Mistral Voxtral 3 ajoute des agents vocaux dès 0,0035 dollar par minute

Mistral AI a publié Voxtral 3 le 20 octobre 2026, une famille de modèles vocaux pour créer des agents vocaux qui écoutent, raisonnent, parlent et agissent. La transcription démarre à 0,0035 dollar par minute et un agent vocal complet à 0,04 dollar par minute. Mistral affirme aussi que ses modèles battent des concurrents fermés d'OpenAI et d'ElevenLabs, selon Crypto Briefing.

Ce que contient Voxtral 3

Voxtral 3 couvre les deux sens de la parole. Des modèles de reconnaissance vocale transforment l'audio en texte, et un modèle de synthèse vocale retransforme le texte en voix. Une API d'agents vocaux les relie à un modèle de langage, pour qu'un appelant puisse parler à un logiciel qui répond et agit.

L'annonce de Mistral liste ces modèles et ces prix :

Modèle	Rôle	Prix
Voxtral Mini Transcribe 3	Reconnaissance vocale par lots	0,0035 dollar par minute
Voxtral Small Transcribe 3	Reconnaissance vocale avec identification des locuteurs	0,0040 dollar par minute
Voxtral Mini Transcribe Realtime 3	Reconnaissance vocale en direct	0,008 dollar par minute
Voxtral Speech 3	Synthèse vocale	13 dollars par million de caractères
API d'agents vocaux, avec Mistral Small 4	Agent vocal complet	0,04 dollar par minute
API d'agents vocaux, avec un autre modèle	Agent vocal complet	0,08 dollar par minute

Le billet désigne le modèle de voix de plusieurs façons, dont Voxtral Mini TTS 3. La transcription couvre plus de 50 langues, dont les 24 langues officielles de l'Union européenne. Le modèle de voix couvre plus de 35 langues et 50 dialectes, avec des voix prêtes à l'emploi dans 18 langues. Une option Pro Voice crée une voix personnalisée à partir de 30 minutes de parole enregistrée.

Comment fonctionnent les agents vocaux

Le kit d'agents repose sur LiveKit, une boîte à outils open source pour l'audio et la vidéo en direct. Il se connecte aux lignes téléphoniques via SIP et aux navigateurs et applications via WebRTC. Chaque étape est un modèle distinct. Une équipe peut donc changer de modèle de langage, de voix ou de langue sans réécrire l'agent, selon Mistral.

La vitesse est l'argument de vente. Selon Mistral, la transcription en direct s'exécute en moins de 500 millisecondes, et un tour complet de l'agent se termine en moins d'une seconde. Les agents peuvent appeler des systèmes externes en pleine conversation, rapporte The Decoder, par exemple pour prendre des rendez-vous ou vérifier des factures.

Les modèles tournent sur l'API de Mistral, avec des points d'accès en Europe, aux États-Unis et au niveau mondial. Les entreprises peuvent aussi les déployer sur leurs propres serveurs ou dans un cloud privé en contactant Mistral.

Benchmarks et questions ouvertes

Les chiffres de Mistral proviennent de ses propres tests. Pour la transcription avec attribution des locuteurs, le modèle doit aussi dire qui a parlé. Sur ce test, Mistral annonce un taux d'erreur de 18,4 % pour Voxtral Small Transcribe 3. C'est mieux que Scribe v2 à 23,0 % et Gemini 3.5 Transcribe à 38,4 %, comme le montre le graphique ci-dessus.

Pour repérer des termes clés dans des conférences sur les résultats financiers, à partir d'une liste de mots attendus, Voxtral Small Transcribe 3 a obtenu 94,6 %. Scribe v2 a obtenu 94,3 % et Gemini 3.5 Transcribe 87,3 %.

Deux articles contredisent la propre page de Mistral. Crypto Briefing décrit le pipeline comme open-weight et cite environ 0,001 dollar par minute. Le billet de Mistral n'indique aucune licence et affiche de 0,0035 à 0,008 dollar par minute pour la transcription. Tant que Mistral n'a pas publié de poids ni de licence, considérez Voxtral 3 comme un produit API avec une option d'auto-hébergement.

Comment se situent les prix

Les prix des agents vocaux convergent. Grok Voice 3.0 de xAI coûte 0,08 dollar par minute dans son API d'agents vocaux. Mistral s'aligne sur ce prix avec n'importe quel modèle externe et le divise par deux avec son propre Mistral Small 4. Voxtral 3 est la quatrième version de Voxtral publiée par Mistral depuis juillet 2025, après des modèles vocaux en février et mars 2026.

Ce que cela change pour les développeurs

Voxtral 3 fait d'un agent vocal complet un produit prêt à l'emploi et au prix affiché, plutôt qu'un projet assemblé de bric et de broc.

• Chiffrez votre volume d'appels à la minute. À 0,04 dollar par minute, un mois de 10 000 minutes coûte environ 400 dollars avec Mistral Small 4. Calculez votre propre mix d'appels avant de comparer les fournisseurs.
• Testez l'identification des locuteurs sur votre audio. Le taux d'erreur de 18,4 % vient de jeux de tests choisis par Mistral. Enregistrez quelques vrais appels où les voix se chevauchent et vérifiez vous-même qui a dit quoi.
• Profitez de la conception modulaire. Comme chaque étape est séparée, vous pouvez garder la transcription de Mistral et brancher un autre modèle de langage. Cela coûte 0,08 dollar par minute au lieu de 0,04.
• Renseignez-vous sur les poids avant de prévoir l'auto-hébergement. Le déploiement sur site passe par l'équipe commerciale de Mistral, et aucune licence n'est publiée. Obtenez les conditions par écrit si les données doivent rester en interne.