AssemblyAI détaille une construction conforme de l’agent d’appel à froid d’IA

AssemblyAI a publié un guide technique le 29 octobre 2026, décrivant comment construire un agent sortant IA appels à froid qui compose les prospects, les qualifie dans une conversation structurée et réécrit les résultats sur un CRM. Le guide porte sur une porte de conformité fail-close, Twilio pour la téléphonie, Universal-3.6 Pro Realtime pour la reconnaissance vocale, un LLM via LLM Gateway pour le script et les outils, et AssemblyAI Syn-to-Speech pour les réponses.

Preuves et contexte

L’article précise que le flux d’appels doit être construit autour de quatre éléments : une porte de conformité qui bloque l’appel avant qu’il ne soit passé, un chemin téléphonique, un agent qui exécute le script et une couche d’outils qui enregistre le résultat. Il précise que un clé API AssemblyAI peut couvrir Universal-3.6 Pro Realtime, la passerelle LLM et la synthèse vocale, tandis que Twilio passe l’appel et transporte l’audio. L’exemple d’implémentation utilise un seul fichier Python, server.py, et un WebSocket Media Streams pour relier l’audio entre Twilio et le serveur.

AssemblyAI a présenté le système comme adapté à la qualification structurée plutôt qu’à la persuasion ouverte. Le guide plaide pour un ensemble fermé de résultats, avec deux ou trois questions connues, des branches explicites et une des six dispositions écrites au CRM. Il indique également que l’agent doit indiquer qu’il s’agit d’IA dans la première phrase et, lorsque l’enregistrement est activé, le divulguer également.

La section conformité place la porte avant la composition et recommande un comportement de fermeture inconnue pour les fuseaux horaires inconnus ou les vérifications de non-appel indisponibles. Elle énumère les listes internes de suppression, le nettoyage du registre, les fenêtres d’appels locales ainsi que les règles de consentement ou de divulgation comme contrôles préalables à la composition. L’article précise que les règles américaines de télémarketing, y compris la TCPA, peuvent imposer des dommages-intérêts statutaires par appel en rupture, et que certains États et autres pays ajoutent leurs propres règles.

Côté téléphonie, le guide utilise l’API de Calls.create() Twilio avec détection du répondeur, rappels de statut et une limite de temps d’appel. Si Twilio détecte une machine, l’exemple raccroche et enregistre une no_answer disposition. Si un humain répond, Twilio ouvre un flux média et transmet l’identifiant du lead au serveur.

Le code pont décrit dans l’article utilise le flux vocal d’AssemblyAI avec encoding=pcm_mulaw et sample_rate=8000, correspondant à l’audio μ-loi 8 kHz de Twilio, tandis que la synthèse vocale renvoie l’audio dans le même format après un rééchantillonnage côté serveur à partir de sa sortie native de 24 kHz. AssemblyAI indique également que la session TTS peut être maintenue active pendant tout l’appel et que la détection de virage devrait généralement rester aux réglages par défaut, sauf indication mesurée du contraire.

Le script est conçu comme une invite système avec des branches explicites pour la découverte de documents, les objections et la clôture de l’appel. L’article précise que la consigne doit éviter l’improvisation, ne jamais indiquer les prix, les noms des clients, les statistiques ou les engagements à moins que ces valeurs ne proviennent d’un résultat d’outil, et limiter les réponses à une ou deux phrases courtes.

AssemblyAI a également décrit quatre outils pour l’appel : book_meeting, log_disposition, honor_dnc et mark_callback. Le guide indique que les arguments d’outil doivent être validés avant toute écriture CRM, avec un temps de réunion limité aux créneaux proposés pendant l’appel et à l’email correspondant à ce que le prospect a réellement dit. Il est également indiqué que les désabonnements doivent être ajoutés immédiatement à la liste de suppression.

Pour le rapport de statut, l’article indique que les rappels de rappel Twilio doivent être vérifiés X-Twilio-Signature et traités de manière impuissante car Twilio tente à nouveau les livraisons ratées. Ces rappels fournissent l’état de l’appel, la durée et le résultat du répondeur, que le guide positionne comme source des rapports de taux de connexion, de taux de conversation et de débit de livre.

AssemblyAI a soutenu le pitch technique avec des affirmations de performance issues de son benchmark anglais pour agents vocaux de 12,460 scénarios scriptés. Il a indiqué que Universal-3.6 Pro Realtime enregistrait un taux d’erreur de 5.19% mots et un taux d’erreur de numéro de téléphone 2.4% , comparé à 13.50% et 11.5% respectivement pour Deepgram Flux EN dans le même tableau. La société a également cité un temps médian de 307 ms jusqu’à la transcription finale sur le benchmark ouvert de Pipecat, bien que ces comparaisons aient été présentées comme des affirmations du fournisseur plutôt que comme des mesures vérifiées indépendamment.

Le guide incluait également le contexte tarifaire tiré des tarifs propres d’AssemblyAI : Universal-3.6 Pro Realtime streaming à $0.45 heure et synthèse vocale à $15 par 1 million de caractères d’entrée. Il précisait qu’un appel de qualification de 90 secondes utiliserait environ $0.011 de flux vocal en texte, avant d’ajouter les coûts du LLM, du TTS et des opérateurs.

AssemblyAI a lié l’article à des articles produits antérieurs datés du 29 septembre 2026 sur Universal-3.6 Pro Realtime et 30 septembre 2026 sur la transcription en commutation de code en temps réel, ainsi qu’une comparaison du 20 octobre 2026 des API d’agents vocaux. Le nouveau guide étend ce récit produit à un schéma d’implémentation complet pour les appels de qualification sortants, mais les affirmations de performance de l’entreprise restent fournies par le fournisseur et ne sont pas vérifiées de manière indépendante dans le matériel source.