D'anciens collaborateurs de Goldman Sachs et les fondateurs de Meta développent une IA vocale destinée aux marchés négligés

Le service client et l’assistance font partie des domaines les plus en vogue aujourd’hui dans le domaine de l’IA vocale. Mais développer un produit qui parle comme un humain et répond avec un temps de latence minimal s’avère bien plus difficile sur certains marchés que sur d’autres — et la plupart des grands acteurs n’ont pas été conçus en pensant à l’Afrique et au Moyen-Orient.

AethexAI, une start-up fondée l’année dernière pour combler cette lacune, a levé 3 millions de dollars lors d’un tour de table de pré-amorçage mené par 4DX Ventures, avec la participation d’Enza Capital, du Dorm Room Fund, de Mojo Ventures et du Stanford GSB 26 Fund. Parmi les investisseurs individuels figurent des professeurs de Stanford, des dirigeants du secteur des télécommunications et des chercheurs en IA d’Anthropic.

Au lieu de s’appuyer sur des outils d’orchestration existants tels que Vapi et LiveKit, l’entreprise a développé de toutes pièces son propre modèle compact et sa propre couche d’orchestration afin de prendre en charge les dialectes locaux de l’anglais, du français et de l’arabe parlés sur ses marchés cibles — une décision motivée, comme nous le verrons, par les exigences spécifiques liées à l’activité dans la région.

L’entreprise lance également sa plateforme destinée aux entreprises, leur permettant de tester sa technologie et de souscrire à ses services, ainsi que des API et des SDK pour que les développeurs puissent expérimenter ses modèles.

La start-up a été fondée par Mariama Diallo et Ayooluwa Odemuyiwa. La PDG, Mariama Diallo, a auparavant travaillé chez Goldman Sachs avant de rejoindre ModelML, une entreprise soutenue par Y Combinator, en tant que responsable produit et croissance. Le directeur technique, Ayooluwa Odemuyiwa, est diplômé du Caltech, a travaillé chez Meta et a suivi des cours à la Stanford Business School avant de cofonder l’entreprise. Le duo souhaitait créer une solution destinée aux marchés émergents et s’est mis en quête d’opportunités.

Partout dans le monde, les entreprises se précipitent pour adopter des outils d’IA afin d’automatiser certaines parties de leurs opérations. Mais cela ne se passe pas toujours sans heurts. En Égypte, un centre d’appels avait automatisé une grande partie de ses appels, mais a dû revenir à l’ancien système en raison de résultats médiocres, comme l’ont découvert les fondatrices. Plusieurs centres d’assistance en Afrique leur ont confié que trouver et recruter des ingénieurs pour automatiser les appels à un coût raisonnable constituait un défi récurrent.

« La latence et la gigue que nous avons constatées sur les appels automatisés dans cette région étaient exorbitantes. Si nous étions devenus de simples orchestrateurs, nous aurions peut-être dû utiliser de gros modèles hébergés en dehors de la région, ce qui aurait entraîné une latence plus élevée. Nous avons compris que pour que cela fonctionne, nous devions utiliser des modèles très petits et réduire la latence à chaque étape », a expliqué Odemuyiwa à TechCrunch à propos de la décision de développer les propres modèles et la couche d’orchestration de l’entreprise.

Les laboratoires d’IA qui déploient leurs derniers modèles dépensent généralement des millions pour les entraîner et acquérir des données. AethexAI a trouvé une solution pour les deux. Au lieu de rechercher les modèles les plus volumineux possibles, l’entreprise a conclu que de petits modèles suffisaient pour résoudre le problème de latence tout en préservant la précision, et a développé sa propre série Kora avec des paramètres allant de 300 millions à 1,7 milliard. Cela ne représente qu’une fraction de la taille des grands modèles linguistiques — et c’est précisément là tout l’intérêt.

Pour entraîner ces modèles, la start-up a utilisé des enregistrements anonymisés provenant d’un centre d’appels partenaire. Elle a également envoyé des disques durs à des stations de radio à travers l’Afrique afin de collecter davantage de données audio. Pour limiter les coûts, elle a mis en place un réseau de contributeurs composé d’étudiants universitaires chargés d’annoter les données et de prononcer les noms locaux. Grâce à cela, la start-up affirme traiter désormais plus de 17 000 appels par jour.

Sur le plan commercial, l’entreprise veille à accompagner ses clients novices en matière d’IA vocale tout au long du processus, en leur proposant des démonstrations sur site et des ateliers pour les aider à identifier les meilleurs cas d’utilisation de l’automatisation.

« Nous disons toujours à nos clients que nous ne pouvons pas tout faire pour tout le monde pour l’instant. Nous sommes une petite entreprise. Lorsque nous entamons des discussions avec une entreprise, nous lui demandons de choisir, pour commencer, un cas d’utilisation qui lui tient le plus à cœur », a déclaré M. Diallo.

La start-up est ouverte à des collaborations dans tous les secteurs, mais pour l’instant, une grande partie de ses cas d’utilisation concerne les appels liés au recouvrement de créances, à l’activation des clients ou au KYC (Know Your Customer), le processus standard de vérification d’identité utilisé par les banques et les opérateurs télécoms. L’entreprise recrute des ingénieurs déployés sur le terrain sous contrat pour desservir les marchés locaux et établit des partenariats de distribution avec des opérateurs de télécommunications afin de gérer la téléphonie pour les appels vocaux basés sur l’IA. Selon elle, les solutions « plug-and-play » ne fonctionneront tout simplement pas ici.

Walter Badoo, cofondateur et associé gérant de 4DX Ventures, fait valoir que le marché de l’Afrique et du Moyen-Orient est fondamentalement différent des marchés pour lesquels la plupart des entreprises d’IA vocale ont été conçues.

« Les entreprises d’Afrique et du Moyen-Orient traitent environ trois fois plus d’appels que leurs homologues occidentales, car la voix reste le canal dominant pour l’interaction avec la clientèle », a-t-il déclaré. « Les systèmes existants ont été conçus pour les marchés occidentaux, caractérisés par une infrastructure GPU haut de gamme, un anglais standard et des environnements linguistiques européens, ainsi que des flux de travail d’entreprise courants aux États-Unis et en Europe. Cela crée de réelles lacunes lorsque les entreprises ont besoin de systèmes capables de gérer les dialectes, les changements de code linguistique et les schémas de langage informel, et qui fonctionnent au sein de leur infrastructure téléphonique existante et dans le respect de leurs budgets réels. »

En d’autres termes, alors que des entreprises comme ElevenLabs, Deepgram, Sierra et Cognigy se développent à un rythme effréné à l’échelle mondiale, les marchés pour lesquels elles ont été conçues et ceux sur lesquels elles s’implantent ne sont pas toujours les mêmes. Des start-ups comme AethexAI parient que ces lacunes — des modèles spécialisés dans les dialectes locaux, des partenariats sur le terrain, une infrastructure conçue pour la région — représentent une opportunité de marché que les géants n’ont ni la motivation ni l’architecture nécessaires pour exploiter.