Sommaire
Mis à jour le 24/10/2026. Mistral AI a présenté Voxtral 3, une famille de modèles pour transcrire la voix, la synthétiser et construire des agents vocaux, avec un SDK dédié. Selon l'annonce officielle de Mistral, l'ensemble est disponible dès maintenant via l'API Mistral, avec des points d'accès européen, américain et mondial. Les tarifs sont publiés en dollars. Un prix en euros n'est pas annoncé à ce jour.
Qu'est-ce que Voxtral 3 ?
Voxtral 3 regroupe plusieurs modèles, détaillés dans l'annonce officielle :
- Voxtral Small Transcribe 3 : transcription haut de gamme, avec identification des locuteurs (qui parle quand) et ajout de mots-clés pour mieux reconnaître les termes techniques.
- Voxtral Mini Transcribe 3 : version plus légère, à faible latence.
- Voxtral Mini Transcribe Realtime 3 : transcription en temps réel pour agents, avec détection de fin de tour de parole.
- Voxtral Mini TTS 3 : synthèse vocale en mode batch et en temps réel, avec des voix qui adaptent émotion, rythme et emphase au contexte.
- Pro Voice : adaptation vocale qui reproduit le style d'un locuteur à partir d'environ 30 minutes d'audio.
À cela s'ajoute un SDK d'agent vocal, présenté dans la section suivante. Presse-citron situe la présentation de la famille Voxtral 3 au 21 octobre 2026.
Quelles langues sont prises en charge ?
D'après Mistral, la transcription couvre plus de 50 langues, dont les 24 langues officielles de l'Union européenne, donc le français. La synthèse vocale couvre plus de 35 langues et plus de 50 dialectes, avec des voix prédéfinies dans 18 langues. Pour la transcription en temps réel, la page annonce plus de 35 langues, mais mentionne aussi « 40+ » dans la fiche produit : vérifiez le chiffre exact pour votre langue avant de vous engager.
Comment fonctionne le SDK d'agent vocal ?
Le SDK repose sur LiveKit. Il enchaîne en un seul flux l'écoute (transcription), le raisonnement avec appels d'outils (un modèle de langage comme Mistral Small), puis la réponse vocale. Selon Mistral, l'agent s'arrête quand l'interlocuteur l'interrompt, gère les appels de fonctions, la recherche web et l'accès à vos propres systèmes, et se connecte à la téléphonie (SIP) comme aux navigateurs et applications (WebRTC). Chaque brique (modèle, voix, langue) peut être remplacée sans réécrire l'agent.
Une démonstration relatée par Presse-citron montre un assistant capable d'être interrompu et de distinguer deux interlocuteurs à partir de leur voix.
Combien ça coûte ?
Les prix de l'API, indiqués par Mistral, sont les suivants :
- Transcription Mini (batch) : 0,0035 $ par minute.
- Transcription Small : 0,0040 $ par minute.
- Transcription temps réel : 0,008 $ par minute.
- Synthèse vocale Mini : 13 $ par million de caractères.
- Agent vocal avec Mistral Small 4 : 0,04 $ par minute.
- Agent vocal avec un modèle plus grand : 0,08 $ par minute.
HyperAI reprend des tarifs de transcription et de synthèse cohérents avec ces chiffres. Les prix en euros, avec TVA, ne sont pas annoncés à ce jour.
Est-ce disponible en France et en Europe ?
Oui pour l'API : Mistral indique une API hébergée dans l'UE et insiste sur le contrôle des données audio et de leur conservation. Un déploiement sur votre propre infrastructure ou en cloud privé est possible sur demande auprès de l'équipe commerciale. Aucune licence des modèles n'est précisée dans l'annonce, et aucune date de disponibilité spécifique à la France n'est donnée au-delà de la disponibilité immédiate de l'API.
Comment l'essayer en entreprise ?
- Créez ou ouvrez votre compte sur la plateforme Mistral.
- Testez les modèles dans les playgrounds Studio (transcription, génération vocale, clonage de voix), selon Mistral.
- Choisissez le point d'accès européen si vos enregistrements contiennent des données personnelles.
- Mesurez la qualité sur vos propres enregistrements : accents, jargon métier, bruit de fond.
Les performances annoncées sont celles du fournisseur. Presse-citron rapporte que, selon Artificial Analysis, Voxtral Small Transcribe 3 arrive 3e du classement de transcription. HyperAI précise que Mistral affirme battre Whisper, Scribe v2 et Gemini 3.5 Transcribe en anglais, français et espagnol, et que ces affirmations ne sont pas vérifiées par la page. Un test sur vos cas réels reste indispensable.
Gagne du temps avec l'IA, sans la théorie.
Just Use AI te donne les ressources, modules et templates pour automatiser ton quotidien.
Ce que ça change pour une équipe
Pour une PME ou une équipe support, deux usages deviennent plus accessibles : transcrire des appels et des réunions avec identification des intervenants, et déployer un agent vocal qui décroche, comprend et répond en français. Le coût annoncé, à partir de 0,04 $ la minute pour un agent complet, permet de chiffrer un pilote avant de l'étendre.
Si vous démarrez, cadrez d'abord un cas d'usage précis (prise de rendez-vous, qualification d'appels, compte rendu de réunion) et prévoyez un passage à un humain. Pour monter en compétence sur le sujet, voyez notre formation aux agents IA, et pour relier ces briques à vos outils, notre guide de l'automatisation.