Le 20 octobre 2026, Mistral AI a lancé Voxtral 3 : deux modèles de transcription, un modèle de synthèse vocale et un kit pour construire un agent vocal qui écoute, raisonne, agit dans vos outils et répond en moins d'une seconde. Le tout est servi depuis l'API européenne de Mistral, ou installable sur votre infrastructure sous contrat.
Pour une PME française, c'est la première chaîne vocale complète d'un fournisseur européen à un prix d'usage bas : environ 0,04 $ la minute de conversation. Mais Voxtral 3 n'est pas open source, et le prix du modèle n'est qu'une partie du coût d'un standard téléphonique automatisé. Voici ce qui change vraiment.
En résumé
- ✓ Transcription : plus de 50 langues, identification des locuteurs, vocabulaire métier, à partir de 0,0035 $ la minute.
- ✓ Synthèse vocale : plus de 35 langues, ton et rythme ajustés au contexte, 13 $ le million de caractères.
- ✓ Agent vocal : un tour de parole en moins d'une seconde, environ 0,04 $ la minute avec Mistral Small 4.
- ✓ Pas de poids ouverts : API hébergée en Europe ou déploiement sur vos serveurs sous licence commerciale.
- ✓ Classements indépendants : 3e en transcription, 13e en synthèse vocale chez Artificial Analysis au 21 octobre 2026.
Ce qui s'est passé : la gamme Voxtral 3
Mistral a publié le 20 octobre 2026 l'annonce de Voxtral 3, en préversion publique. La gamme compte quatre modèles et un kit de développement.
| Modèle | Rôle | Langues | Prix API (20/10/2026) |
|---|---|---|---|
| Voxtral Small Transcribe 3 | Transcription de fichiers, identification des locuteurs, termes métier | 50+, dont les 24 langues officielles de l'UE | 0,004 $ / minute |
| Voxtral Mini Transcribe 3 (4 milliards de paramètres) | Transcription de fichiers, version légère | 50+ | 0,0035 $ / minute |
| Voxtral Mini Transcribe Realtime 3 | Transcription en direct, moins de 500 ms de latence | 35+ | 0,008 $ / minute |
| Voxtral Speech 3 (Mini TTS 3) | Synthèse vocale, émotion, rythme et emphase réglables | 35+ langues, 50+ dialectes | 13 $ / million de caractères |
| Kit agent vocal (sur LiveKit) | Écoute, raisonnement avec appels d'outils, réponse vocale en un seul flux | Celles des modèles | 0,04 $ / minute avec Mistral Small 4, 0,08 $ avec un autre modèle |
La transcription détecte aussi la fin de prise de parole, pour que l'agent réponde sans blanc, et l'agent s'arrête de parler quand l'appelant lui coupe la parole. Mistral annonce un tour de conversation complet en moins d'une seconde. C'est ce qui sépare un agent vocal d'un simple serveur vocal à touches : il comprend une demande formulée librement et déclenche une action, comme le décrit notre guide des agents IA en entreprise.
Voxtral 3 : ce qui est vrai, ce qui est exagéré
| Ce qu'on lit | Ce qui est vrai au 21 octobre 2026 |
|---|---|
| « Mistral bat ElevenLabs, OpenAI et Google » | Ce sont les tests de Mistral. Au classement indépendant d'Artificial Analysis, la transcription est très bien placée, la synthèse vocale est dans le peloton. |
| « Encore un modèle open source de Mistral » | Non. Aucun poids n'est publié. Les versions ouvertes restent Voxtral Realtime (février 2026, Apache 2.0) et Voxtral TTS (mars 2026, licence non commerciale). |
| « Un standard téléphonique IA à 0,04 $ la minute » | C'est le prix du traitement vocal. La ligne téléphonique, les connexions à vos outils et la supervision s'ajoutent. |
| « Hébergé en Europe, donc conforme au RGPD » | L'hébergement règle la question des transferts hors de l'UE. L'information des appelants et la durée de conservation restent à votre charge. |
Sur la transcription, Artificial Analysis classe Voxtral Small Transcribe 3 troisième avec 2,1 % de mots erronés, derrière un modèle d'Alibaba (1,7 %) et MAI-Transcribe-2 de Microsoft (2,0 %), et devant Scribe v2 d'ElevenLabs (2,2 %). En synthèse vocale, Voxtral 3 TTS est 13e, loin derrière Eleven v4 d'ElevenLabs, mais nettement au-dessus de la première version de Voxtral TTS (46e). Pour lire ces chiffres sans se tromper, notre méthode pour évaluer un modèle sur vos propres cas s'applique aussi à la voix.
