Temps de réponse d’un agent téléphonique IA : 1,8 seconde mesurée sur nos appels réels

Pourquoi 1 822 ms, et pas la médiane brute

21,9 % des tours mesurés sont sous 500 ms (154 sur n = 704). Ce n’est pas de la rapidité : ce sont très majoritairement des prises de parole de l’agent sans question de l’appelant — l’accueil, une relance — qui n’ont rien d’un « temps de réponse ». Les compter tire la médiane brute vers le bas de façon artificielle : un chiffre qu’on écarte volontairement plutôt que de le publier tel quel.

En ne gardant que les tours où l’appelant a vraiment parlé avant la réponse (578 tours), la médiane remonte à 1 822 ms. Sur les appelants occasionnels (une à trois visites) : 1 738 ms (n = 271 tours). Sur notre petit échantillon de contrôle côté commerçants réels : 1 773 ms (n = 51 tours, trop mince pour être publié seul). Les trois convergent vers 1,7-1,8 seconde — c’est ce qui nous fait dire que le chiffre est robuste, pas un artefact de calcul.

Une réponse sur six met plus de 3 secondes

Sur ces n = 578 tours — sous 1 s : 15,4 % · sous 1,5 s : 35,3 % · sous 2 s : 58,3 % · au-delà de 3 s : 17,8 %. Il reste aussi 12,5 % de tours sous 500 ms (72 tours) malgré une vraie question — une anomalie qu’on n’explique pas encore, qu’on préfère signaler plutôt qu’ignorer.

Autre effet mesuré : plus un appel dure, plus la réponse ralentit. Moins d’une minute : médiane à 1 651 ms (n = 70 tours) ; au-delà de deux minutes : 1 829 ms (n = 318 tours), soit environ 11 % de plus. Modeste, mais réel. (La tranche « moins de 30 secondes » repose sur moins de cinq appels : on ne la publie pas.)

Ce qu’on en fait, concrètement :

1. Chercher la cause de la hausse (charge, prompt, modèle) avant de toucher au code à l’aveugle.
2. Garder cette mesure au jour le jour, pas seulement en moyenne hebdomadaire, pour repérer la prochaine dérive plus tôt.
3. Republier ce chiffre au prochain volet — avec, on l’espère, une explication plutôt qu’une simple confirmation.

Une seconde avant le premier mot — et elle se décompose

Entre le décroché et la connexion établie avec l’agent vocal : 574 ms en médiane (n = 113 appels, jusqu’à 1 450 ms dans les pires cas). Entre cette connexion prête et la première trame audio : encore 428 ms (n = 111 appels — deux traces n’ont pas les deux tops, et une durée à laquelle il manque un top n’est pas publiée). Total : 1 016 ms avant le premier mot — et 574 + 428 = 1 002 ms, à 14 ms du total mesuré : la somme boucle.

Autrement dit, il faut une seconde pour que l’agent dise « bonjour », et 56 % de cette seconde part dans l’établissement de la connexion, avant la moindre syllabe. C’est la seule décomposition que notre donnée autorise aujourd’hui.

Un appel sur trois interrompu, 13 % des phrases coupées

40 appels sur n = 113 (35,4 %) contiennent au moins une interruption de l’appelant ; sur les n = 704 tours du corpus, 91 (12,9 %) portent la marque « interrompu ». Ce qu’on ne dira pas, c’est que l’agent se tait « en 0 ms » : notre mesure s’arrête à notre propre tampon mémoire — l’audio déjà confié à l’opérateur continue de jouer, et ce délai-là n’est mesuré nulle part encore.

Résultat négatif honnête, au passage : on pensait qu’une interruption coûtait cher en temps de réponse. Non confirmé — un tour interrompu répond même un peu plus vite (1 493 ms, n = 91) qu’un tour qui ne l’est pas (1 684 ms, n = 613), et sur le tour suivant l’écart reste faible. On préfère l’écrire plutôt que laisser vivre une intuition fausse.

Histoire de méthode : 316 écarts mesurés, 32 silences réellement entendus

Nos journaux comptent n = 316 écarts d’au moins 300 ms entre deux arrivées d’audio consécutives depuis le 1ᵉʳ juin — une mesure qui ressemble à des coupures. En réalité, 5 seulement (1,6 %) sont tombés réserve de lecture vide ; pour les 98,4 % restants, l’appareil avait de quoi jouer et personne n’a rien entendu. On avait pourtant ajouté un petit mot de remplissage (un « Mmh ») sur la foi de cette mauvaise métrique.

La bonne mesure regarde l’épuisement de la réserve : n = 32 silences réellement entendus sur la même période (médiane 294 ms, 19,9 s cumulées, 3 seulement au-dessus d’une seconde), tous les 4 et 5 août — des appels de banc, avant notre cohorte publique — et aucun depuis. Ces 32 silences décrivent une leçon de méthode, pas l’état actuel du service.

Ce que ça ne dit pas (encore)

On a changé de moteur vocal en cours de route (6 août), et perdu au passage un détail qu’on avait avant : à l’intérieur des 1,8 seconde, on ne sait plus dire combien part à comprendre que vous avez fini de parler, combien à préparer la réponse, combien à la prononcer. Cette information n’existe sur aucun des 132 appels tracés de ce lot ; le chiffre technique qui survit dans nos journaux n’est pas fiable (sur certains appels il dépasse la durée du tour entier, ce qui est impossible).

On préfère l’écrire plutôt qu’inventer un partage plausible. C’est un vrai angle mort qu’on travaille à combler pour le prochain volet.