ElevenLabs facilite le transfert de conversations entre agents d’intelligence artificielle

Une conversation avec un assistant ne devrait pas repartir de zéro à chaque changement d’interlocuteur. C’est précisément le problème auquel ElevenLabs entend répondre avec une option de transfert de dialogues entre agents d’intelligence artificielle, annoncée le 23 avril 2025. Le principe est simple à énoncer, mais déterminant dans les usages concrets : lorsqu’un agent n’est plus le mieux placé pour traiter une demande, il peut confier l’échange à un autre agent en lui transmettant son contexte.

Cette évolution vise les organisations qui déploient plusieurs assistants numériques plutôt qu’un seul chatbot polyvalent. Un premier agent peut accueillir le visiteur, qualifier son besoin et répondre aux questions fréquentes. Un second peut se consacrer à une demande plus technique, commerciale ou administrative. Pour l’utilisateur, l’enjeu est de conserver le fil de la discussion, sans avoir à reformuler sa situation ni à répéter des informations déjà fournies.

Ce qu’ElevenLabs annonce exactement

L’option présentée par ElevenLabs permet de transférer une conversation en cours d’un agent d’IA vers un autre. L’agent initial identifie qu’une autre entité est davantage adaptée à la requête, puis passe le relais. Le dialogue ne doit donc pas être traité comme une succession de sessions isolées, mais comme un échange continu dont la responsabilité peut changer.

L’entreprise met en avant une compréhension contextuelle des interactions. Autrement dit, le nouvel agent ne reçoit pas seulement la dernière question formulée : il doit disposer des éléments pertinents de l’historique pour comprendre ce qui a déjà été demandé, les réponses apportées et la raison du transfert.

Cette distinction est importante. Faire suivre un message vers un autre système est relativement simple. Préserver le sens de l’échange l’est beaucoup moins. Si un client écrit qu’il a « déjà essayé cela », l’agent qui reprend la conversation doit savoir à quoi renvoie le mot « cela ». Sans contexte, le transfert devient une source de frustration supplémentaire.

Pourquoi un agent unique ne suffit pas toujours

Les agents d’IA sont des logiciels capables de dialoguer avec une personne, de suivre des instructions et, selon leur configuration, d’accéder à des outils ou à des bases d’information. Ils ne sont pas nécessairement tous construits pour remplir le même rôle. Une entreprise peut ainsi préférer séparer l’accueil, le support technique, les ventes et les opérations plus spécialisées.

Cette spécialisation présente plusieurs intérêts. Elle permet notamment d’associer à chaque agent un périmètre de réponse, un ton, des consignes et des connaissances adaptés à sa mission. Un assistant chargé d’expliquer une facture n’a pas besoin d’être configuré comme celui qui guide un prospect dans le choix d’une offre. En contrepartie, cette division du travail crée un risque : celui de rompre le parcours de l’utilisateur au moment où son besoin devient plus complexe.

Le transfert de dialogues cherche à résoudre ce compromis entre spécialisation et continuité. Au lieu de renvoyer une personne vers une nouvelle fenêtre de discussion ou de lui demander de choisir manuellement un service, le système peut orienter la conversation en fonction de son contenu.

Comment préserver le contexte lors d’un transfert ?

Selon la présentation d’ElevenLabs, le mécanisme s’appuie sur des technologies de traitement du langage naturel et d’apprentissage automatique. Ces technologies servent à analyser le contenu d’un échange, à identifier l’intention exprimée et à faire circuler les informations nécessaires au prochain agent.

Dans la pratique, la continuité repose sur trois opérations complémentaires :

• Reconnaître le bon moment pour transférer, par exemple lorsqu’une question dépasse le périmètre de l’agent qui a reçu la demande.
• Choisir l’agent approprié, en tenant compte de la nature de la requête et du profil des agents disponibles.
• Transmettre un contexte utile et compréhensible, afin que l’agent destinataire puisse répondre sans ignorer les échanges précédents.

Le mot « utile » compte beaucoup. Transmettre l’intégralité d’une conversation peut être superflu, voire problématique lorsque des données sensibles ont été partagées. À l’inverse, transmettre trop peu d’éléments peut amener le nouvel agent à poser les mêmes questions. L’équilibre dépend donc de la conception du parcours, des informations nécessaires à chaque mission et des règles définies par l’organisation.

Les éléments présentés ne détaillent pas le format technique exact de ce contexte, ni la manière dont chaque entreprise peut paramétrer le partage d’informations entre ses agents. Le résultat recherché reste néanmoins clair : le système doit garder une trace du dialogue précédent afin que l’agent nouvellement assigné puisse poursuivre l’échange de manière naturelle.

Un cas d’usage concret dans le service client

Le service client illustre bien l’intérêt d’un tel dispositif. Imaginons une personne qui contacte une entreprise au sujet d’un problème de commande. L’agent de première ligne peut d’abord recueillir le numéro de dossier, comprendre la nature de l’incident et proposer les solutions les plus courantes.

Si la situation exige une vérification plus poussée, l’échange peut être confié à un agent spécialisé. Celui-ci récupère les informations déjà communiquées et se concentre directement sur le point bloquant. La personne ne devrait donc pas avoir à réexpliquer le produit concerné, l’incident rencontré ou les démarches déjà effectuées.

