Agent vocal IA : comment capter un numéro, un e-mail ou une adresse sans erreur ?

Pourquoi un numéro ou un e-mail est-il si difficile à capter à la voix ?

Un agent vocal IA qui comprend une demande comme « je voudrais décaler mon rendez-vous de jeudi » peut se permettre une erreur de transcription sur un mot : le sens global reste intact et le modèle de langage le reconstitue. Un numéro de téléphone, une adresse e-mail, un code postal ou un IBAN n'offrent aucune redondance de ce type. Un seul caractère faux, et la donnée entière est inutilisable : le rappel tombe sur un inconnu, la confirmation de rendez-vous part dans le vide, le colis revient.

C'est pour cette raison que le taux d'erreur de mots (WER) annoncé par les fournisseurs de reconnaissance vocale est un mauvais indicateur pour ce problème précis. Un WER de 5 % sur des phrases courantes ne dit rien de la probabilité d'obtenir un e-mail parfaitement juste, car les erreurs se cumulent caractère après caractère.

Le calcul est simple : si chaque caractère est reconnu correctement avec une probabilité p, une chaîne de n caractères est entièrement juste avec une probabilité p puissance n. Nous l'avons appliqué aux données que les agents vocaux collectent le plus souvent.

Lecture : probabilité que la donnée soit entièrement juste sans aucune vérification. Calcul AgentVocal.ai. Hypothèse simplificatrice : erreurs indépendantes d'un caractère à l'autre ; en pratique elles se concentrent sur les lettres épelées et les noms propres, ce qui aggrave plutôt le cas de l'e-mail.

Même avec une reconnaissance excellente, près d'un e-mail sur cinq et d'un IBAN sur quatre seraient faux si l'agent se contentait de transcrire. La fiabilité ne vient donc pas du moteur de reconnaissance, mais de la procédure de vérification que le scénario impose. Et cette procédure n'est pas la même pour chaque donnée : certaines portent leur propre contrôle, d'autres aucun.

Quelles données se vérifient toutes seules, et lesquelles jamais ?

C'est la question que les cahiers des charges oublient de poser. Plusieurs identifiants français contiennent une clé de contrôle : un chiffre calculé à partir des autres, qui permet à l'agent de détecter une erreur sans rien demander à l'appelant. D'autres n'en ont aucune, et là, seule une vérification humaine ou un canal de confirmation fonctionne.

Pour savoir ce que ces clés attrapent réellement, nous avons simulé les deux erreurs les plus fréquentes à l'oral, un chiffre mal entendu et deux chiffres voisins inversés, sur 2 000 SIRET et 500 IBAN générés aléatoirement, soit plusieurs centaines de milliers de variantes testées.

Le résultat est contre-intuitif : la donnée la plus longue, l'IBAN, est la plus sûre à capter, parce que sa clé modulo 97 rejette toute erreur isolée et toute inversion de voisins. L'agent peut répondre immédiatement « ce numéro de compte ne semble pas valide, pouvez-vous me relire les quatre derniers groupes ? ». À l'inverse, le numéro de téléphone, la donnée la plus demandée, n'a strictement aucun garde-fou : 06 12 34 56 78 et 06 12 34 56 87 sont deux numéros parfaitement valides.

Selon l'Insee, le SIRET est un « identifiant numérique de 14 chiffres » composé du Siren et d'un NIC qui se termine par « un chiffre de contrôle ». C'est ce chiffre qui permet à l'agent de rejeter une saisie erronée avant même d'interroger le répertoire.

Pour le SIRET, la clé ne suffit pas : un numéro peut être syntaxiquement valide sans correspondre à une entreprise existante. L'API publique Recherche d'entreprises de l'État permet de vérifier l'existence et de faire confirmer par l'appelant la raison sociale lue à voix haute, ce qui vaut toutes les relectures de chiffres.

Comment capter un numéro de téléphone sans le faire dicter ?

La meilleure dictée est celle qu'on évite. Sur un appel entrant, l'agent dispose déjà du numéro présenté. Le scénario doit commencer par lui : « Je peux vous rappeler au 06 12 34 56 78, le numéro depuis lequel vous appelez ? ». Un « oui » remplace dix chiffres dictés et leur marge d'erreur de près de 20 %.

Trois cas obligent malgré tout à faire dicter : l'appel vient d'un standard d'entreprise, d'un numéro masqué, ou l'appelant veut être rappelé ailleurs. Sur la fiabilité du numéro présenté lui-même et les appels masqués, voir notre article sur l'authentification des numéros imposée par l'Arcep. Quand la dictée est inévitable, trois règles changent tout.

