La Grande-Bretagne utilise une intelligence artificielle vocale du XXIe siècle sur une ligne téléphonique datant de 1972.

Trois numéros d'un réseau conçu pour les téléphones à cadran.

La Grande-Bretagne développe une intelligence artificielle vocale de pointe et achemine l'ensemble du trafic via une bande de fréquences conçue pour un central téléphonique en cuivre au cours de l'année. Le Parrain a été publié. Son coût est supporté par chaque entreprise et chaque citoyen qui parlera à un répondeur automatique au téléphone au cours des dix prochaines années.

Un réseau conçu pour les combinés en bakélite

Le codec s'appelle G.711. Il échantillonne la voix humaine 8 000 fois par seconde et élimine tout ce qui dépasse environ 3,4 kHz. Cette norme a été établie à une époque où la plupart des foyers britanniques étaient équipés d'un simple téléphone à cadran rotatif relié à un boîtier en bois fixé au mur.

En 2026, il reste le codec de facto du réseau téléphonique public commuté (RTPC) et le plus petit dénominateur commun de la téléphonie britannique. D'après les données d'Openreach, c'est le format dans lequel votre appel sera très probablement transcodé dès son arrivée sur le réseau, même si votre logiciel de téléphonie, votre casque et votre combiné sont capables d'une bien meilleure qualité.

La Grande-Bretagne se lance actuellement dans une démarche véritablement étrange. Nous développons une intelligence artificielle vocale de pointe (de vastes modèles de langage capables de raisonner en temps réel, des transcripteurs entraînés sur des centaines de milliers d'heures de parole haute fidélité, une synthèse vocale neuronale fluide) et nous acheminons ensuite l'ensemble du signal via une bande de fréquences conçue pour la bande passante d'un central téléphonique en cuivre.

La désactivation du réseau téléphonique public commuté (RTPC) résout le mauvais problème.

La réforme principale est simple. Le réseau cuivre est véritablement défaillant : l’Ofcom a enregistré une hausse de 45 % des incidents importants de résilience du réseau téléphonique public commuté (RTPC) en 2024. Le problème réside dans les résultats concrets de cette migration.

Après de multiples reports, la date butoir fixée par le secteur est désormais fin janvier 2027. Openreach a confirmé que cette date est « définitive ». L'arrêt des ventes sur les lignes existantes est en vigueur dans la plupart des centraux téléphoniques depuis 2023, et des augmentations de prix de 20 %, puis de 40 %, poussent les clients restants à quitter le réseau jusqu'en 2026.

Le remplacement du réseau téléphonique commuté (RTC) n'apporte pas une amélioration radicale de la qualité vocale. Il s'agit du même appel, au même format à bande étroite de 8 kHz, transporté via IP au lieu du cuivre. La plupart des services vocaux tout IP au Royaume-Uni utilisent encore par défaut le codec G.711 (le même codec de 1972) encapsulé dans un paquet SIP. Les câbles changent. Le son, lui, reste le même.

Des alternatives à large bande existent. Le G.722 double la fréquence d'échantillonnage à 16 kHz. L'EVS monte jusqu'à 20 kHz et couvre toute la gamme audible par l'oreille humaine. L'Opus (utilisé dans WhatsApp, Teams et Google Meet) s'adapte dynamiquement jusqu'à 48 kHz. Aucun de ces formats n'est le format par défaut sur les lignes SIP au Royaume-Uni. Dès qu'un appel transite par une passerelle RTC, un interconnexion ou un service de traduction de numéros, il est recodé en G.711 et l'avantage de la bande passante est perdu.

Les codecs vers lesquels le reste du monde est passé

Aucun de ces éléments n'est théorique. Ils sont tous normalisés, déployés en production et pris en charge par tous les terminaux modernes. Le Royaume-Uni ne les négocie simplement pas comme solution par défaut sur le réseau qui remplace le réseau téléphonique commuté (RTC).

Ce que vous coûte réellement une fréquence de 8 kHz

L'argument technique contre la téléphonie à bande étroite n'est pas d'ordre esthétique. Il est mathématique et il est impitoyable pour les machines qui écoutent désormais à l'autre bout du fil.

La parole humaine contient des informations acoustiques utiles bien au-delà de la fréquence de coupure de 3,4 kHz imposée par la norme G.711. Les fréquences fondamentales, celles qui vous permettent de reconnaître votre mère au téléphone, se situent entre 85 et 250 Hz. Les voyelles portent l'énergie de 350 Hz à 2 kHz. Jusque-là, tout est compatible avec le réseau téléphonique public commuté (RTPC).