Le même modèle peut s’appliquer à d’autres contextes évoqués par ElevenLabs, notamment les ventes. Un agent généraliste peut répondre à une première demande de renseignements, puis transférer la conversation vers un agent configuré pour traiter des besoins plus précis. Dans tous les cas, la promesse est de faire intervenir le bon interlocuteur numérique au bon moment.

Ce que cette organisation peut changer pour les entreprises

Pour une entreprise, la valeur d’un assistant conversationnel ne dépend pas uniquement de sa capacité à produire des réponses plausibles. Elle dépend aussi de sa faculté à orienter correctement les demandes, à éviter les impasses et à assurer une expérience homogène sur la durée.

Une architecture à plusieurs agents peut améliorer la répartition des tâches. Les demandes simples restent gérées par l’agent de première ligne, tandis que les cas nécessitant davantage de connaissances ou des instructions spécifiques sont routés vers un autre agent. Cette organisation peut contribuer à réduire les délais de traitement et à accroître la pertinence des réponses, deux bénéfices mis en avant dans les premiers retours rapportés autour de cette fonctionnalité.

Ces gains ne sont toutefois pas automatiques. Un transfert mal déclenché peut donner l’impression d’une mise en attente déguisée. Une sélection erronée peut envoyer l’utilisateur vers un assistant incapable de résoudre son problème. Enfin, un contexte incomplet peut annuler l’avantage attendu en contraignant la personne à se répéter.

La qualité de l’expérience dépend donc de choix très concrets : quelles demandes doivent être transférées, à quel agent, avec quelles données et selon quelles conditions de retour vers un autre interlocuteur. L’outil n’élimine pas ce travail de conception. Il fournit une brique pour l’organiser.

Confidentialité et transparence : les points de vigilance

Lorsqu’une conversation circule entre plusieurs agents, la question des données devient centrale. Chaque transfert implique potentiellement que des informations collectées par un premier assistant soient accessibles à un second. Il peut s’agir du contenu de la demande, d’éléments d’identification ou de données liées à une commande, à un compte ou à une situation personnelle.

ElevenLabs indique avoir mis en place des protocoles de sécurité afin de protéger la confidentialité des données échangées entre agents. Pour les entreprises, cette promesse doit se traduire par une réflexion opérationnelle : quelles informations sont nécessaires au traitement, pendant combien de temps sont-elles conservées, qui peut y accéder et comment l’utilisateur est-il informé du fonctionnement du service ?

La transparence a également un rôle à jouer. Une personne devrait pouvoir comprendre qu’elle échange avec un système automatisé et savoir, autant que possible, lorsqu’un transfert intervient. L’objectif n’est pas de multiplier les messages techniques, mais d’éviter une expérience opaque dans laquelle l’utilisateur ne sait ni qui traite sa demande ni pourquoi la conversation change de direction.

Dans des domaines sensibles, comme la santé ou l’éducation, évoqués parmi les perspectives possibles de cette technologie, ces précautions prennent une importance particulière. Un transfert fluide ne doit pas conduire à partager plus de données que nécessaire, ni à présenter une réponse automatisée comme un avis humain qualifié.

Disponibilité et types d’agents concernés

D’après les informations présentées, la fonction est accessible aux utilisateurs des services d’ElevenLabs, à condition que leur plateforme soit mise à jour avec la version qui l’intègre. Le transfert peut concerner différents types d’agents développés sur la plateforme, qu’ils soient destinés au service client, aux ventes ou à d’autres domaines d’expertise.

Cette ouverture rend la fonctionnalité pertinente pour des structures de tailles variées, mais son intérêt dépendra du nombre d’agents utilisés et de la complexité des parcours conversationnels. Une petite organisation dotée d’un seul assistant n’a pas les mêmes besoins qu’un service qui répartit déjà ses interactions entre plusieurs rôles.

Avant un déploiement, les équipes ont intérêt à tester les scénarios de bascule les plus fréquents. Il faut notamment vérifier si l’agent de départ reconnaît correctement ses limites, si le destinataire reçoit un résumé suffisamment précis et si la reprise reste compréhensible du point de vue de l’utilisateur.

Ce qu’il faut surveiller

L’annonce d’ElevenLabs s’inscrit dans une évolution plus large des assistants d’IA : l’enjeu n’est plus seulement de faire dialoguer un modèle avec une personne, mais d’orchestrer plusieurs agents spécialisés au sein d’un même parcours. Cette approche peut rendre les services plus modulaires et mieux adaptés à des demandes variées.

La prochaine étape sera d’observer la qualité réelle des transferts. Les critères les plus révélateurs ne se limiteront pas à la rapidité de la réponse. Il faudra regarder la capacité du système à conserver le contexte pertinent, à orienter les demandes avec justesse, à reconnaître les situations où une intervention humaine est préférable et à protéger les données durant toute la conversation.

Le transfert de dialogues répond à une attente très concrète : ne pas devoir raconter deux fois le même problème. S’il est correctement paramétré, il peut rapprocher les assistants numériques d’une qualité de service plus continue. S’il est mal conçu, il risque au contraire de multiplier les intermédiaires. Toute la valeur de cette nouvelle option se jouera donc dans la qualité de son intégration aux parcours réels des utilisateurs.