement européen sur l’IA est cité tel que publié au Journal officiel ; vérifiez les éventuelles modifications ultérieures avant de vous fier à la date du 2 août 2026 pour les obligations relatives aux systèmes à haut risque.
Dernière mise à jour : 27 octobre 2026. Nous actualisons ce tour d’horizon chaque trimestre, et la prochaine révision est attendue lorsque Metrigy publiera sa prochaine étude AI for Business Success et que NICE déposera son prochain Form 20-F annuel.