Comment fonctionne un callbot installé sur vos serveurs

L'appel arrive par votre opérateur SIP ou votre PBX. À partir de là, tout — reconnaissance vocale, choix de la réponse, synthèse vocale, enregistrements — se passe dans votre infrastructure.

Architecture

Illustration: Illustration : centre d'appels IA sur site — les données restent dans vos locaux VOS LOCAUX — LES DONNÉES NE SORTENT JAMAIS Serveur GPU AI Fortis reconnaissance vocale · voix · hub Modèle de langage local (en option) Trunk SIP / PBX Votre CRM / ERP Appelant votre fournisseur (API) Illustration
Avec votre fournisseur de LLM via API, seul le texte des tours de parole sort ; avec un LLM local, rien ne sort.

Les composants

Passerelle téléphonique

Fonctionne sur votre serveur et se raccorde à votre trunk SIP ou à votre PBX. Appels entrants et sortants, détection d'occupation, transfert vers un collègue.

Reconnaissance vocale

Notre propre reconnaissance vocale, exécutée sur le serveur GPU, optimisée pour l'audio téléphonique et pour chaque langue que nous livrons.

Voix

Nos propres voix neuronales, optimisées pour les conversations téléphoniques et une accentuation correcte. Une voix personnalisée pour votre marque sur demande.

Pilotage de la conversation

Qui parle quand, interruption par l'appelant, pauses, protection contre les répétitions, annonce IA et avis d'enregistrement.

Modèle de langage

Formule les réponses et décide quand appeler un outil. Votre fournisseur actuel via API ou un modèle entièrement local sans internet.

Salle de contrôle

Agents et versions, campagnes, liste d'opposition, horaires d'appel, enregistrements, transcriptions, extraction de données, portails clients, rôles, journal d'audit.

Le parcours d'un tour de parole — avec temps mesurés

Illustration: Illustration : un tour de parole avec temps mesurés
Appelant
Passerelle SIP
Reconnaissance vocale
Modèle de langage + outils
Voix
décroché en 0,14–0,31 s premier son 136 ms (médiane) fin de parole → premier son 1,4 s (médiane, appels de test) Illustration
  1. L'appelant parle ; l'audio arrive par SIP à la passerelle sur votre serveur.
  2. La reconnaissance vocale transforme la parole en texte pendant que l'appelant termine encore sa phrase.
  3. Le modèle de langage décide de la réponse et appelle un outil si nécessaire (p. ex. une consultation de solde dans le CRM).
  4. La voix synthétise la réponse par segments, de sorte que le premier son démarre avant que la réponse entière soit prête.
  5. L'appel, la transcription et les champs extraits sont stockés dans le hub ; un webhook informe vos systèmes.

Les temps sont des mesures de laboratoire et d'appels de test (octobre 2026). Le temps total d'un tour de parole dépend surtout du modèle de langage que vous choisissez.

Ce qui se passe sur vos serveurs pendant un appel

Un appel atteint votre passerelle téléphonique via votre trunk SIP ou votre PBX existant. De là, il rejoint notre propre reconnaissance vocale, qui transforme les paroles de l'appelant en texte à l'intérieur de vos locaux. La couche de conversation décide de la suite, avec le modèle de langage de votre choix : votre fournisseur actuel via une API, auquel cas seul le texte des échanges est envoyé, ou un modèle entièrement local, sans connexion internet.

Si l'agent a besoin de données, il appelle vos systèmes par des outils HTTP, en utilisant uniquement les actions que vous avez autorisées. La réponse rejoint ensuite nos propres modèles de voix, qui la prononcent dans l'appel. Les enregistrements, les transcriptions et les journaux restent sur vos serveurs, avec la durée de conservation que vous fixez par client.

Comme chaque étape s'exécute dans votre infrastructure, votre équipe de sécurité peut contrôler le flux de données, les règles réseau et le journal d'audit de la même manière que pour tout autre système interne. Rien dans l'appel ne dépend d'un service vocal cloud : vous gardez ainsi la maîtrise des données comme des coûts.

Pendant un pilote, nous mesurons ces étapes sur votre propre matériel et avec le modèle de langage que vous avez choisi, car ce modèle représente la plus grande part de la latence. Vous obtenez les chiffres de votre configuration, et votre équipe voit comment l'agent se comporte sur de vrais appels avant tout déploiement. La même salle de contrôle affiche ensuite les appels en direct, les campagnes, les enregistrements et le journal d'audit de chaque agent.

Matériel et capacité

Nous fournissons des serveurs GPU d'entreprise dimensionnés selon votre volume. Voici ce que nous avons mesuré sur l'un de nos serveurs de laboratoire :

ConfigurationAppels simultanésPremier son de la voix (médiane / p95)
Serveur GPU d'entreprise — réglage standard50 000+136 / 178 ms
Serveur GPU d'entreprise — réglage précision maximale16p95 156 ms
Serveur CPU uniquement (petits déploiements)697 / 179 ms

Mesuré avec une reconnaissance vocale réelle sur de la parole bulgare enregistrée. Les serveurs de production sont dimensionnés selon votre volume ; un volume plus élevé signifie plus de serveurs.

Voir les niveaux de matériel dans le configurateur →

Questions fréquentes

Tout fonctionne-t-il vraiment sur nos serveurs ?

Oui : notre propre reconnaissance vocale et nos modèles de voix, le pilotage de la conversation, la passerelle téléphonique, les campagnes et les enregistrements. Le modèle de langage est à votre choix : votre fournisseur actuel via API (seul le texte des échanges est alors envoyé) ou un modèle entièrement local, sans internet.

Quel matériel faut-il ?

Nous fournissons des serveurs GPU d'entreprise dimensionnés selon votre volume. À titre indicatif, l'un de nos serveurs de laboratoire a géré 50 000+ appels simultanés. Voir l'étape 2 du configurateur.

À quelle vitesse l'agent répond-il ?

Lors de nos appels de test avec un modèle de langage cloud, le temps médian entre la fin de la phrase de l'appelant et le premier son de la réponse était de 1,4 s ; la voix elle-même démarre 136 ms après que le texte de la réponse est prêt. Le modèle de langage représente la plus grande part ; nous le mesurons donc avec votre choix pendant le pilote.

Avec quelle téléphonie fonctionne-t-il ?

Avec tout trunk SIP standard ou PBX : vos numéros et votre opérateur actuels restent en place.

Voyez-le fonctionner sur votre propre scénario

Réservez un échange de 20 minutes, écoutez l'agent ou laissez-nous créer un agent exemple gratuit pour l'un de vos types d'appels. Sans engagement.

  • RGPD dès la conception
  • Fonctionne sur vos propres serveurs
  • Exploitation et support 24 h/24, 7 j/7
  • Une équipe de 5 personnes à Sofia, UE

Déjà en production dans des organisations en Bulgarie — noms sous NDA.

Comment nous le prouvons →