Les consonnes (les sifflantes, les fricatives et les occlusives sourdes) se situent entre 1,5 kHz et 4 kHz Ces sons, dont l'énergie est significative jusqu'à 8 kHz et au-delà, permettent de distinguer « quinze » de « seize », « Smith » de « Smyth », « F » de « S » et « Th ». Ils représentent environ 5 % de la puissance de la voix et contribuent à environ 60 % de son intelligibilité.

Les modèles modernes de reconnaissance vocale (Whisper, Deepgram Nova, Chirp de Google, et les modèles intégrés à toutes les principales plateformes d'IA vocale) sont entraînés presque exclusivement sur des signaux audio à 16 kHz. Whisper, par sa conception, requiert une entrée à 16 kHz. Lui fournir un signal téléphonique à 8 kHz revient à suréchantillonner des données avec perte et à présenter au modèle une distribution de fréquences qu'il n'a jamais rencontrée lors de son entraînement.

Les ingénieurs qui développent des agents vocaux sur Twilio constatent régulièrement une précision de seulement 50 % sur une parole pourtant claire dès que l'appel atteint un codec de 8 kHz, alors que la même parole est retranscrite parfaitement via le microphone d'un navigateur. Ce problème ne se résoudra pas par une invite vocale plus intelligente ou un modèle plus complexe. Il s'agit d'un problème de physique.

Facile à manquer dans une présentation. Catastrophique en production.

L'audio à bande étroite dégrade l'IA vocale sur au moins six points : individuellement gênant, collectivement catastrophique. Les conséquences économiques de ces défaillances ne sont pas théoriques ; elles se font sentir à chaque minute, à chaque appel mal acheminé, dans tous les secteurs réglementés qui tentent de déployer un agent vocal sur le réseau existant.

• Hallucinations. Les codecs avec perte introduisent un bruit métallique et parasite que les modèles d'IA peuvent interpréter comme un bruit de fond ou comme la parole elle-même. Si un locuteur ne dit rien, le modèle invente un mot. Chaque erreur de transcription alimente ensuite le LLM, qui doit alors traiter une entrée corrompue.
• Effondrement de la prise de parole. Les agents vocaux détectent la fin de la conversation d'un appelant grâce à des signaux acoustiques à haute fréquence. Sans ces signaux, la reconnaissance vocale devient peu fiable : l'agent interrompt, attend trop longtemps ou parle par-dessus l'appelant.
• L'identification du haut-parleur se dégrade. L'audio à large bande est environ deux fois plus efficace que l'audio à bande étroite pour les systèmes de reconnaissance vocale, ce qui est important pour la détection des fraudes, la biométrie vocale et la vérification du consentement.
• Perte de transcodage. Un agent d'IA génère un Opus à 48 kHz, transcodé en G.711 au niveau de la passerelle SIP, transcodé à nouveau en AMR-WB ou EVS lors du transfert mobile, et arrive sous forme d'approximation à dégradation multiple.
• Discrimination multilingue et liée à l'accent. Le filtrage à bande étroite accentue les faiblesses des modèles existants pour l'anglais non natif, les dialectes régionaux et les langues tonales. Les indices haute fréquence permettant de distinguer les phonèmes similaires sont précisément les premiers à être éliminés.
• La queue économique. Une transcription inexacte entraîne des erreurs d'acheminement des appels IVR, une augmentation du temps de traitement de 3 à 5 minutes, un taux de rappel d'environ 30 % pour la transcription des messages vocaux et un taux de faux positifs d'environ 60 % dans l'analyse des sentiments. Lorsqu'un centre de contact annonce un taux de dérivation de l'IA de 12 % alors que son concurrent annonce 35 %, le problème ne réside généralement pas dans le modèle, mais dans le codec.

Pourquoi la position du Royaume-Uni est particulièrement mauvaise

La Grande-Bretagne n'est pas le seul pays à utiliser un réseau téléphonique commuté à bande étroite. Cependant, notre situation est moins favorable que celle de la plupart de nos homologues, et ce pour des raisons entièrement liées à des choix politiques.

La migration britannique a été reportée à deux reprises (de décembre 2025 à janvier 2027), principalement en raison de questions non résolues concernant les utilisateurs vulnérables de dispositifs de téléassistance. Ces préoccupations sont légitimes. Les 1,8 million de Britanniques qui dépendent d'alarmes personnelles sur des lignes téléphoniques en cuivre méritent une migration en toute sécurité.

