Smallest.ai, une startup fondée fin 2024, a levé 13 millions de dollars en série A pour développer des systèmes d’IA vocale destinés à rendre les conversations téléphoniques automatisées moins proches d’interactions avec des bots et plus proches d’échanges humains. TechCrunch a rapporté que l’opération était menée par Seligman Ventures, avec la participation de Sierra Ventures et de 3one4 Capital, portant le financement total de l’entreprise à plus de 21 millions de dollars.

Cette thèse est remarquable car elle va à l’encontre d’une des hypothèses dominantes de l’IA générative : selon laquelle les meilleurs systèmes conversationnels proviennent surtout de la mise à l’échelle de grands modèles de langage. Selon TechCrunch, Smallest.ai construit au contraire des modèles vocaux plus petits et spécialisés pour la conversation en temps réel, en faisant valoir que l’IA téléphonique doit écouter, réfléchir et parler en parallèle plutôt que d’attendre un prompt complet avant de générer une réponse. Si cette approche fonctionne en production, elle pourrait compter pour une partie en forte croissance de l’IA d’entreprise : les systèmes vocaux en contact avec la clientèle, où même de brefs délais donnent une impression robotique.

Une architecture différente pour l’IA vocale

Selon TechCrunch, l’argument central de Smallest.ai est que le comportement classique des LLM crée trop de latence pour une conversation en direct. Dans un chat texte, les utilisateurs tolèrent une pause pendant qu’un modèle traite une requête et répond. Au téléphone, cette même pause peut casser immédiatement le flux.

Le PDG Sudarshan Kamath a déclaré à TechCrunch que l’entreprise conçoit son modèle pour qu’il se comporte davantage comme les humains en conversation, en traitant la parole en continu et en préparant une réponse pendant que l’autre personne parle encore. L’entreprise décrit cela comme une couche d’intelligence en temps réel pour des tâches conversationnelles ciblées, en particulier des échanges de type support client.

La couverture de SiliconANGLE décrit cette conception comme une « architecture d’IA vocale asynchrone », ce qui correspond globalement à la description de TechCrunch, même si les détails techniques plus complets n’étaient pas disponibles dans le texte source fourni. D’après le reportage de TechCrunch, l’idée pratique est qu’un modèle plus petit gère l’échange rapide, tandis qu’un système plus large n’est sollicité que lorsque la conversation dépasse le domaine du plus petit modèle.

Ce modèle de relais est au cœur de la stratégie de la startup. TechCrunch a rapporté que si le système vocal de Smallest.ai rencontre une question en dehors de sa base de connaissances limitée, il transmet la requête à un modèle fondation plus large et met brièvement l’appelant en attente pour obtenir la réponse. Kamath a présenté cela comme l’équivalent, pour un humain au support, du fait de faire une pause pour vérifier une information plutôt que d’improviser.

Pourquoi les investisseurs pourraient soutenir le pari du « petit modèle »

Ce financement intervient alors que les investisseurs continuent de rechercher des entreprises d’IA de couche applicative avec une trajectoire vers le revenu plus claire que celle des bâtisseurs de modèles fondamentaux généralistes. L’IA vocale est devenue une catégorie particulièrement active car elle touche les centres d’appels, les ventes, la prise de rendez-vous, le recouvrement et d’autres fonctions métier avec des budgets d’automatisation évidents.

Smallest.ai entre sur ce marché avec une approche plus étroite que certaines des startups vocales les plus connues. TechCrunch a rapporté que l’entreprise se concentre sur des agents conversationnels en temps réel pour un usage en entreprise, plutôt que sur des cas d’usage adjacents des médias vocaux comme le doublage ou la production de podcasts.

Cette distinction est importante. Les exigences de performance d’un outil de narration synthétique sont très différentes de celles d’un appel de support entrant. Dans la téléphonie d’entreprise, la faible latence, la gestion des interruptions, la robustesse aux accents et la performance sur des lignes bruyantes peuvent être plus importants que la qualité purement naturelle de la voix. TechCrunch a indiqué que Smallest.ai se concentre précisément sur ces problèmes spécifiques à la voix, notamment la diversité des accents, la prise en charge de dizaines de langues et le fonctionnement dans des environnements bruyants.