1. Relire par paires, à la française. En France, on dicte un numéro en cinq groupes de deux chiffres. L'agent doit relire dans ce même format, et non chiffre par chiffre, sinon l'appelant ne reconnaît plus son propre numéro et valide sans écouter.
2. Traiter les nombres composés comme une zone à risque. « Quatre-vingt-deux » peut être transcrit 82, mais aussi 4 puis 22 si la pause est mal placée. « Soixante-dix-sept » peut devenir 60 puis 17. Et un appelant belge ou suisse dira « septante » ou « nonante » : l'agent doit les comprendre et relire dans la forme utilisée par l'appelant.
3. Vérifier le format avant de relire. Un numéro français compte 10 chiffres et commence par 0 ; un 06 ou un 07 est un mobile. Si l'agent entend neuf ou onze chiffres, il ne relit pas une valeur fausse : il redemande le groupe manquant.

Comment fiabiliser une adresse e-mail dictée ?

L'e-mail cumule toutes les difficultés : des lettres qui sonnent pareil au téléphone (m et n, b, d, p et t), des noms propres, des séparateurs que chacun prononce à sa façon. Les Français disent « tiret du 6 » pour le trait d'union et « tiret du 8 » pour le tiret bas, en référence au clavier AZERTY : un agent qui ne connaît pas cette convention écrit littéralement « tiret du 8 » ou se trompe de caractère.

La procédure qui fonctionne sépare l'adresse en deux parties, parce qu'elles ne se vérifient pas de la même façon.

La partie après l'arobase : un contrôle automatique

Le domaine peut être vérifié en temps réel par une requête DNS sur ses enregistrements MX, qui indiquent où livrer le courrier. Nous avons interrogé les domaines les plus dictés en France. Le cas le plus instructif est gmail.fr : erreur naturelle à l'oral, ce domaine publie un « MX nul » au sens du RFC 7505, c'est-à-dire qu'il déclare officiellement n'accepter aucun courrier. Un agent qui fait ce contrôle attrape l'erreur pendant l'appel : « Voulez-vous dire gmail point com ? ».

Mais le contrôle a une limite qu'il faut connaître : laposte.net et laposte.fr ont tous deux des serveurs de messagerie actifs. Le premier héberge des boîtes de particuliers, le second est le domaine de l'entreprise. Une confusion entre les deux passe le test DNS sans alerte. Il en va de même pour orange.fr et wanadoo.fr, deux domaines valides servis par le même opérateur. Le contrôle DNS élimine les domaines impossibles, pas les domaines plausibles.

La partie avant l'arobase : épeler, puis prouver

• L'agent fait épeler, puis relit en utilisant un mot par lettre ambiguë (« M comme Marcel, N comme Nicolas ») plutôt que la lettre seule.
• Si l'adresse suit le format prénom.nom et que l'agent connaît déjà le nom de l'appelant, il le propose au lieu de le faire épeler.
• Pour les usages où l'e-mail est indispensable (devis, contrat, rendez-vous), l'agent envoie un message de confirmation pendant l'appel et demande s'il est arrivé. C'est l'équivalent du SMS pour le téléphone.

Enfin, posez-vous la question en amont : avez-vous vraiment besoin de l'e-mail ? Si un SMS suffit à confirmer un rendez-vous, ne demandez pas l'adresse. Le principe de minimisation du RGPD va dans le même sens, et chaque champ supprimé est une source d'erreur en moins. Pour arbitrer ce qu'un outil d'IA peut traiter comme données clients, la grille de décision RGPD publiée par iaCockpit pose les bonnes questions, et notre guide agent vocal IA et RGPD détaille le cas spécifique de la voix.

Pourquoi le code postal seul ne suffit-il jamais pour une adresse ?

Nous avons extrait le référentiel officiel des communes publié par l'État (API Découpage administratif, consultée le 25 septembre 2026) pour mesurer l'ambiguïté réelle d'une adresse dictée. Les chiffres sont sans appel.

Calcul AgentVocal.ai à partir de geo.api.gouv.fr (champs nom, code, codesPostaux).

Autrement dit, le code postal seul désigne presque toujours plusieurs communes, le nom seul est ambigu pour 3 675 communes (Sainte-Colombe existe douze fois), mais le couple des deux est unique dans tout le référentiel. L'agent doit donc toujours obtenir les deux et les croiser. Le cas du 51300 montre pourquoi : ce seul code couvre 46 communes, dont Bassu et Bassuet, deux noms quasi identiques à l'oral.

