Publiée le 11 novembre 2026, l’annonce officialise l’intégration du modèle ouvert Nemotron 3.5 Super VL dans ElevenAgents. Ce partenariat entre Nvidia et ElevenLabs cherche à maintenir un temps de réponse inférieur à la seconde. Parallèlement, le système conserve sa capacité à exécuter des calculs financiers complexes sur les dossiers clients.
Les entreprises utilisatrices d’ElevenAgents accèdent ainsi à un modèle capable de piloter sa réflexion. Le système active ou coupe en effet son raisonnement selon la complexité de chaque échange téléphonique. Jusqu’ici, les équipes informatiques devaient choisir entre deux architectures opposées pour leurs agents vocaux. Elles déployaient soit un petit modèle rapide mais limité, soit un moteur analytique trop lent. L’accord entre Nvidia et ElevenLabs résout donc ce compromis technique. Toutefois, il ne règle pas seul la question budgétaire.
Activer ou couper le raisonnement pour tenir la cadence d’un appel téléphonique
Sur le plan architectural, Nemotron 3.5 Super VL associe des couches Mamba-2 à un routage Mixture-of-Experts. Il totalise 120 milliards de paramètres, mais seuls 12 milliards s’activent pour traiter chaque jeton. En plus, la quantification au format NVFP4 accélère l’inférence sur les processeurs graphiques récents. Sa particularité réside dans un interrupteur pilotable via enable_thinking ou un budget de raisonnement. Le modèle bascule ainsi d’un mode réactif à une analyse approfondie sans recharger ses poids.
Durant un appel, ce réglage ajuste donc la profondeur de calcul à chaque tour de parole. Pour un horaire d’ouverture ou un suivi de colis par exemple, l’agent coupe la génération de jetons internes. Ainsi, le modèle produit immédiatement sa réponse textuelle afin d’éviter un blanc sonore au téléphone. À l’inverse, un litige de facturation ou un calcul d’avoir déclenche une analyse étape par étape. Le système interroge alors les bases CRM via des outils externes avant la synthèse vocale.
Pour les architectes logiciels qui déploient Nvidia et ElevenLabs, ce routage dynamique simplifie la gestion des serveurs. Car les équipes n’ont plus à maintenir deux flottes distinctes de modèles pour couvrir un même parcours. Par conséquent, les demandes simples et les opérations transactionnelles s’exécutent sur un seul pipeline.
We’re expanding our collaboration with @elevenlabs to bring voice agents to enterprises and governments worldwide. With NVIDIA Nemotron models now in ElevenAgents, organizations have more choice in how they build and customize voice agents. NVIDIA’s @karibriski joined ElevenLabs’ @i_am_holt today to discuss the news and bringing enterprise AI into production. Read the news: https://t.co/qhRN7Pn1f8
— NVIDIA (@nvidia) November 11, 2026
Les angles morts du calcul économique derrière l’annonce de Nvidia et ElevenLabs
Sur le terrain financier, l’annonce promet une baisse des coûts de 70 % face aux modèles ouverts. Néanmoins, il faut distinguer ce signal commercial d’une preuve mesurée en production par un tiers indépendant. Puisque ce chiffre provient d’un banc d’essai interne mené sur l’intégration Nvidia et ElevenLabs. Or, plusieurs paramètres déterminants manquent, comme la taille des fenêtres de contexte et les modèles évalués. De même, le communiqué tait les instances matérielles testées et le taux réel d’activation du raisonnement. Sans ces données de référence, les directions financières ne peuvent pas extrapoler cette économie annoncée.
Par ailleurs, l’inférence du modèle de langage représente seulement une fraction de la facture d’un appel. Selon la documentation technique d’ElevenAgents, chaque minute de conversation mobilise trois solutions logicielles en cascade. La plateforme enchaîne la reconnaissance vocale entrante, la détection de tour de parole et la synthèse sortante. À ces postes logiciels s’ajoutent l’intégration CRM et l’amortissement des serveurs Blackwell Ultra ou Vera Rubin.
Avant de généraliser l’offre Nvidia et ElevenLabs, les directions informatiques doivent donc mener un pilote ciblé. Ce test gagnera à porter sur un flux précis, comme le recouvrement ou la garantie. La validation budgétaire reposera alors sur le coût complet par dossier résolu sans transfert humain. Cette métrique opérationnelle reste plus fiable qu’un tarif théorique par million de jetons générés. Il faudra également observer la latence du duo lors des pics d’appels saisonniers.
- Partager l'article :