Pour les investisseurs, cet angle peut sembler attractif parce qu’il vise un cas d’usage aux résultats commerciaux mesurables. Les entreprises qui achètent de l’automatisation vocale s’intéressent généralement moins à la nouveauté qu’au fait de savoir si le système peut réduire le temps de traitement, éviter les transferts, améliorer les taux de résolution au premier contact et préserver la satisfaction client. Smallest.ai n’a pas publié de telles métriques de production dans le reportage fourni, mais la logique de marché est claire : si son avantage de latence est réel, cela pourrait devenir un levier significatif face à des systèmes généralistes plus larges.

Clients, concurrents et angle entreprise

TechCrunch a rapporté que les clients de Smallest.ai incluent déjà RingCentral et Truecaller, deux noms établis dans les communications et les produits liés à la voix. Le reportage ne précise ni la portée de ces relations, ni la taille des déploiements, ni si les entreprises utilisent Smallest.ai en production, en pilote ou comme composant d’infrastructure. Cela limite ce qu’il est possible d’inférer à partir de la seule liste de clients, mais ces noms suggèrent tout de même que la startup bénéficie d’une première validation par des entreprises qui comprennent les flux de travail vocaux.

Kamath a également déclaré à TechCrunch que des clients potentiels incluent des sociétés de logiciels de support client comme Sierra et Decagon. Son argument, paraphrasé dans le reportage, est que les plateformes de service client ne voudront peut-être pas construire leur propre pile vocale spécialisée si cela les détourne de leur produit principal.

Ce positionnement place Smallest.ai en concurrence avec plusieurs couches de la pile. TechCrunch a identifié ElevenLabs comme un leader de l’IA vocale et a cité Cartesia et Sarvam comme concurrents ou acteurs adjacents. Chacune de ces sociétés apporte une force différente : ElevenLabs est fortement associée à la qualité vocale synthétique et à une forte notoriété auprès des développeurs ; Cartesia a misé sur une infrastructure vocale à faible latence ; Sarvam est liée à des capacités en langues régionales. Smallest.ai semble chercher à gagner non pas en étant la plateforme vocale la plus large, mais en étant la mieux adaptée aux appels d’entreprise en temps réel.

L’entreprise est aussi, de fait, en concurrence avec les efforts internes des grandes plateformes. Les entreprises qui utilisent des logiciels de communication de type RingCentral ou qui construisent elles-mêmes des flux d’appels IA sur leurs propres piles devront un jour décider si elles achètent une couche vocale dédiée, l’assemblent à partir de plusieurs fournisseurs ou s’appuient sur des modèles généralistes de plus en plus multimodaux.

Éléments de preuve, affirmations et ce qui reste à démontrer

Les faits les plus solides dans le matériau source sont le financement lui-même, les investisseurs participants, la période de fondation de l’entreprise et les noms des clients cités. Ces détails proviennent du reportage de TechCrunch sur le tour, SiliconANGLE ayant par ailleurs rapporté la levée et décrit l’architecture de l’entreprise dans des termes similaires.

Plusieurs des affirmations les plus ambitieuses relèvent encore du cadrage propre à la startup plutôt que de résultats vérifiés indépendamment. En particulier, Kamath a déclaré à TechCrunch que l’entreprise voulait que ses modèles « cassent le test de Turing » lors des appels téléphoniques, de sorte que les utilisateurs ne puissent pas dire s’ils parlent à une IA ou à un humain. C’est une ambition, pas un benchmark démontré dans les preuves disponibles.

De même, l’affirmation d’un « délai de réponse quasiment nul », telle que décrite par TechCrunch, doit être lue comme une affirmation produit plutôt que comme une mesure publiée. Les sources fournies n’incluent pas de données de latence, de taux d’erreur de mots, de chiffres de reprise après interruption, de résultats de benchmarks multilingues, ni de comparaisons côte à côte avec ElevenLabs, Cartesia ou d’autres systèmes d’IA vocale.

Les références clients doivent également être prises avec prudence. Même si RingCentral et Truecaller sont mentionnés comme clients, les sources n’incluent ni montants de contrats, ni volumes d’utilisation, ni données de renouvellement, ni témoignages directs de clients. Pour les acheteurs et bâtisseurs en entreprise, cela signifie que le vrai test est encore à venir : savoir si Smallest.ai peut passer de démonstrations prometteuses et d’intégrations précoces à des déploiements durables à grande échelle.