Combien coûte un agent vocal Voxtral 3
Le prix à la minute est bas. Deux ordres de grandeur, aux tarifs publics de Mistral du 20 octobre 2026 :
- Standard qui reçoit 1 000 minutes d'appels par mois : environ 40 $ de traitement vocal avec Mistral Small 4, 80 $ avec un modèle plus puissant.
- Transcription de 100 heures d'appels commerciaux par mois : 6 000 minutes, soit environ 21 $ avec Voxtral Mini Transcribe 3.
Ce qui coûte, c'est le reste : le raccordement à la ligne téléphonique, les connexions à l'agenda, au CRM ou au logiciel métier, les règles de transfert vers un humain et le suivi des conversations ratées. La comparaison avec les plateformes prêtes à l'emploi est détaillée dans notre article ElevenLabs ou agent vocal sur mesure.
Ce que ça change pour une PME française
Artisans et dépannage : l'appel qu'on ne rate plus
Un plombier sur un chantier ne décroche pas. Un agent vocal peut prendre l'appel, qualifier l'urgence, noter l'adresse et proposer un créneau. Le scénario complet est décrit dans notre article sur l'agent vocal pour les urgences de dépannage. Voxtral 3 apporte le français naturel et une réponse rapide ; la valeur vient de l'écriture directe dans l'agenda.
Équipes commerciales : des appels exploitables
L'identification des locuteurs et la reconnaissance des termes métier (noms de produits, références) changent la qualité des comptes rendus d'appels. C'est la brique de base de l'analyse automatique des appels commerciaux, à un coût marginal de quelques dizaines de dollars par mois.
Secrétariats et accueil : la prise de rendez-vous
Pour un cabinet ou une agence, les appels répétitifs (horaires, rendez-vous, documents à apporter) sont les premiers candidats. En santé, l'audio contient des données sensibles : voyez notre point sur l'hébergement HDS des données de santé avant de choisir l'API ou un déploiement interne.
Voix, RGPD et hébergement
Une voix enregistrée est une donnée personnelle. Mistral propose deux voies : son API hébergée en Europe, ou un déploiement sur votre propre infrastructure, avec la possibilité de choisir si l'audio est conservé ou non. Dans les deux cas, trois points restent à régler :
- Informer l'appelant qu'il parle à un agent automatisé et, si c'est le cas, que l'appel est enregistré.
- Fixer une durée de conservation courte pour l'audio, et garder plutôt la transcription utile.
- Signer le contrat de sous-traitance avec le fournisseur, et le lister dans votre registre.
La checklist complète est dans notre guide sécurité des données et IA en PME.
Quoi faire lundi
- Compter vos appels répétitifs sur deux semaines : motif, durée, réponse donnée. Un agent vocal se justifie sur un motif fréquent et simple.
- Tester la transcription sur 20 appels réels, avec vos noms de produits et de clients, avant de juger la qualité.
- Prévoir le transfert vers un humain dès le premier scénario : un agent qui bloque l'appelant coûte plus cher qu'il ne rapporte.
- Vérifier le cadre : message d'information, conservation de l'audio, contrat avec le fournisseur.
- Si vous aviez choisi Voxtral pour ses poids ouverts, gardez Voxtral Realtime (Apache 2.0) : Voxtral 3 demande une licence commerciale pour tourner chez vous.
Un agent vocal qui prend les rendez-vous dans votre agenda ?
On part de vos appels réels, on branche l'agent sur vos outils et on garde un transfert vers un humain pour tout ce qui sort du cadre.
Pour la fiche produit de toute la gamme (versions, licences, déploiement), voyez notre page Voxtral de Mistral. Pour la transcription de réunions, notre comparatif des outils de transcription situe Voxtral face à Whisper, Noota ou Teams.
Préversion publique
Voxtral 3 est en préversion au 20 octobre 2026 : prix, langues et conditions de déploiement peuvent évoluer à la version définitive.
Questions fréquentes sur Voxtral 3
Formation
Pour que vos équipes appliquent ces usages sur leurs propres documents, voir notre formation Mistral AI, construite sur vos cas.