Pour la rue, la Base Adresse Nationale fournit un service de géocodage public et gratuit, limité à 50 appels par seconde et par adresse IP, largement assez pour un agent vocal. Un piège, pourtant, que nous avons constaté en le testant : le score de confiance ne mesure pas l'ambiguïté. La recherche « rue de la Paix » sans commune renvoie Cherbourg-en-Cotentin, Bordeaux, Nantes, Troyes et Aix-en-Provence, chacune avec le même score de 0,98. Un scénario qui retient le premier résultat au-dessus d'un seuil enverrait le courrier à Cherbourg. La règle correcte : si plusieurs résultats ont un score proche, l'agent demande la commune ; il ne choisit jamais seul.

Quelles données un agent vocal ne doit-il pas collecter du tout ?

La fiabilité ne sert à rien si la donnée n'avait pas à être collectée. Deux cas reviennent dans les projets.

• Le numéro de sécurité sociale (NIR). Son usage est encadré par le décret n° 2019-341 du 19 avril 2019, dit « décret cadre NIR », qui liste de façon limitative les traitements autorisés par secteur. Un cabinet médical peut en avoir besoin pour certaines finalités ; une agence immobilière ou un artisan, non. Le mettre dans un scénario « pour identifier le client » est un usage hors cadre.
• Les données bancaires complètes. L'IBAN se vérifie très bien à la voix, mais la dictée dure longtemps et l'enregistrement de l'appel conserve la donnée en clair. Un lien sécurisé envoyé par SMS est préférable, l'agent se contentant de confirmer la réception.

La règle pratique tient en une phrase : l'agent ne demande à la voix que ce qu'il ne peut obtenir autrement, et il vérifie tout ce qu'il demande. Une fois la donnée validée, encore faut-il qu'elle arrive dans le bon champ du bon outil : c'est l'objet de notre article sur la synchronisation entre agent vocal et CRM. Et si la captation échoue deux fois, mieux vaut passer la main à un humain que de forcer : voir nos règles d'escalade vers un humain.

Comment mesurer la qualité de captation de votre agent vocal ?

Le taux d'erreur ne se voit pas dans les tableaux de bord : un e-mail faux est enregistré comme un e-mail. Il se mesure en aval, sur trois indicateurs simples.

1. Taux de rebond des e-mails de confirmation envoyés après les appels : c'est la mesure directe de la captation d'e-mails.
2. Taux de rappels aboutissant chez un inconnu ou sur un numéro non attribué, à suivre sur les rappels sortants.
3. Taux d'adresses corrigées par l'équipe ou retournées par le transporteur.

Comparez ensuite ces taux au tableau du début de cet article. Si votre taux d'e-mails faux dépasse 5 %, la procédure de vérification est défaillante, quel que soit le moteur de reconnaissance. Si les leads captés par l'agent alimentent ensuite vos campagnes, la qualité de la donnée pèse aussi sur la mesure en aval : CallTrack explique comment agent vocal et suivi des appels se combinent dans un dispositif de génération de leads.

Sources et méthode

• Calculs AgentVocal.ai : probabilité de chaîne juste = p puissance n ; simulation des erreurs de substitution et d'inversion sur 2 000 SIRET (Luhn) et 500 IBAN français de 27 caractères (modulo 97) générés aléatoirement ; exploitation du référentiel des communes ; requêtes DNS MX et de géocodage effectuées le 25 septembre 2026.
• API Découpage administratif (geo.api.gouv.fr) : référentiel des 34 969 communes et de leurs codes postaux.
• Base Adresse Nationale, documentation de l'API de géocodage : service public gratuit, limite de 50 appels par IP et par seconde.
• Insee, définition du SIRET : 14 chiffres, Siren + NIC terminé par un chiffre de contrôle.
• API Recherche d'entreprises (État) : vérification de l'existence d'un Siren ou d'un SIRET.
• Arcep, plan de numérotation pour les professionnels : numéros à 10 chiffres, mobiles en 06-07.
• RFC 7505 (IETF), « Null MX » : mécanisme par lequel un domaine déclare n'accepter aucun courrier.
• CNIL, le décret cadre NIR et décret n° 2019-341 du 19 avril 2019 (Légifrance).

Article publié le 25 septembre 2026. Les taux du premier tableau sont des ordres de grandeur illustratifs fondés sur des hypothèses de précision par caractère, pas des mesures d'un moteur particulier.