Ce que cela signifie pour les bâtisseurs d’IA et les acheteurs d’entreprise

Pour les bâtisseurs, la stratégie de Smallest.ai renforce un changement de conception plus large dans les agents IA : toutes les interactions ne devraient pas passer du début à la fin par un grand modèle généraliste. Dans les applications sensibles à la latence, un système en couches peut être plus pratique, avec un petit modèle rapide qui gère l’interaction et un modèle plus large réservé au raisonnement complexe.

Cette idée pourrait influencer la manière dont les équipes architecturent des agents IA pour le support téléphonique, le remplacement des serveurs vocaux interactifs, les appels de vente sortants et les assistants sectoriels. Le compromis clé est celui de la vitesse contre l’étendue. Un modèle étroit peut sembler plus naturel dans un domaine restreint, mais il peut échouer plus souvent hors de ce domaine et nécessiter une escalade élégante. Le schéma de Smallest.ai consistant à « mettre l’appelant en attente et interroger un modèle plus large » est une solution possible, même s’il introduit de la complexité en matière d’orchestration, de fiabilité et d’expérience client.

Pour les acheteurs d’IA d’entreprise, l’histoire relève moins de la nouveauté que des critères d’achat. Un fournisseur promettant des appels au son humain doit encore répondre aux questions opérationnelles standard : à quelle fréquence interrompt-il à tort, quelle est sa performance avec les accents, comment se comporte-t-il dans des environnements bruyants, quelles sont les règles de secours, et quelle gouvernance existe autour de la divulgation et du consentement dans les appels automatisés. Les rapports fournis montrent que Smallest.ai met en avant plusieurs de ces points techniques sensibles, mais sans encore fournir de preuves publiques.

Il y a aussi un angle stratégique pour des plateformes de support client comme Sierra et Decagon. Si les couches vocales spécialisées progressent rapidement, certains éditeurs pourraient préférer intégrer une infrastructure vocale externe plutôt que de construire des systèmes de parole propriétaires. Mais si les modèles fondamentaux multimodaux réduisent l’écart de latence, la fenêtre pour des spécialistes vocaux autonomes pourrait se rétrécir.

Ce qu’il faut surveiller ensuite

Les prochains signaux autour de Smallest.ai seront probablement opérationnels plutôt que liés au financement. L’un d’eux sera de savoir si RingCentral ou Truecaller, ou d’autres partenaires nommés, décrivent publiquement des cas d’usage précis ou des résultats mesurables.

Un autre sera la transparence technique. Si Smallest.ai veut se différencier d’ElevenLabs, Cartesia et Sarvam, il pourrait devoir publier à terme des preuves plus claires sur la latence, la gestion des interruptions, la qualité multilingue et les performances dans de vrais environnements de support.

Un troisième sujet est le périmètre du produit. Le cas d’usage actuel de l’entreprise est le plus fort si les entreprises continuent de valoriser des systèmes vocaux dédiés plutôt que des piles LLM de bout en bout. Tout mouvement de grands fournisseurs de modèles vers une interaction vocale à plus faible latence et prête pour les appels pourrait accentuer cette pression.

Enfin, il faut surveiller la tolérance du marché aux appels IA au son humain. À mesure que les systèmes deviennent plus difficiles à distinguer des personnes, les questions juridiques, de conformité et de confiance prendront plus d’importance pour les déploiements d’IA d’entreprise, en particulier dans les contextes réglementés de support et d’appels sortants.

Point de vue Creati.ai

Smallest.ai fait un pari crédible sur une faiblesse bien réelle de la pile IA actuelle : les conversations vocales pénalisent la latence bien plus durement que le chat. L’accent mis par la startup sur de petits modèles spécialisés et sur des relais sélectifs vers des systèmes plus larges s’inscrit dans une réalité croissante de la conception de produits IA, où l’orchestration compte souvent autant que la capacité brute du modèle.

Mais cette catégorie est impitoyable. Les acheteurs d’IA vocale en entreprise n’ont pas seulement besoin d’une démonstration convaincante ; ils ont besoin de fiabilité face aux accents, aux interruptions, aux frontières de domaine et aux cas limites de conformité. La levée de Smallest.ai suggère que les investisseurs pensent que ce problème mérite d’être résolu avec une infrastructure dédiée. La question la plus difficile est de savoir si l’entreprise peut transformer sa thèse architecturale en performances de production reproductibles avant que les grandes plateformes et les acteurs historiques de la voix n’absorbent la même leçon.