Mais ce retard a servi de prétexte à l'industrie pour opter pour la mise à niveau la moins coûteuse plutôt que la plus appropriée. Le nouveau service numérique remplace à l'identique la qualité vocale, et non l'améliore. De plus, le cadre réglementaire considère la qualité audio comme relevant essentiellement des préférences du consommateur.

Il faut que trois choses se produisent, et la fenêtre se referme.

La mise hors service prévue en 2027 est gérée comme un projet d'ingénierie réseau. Elle devrait être gérée comme une modernisation de l'infrastructure nationale, avec des exigences minimales claires en matière de qualité vocale, car les spécifications actuelles serviront de référence pour les trente prochaines années.

1. Imposer le haut débit comme valeur par défaut pour tout IP. L'Ofcom devrait exiger que tout service vocal sur IP commercialisé comme alternative au réseau téléphonique commuté (RTC) négocie le codec G.722 ou supérieur comme codec privilégié, le G.711 n'étant autorisé qu'en cas de défaillance pour les interconnexions existantes. Tous les terminaux SIP modernes le prennent déjà en charge. Le frein réside dans l'inertie commerciale, et non dans une difficulté technique.
2. Établir une feuille de route pour le très haut débit. Le codec EVS est déjà normalisé, déployé sur les réseaux mobiles du monde entier et constitue la solution idéale pour une qualité vocale optimale sur IP. Le Royaume-Uni devrait se fixer comme objectif (2030 est un objectif réaliste) de faire d'EVS le codec par défaut pour tous les nouveaux services vocaux professionnels.
3. Considérez l'audio téléphonique comme une infrastructure critique. Lorsqu'une ligne de triage du NHS, un service 101 ou une ligne d'assistance téléphonique pour les prestations sociales est bloquée par un codec de 1972 empêchant l'IA vocale moderne de comprendre les appelants, il s'agit du même type de défaillance d'infrastructure qu'une ligne d'alarme incendie qui tombe en panne, mais plus lente et plus généralisée.

Un plafond de verre pour l'ensemble du secteur britannique de l'IA vocale

Le signal audio transmis à un modèle vocal est défini en périphérie du réseau, et non au niveau de l'application. Tous les produits d'IA vocale fonctionnant sur le réseau téléphonique britannique sont soumis aux mêmes limitations, et les surmonter relève de l'infrastructure nationale, et non d'un fournisseur.

Quel que soit le système d'IA vocale utilisé (Cloudax, l'agent vocal d'un géant du cloud, une autre plateforme spécialisée ou le module d'IA d'un centre de contact traditionnel), il reçoit le même signal audio. L'opérateur détermine ce qui est conservé après le traitement du codec ; la couche applicative récupère le reste.

Cela rend ce problème particulièrement facile à résoudre. Un réseau britannique à haut débit par défaut permettrait d'améliorer simultanément les performances minimales de tous les déploiements d'IA vocale du pays, sans aucune coordination au niveau applicatif. Le même modèle de transcription vocale qui atteint une précision de 88 % sur G.711 fonctionne couramment à plus de 95 % sur G.722, gratuitement, dès que le réseau cesse de dégrader la qualité de l'appel.

La qualité de la voix est une caractéristique du réseau. Cela dépend des offres des opérateurs, des exigences des autorités de régulation et des paramètres par défaut des normes adoptées par le Royaume-Uni lors de la migration vers le réseau téléphonique commuté (RTC). Les décisions prises en 2026 fixeront ce plafond pour la prochaine génération : pour chaque produit d’IA vocale développé au Royaume-Uni, pour chaque service public qui en acquiert un et pour chaque citoyen qui utilise ce système.

Du XXe siècle du cuivre au XXe siècle de la propriété intellectuelle.

La suppression du réseau téléphonique commuté (RTC) aurait dû être l'occasion de faire entrer la Grande-Bretagne dans le XXIe siècle en matière de téléphonie. Aujourd'hui, c'est l'occasion de passer du cuivre au protocole IP, sans que la qualité audio ne soit altérée. C'est insuffisant. Cela ne l'a jamais été.

À mesure que l'IA vocale devient l'interface principale entre les citoyens, les services publics et les entreprises dont ils dépendent, le coût de prétendre le contraire se mesurera en appels mal compris, en automatisation défaillante, en pertes de productivité et en un pays qui a construit une IA de classe mondiale avant de la saboter au dernier moment.