Donnez une ligne téléphonique à votre bot Grok : un appelant IA en cinq minutes qui compose un numéro et fait son rapport

Le bot Grok peut désormais passer des appels téléphoniques, et Matt Palmer le prouve en faisant appeler le bot sur sa propre ligne : les horaires de semaine de 7h30 à 16h00 et la présence de cappuccinos et d'autres boissons espresso sur la carte ont été confirmés, l'appel s'est conclu poliment et un enregistrement avec une transcription écrite de la conversation est apparu instantanément dans la console Bland. La configuration a pris cinq minutes, l'appel unique a coûté sept centimes, et la clé sensible a été stockée dans le coffre-fort du bot Grok, où le modèle lui-même ne peut pas la voir. Comme une standardiste pour votre IA, l'agent compose en votre nom, recueille la réponse et fait son rapport en quelques secondes. Si vous préférez ne pas patienter dans un serveur vocal, une instruction d'une ligne telle que « demande les horaires et si tu vends des cappuccinos » passe la ligne au représentant.

Comment fonctionne le moteur à trois couches de Bland

L'architecture d'appel de Bland enchaîne trois modèles : STT (reconnaissance vocale — l'oreille), LLM (l'esprit qui planifie la réponse) et TTS (synthèse vocale — la voix), plus l'infrastructure de l'opérateur. Les fournisseurs classiques ajoutent jusqu'à cinq secondes de latence ; Bland promet moins de deux secondes et, selon des mesures récentes, moins de 400 ms de bout en bout. Pensez à un interprète simultané : il écoute pendant qu'il raisonne et garde le rythme pendant qu'il parle. L'injection de contexte en direct (alimenter l'appel en cours avec des données fraîches) et les appels de fonctions (réserver, envoyer un SMS, mettre à jour une base de données) signifient que l'agent ne se contente pas de parler, il agit. Par exemple, au lieu de résumer un PDF de dix pages, l'agent peut réserver le rendez-vous et envoyer le SMS de confirmation dans le même appel, et mettre en file des milliers de numéros depuis un CSV pour une campagne groupée.

La tarification est simple et tout compris. Le plan Start inclut un numéro entrant d'une valeur de 15 $ par mois plus 2 crédits, sans carte requise, à 0,14 $ par minute et 0,05 $ par minute de transfert ; les limites sont de 10 appels simultanés et 100 par jour, avec 1 voix et 10 bases de connaissances. Le plan Build facture des frais de plateforme de 299 $ par mois, descend à 0,12 $ par minute et 0,04 $ par transfert, et passe à 50 appels simultanés et 2 000 par jour, avec 5 voix et 50 bases. L'offre Enterprise est sur contrat personnalisé avec déploiement on-prem/VPC et file prioritaire. Les couches d'orchestration paraissent moins chères au premier coup d'œil — Vapi affiche 0,05 $ et Retell environ 0,07 $ — mais une fois ajoutées les factures séparées pour LLM + STT + TTS + Twilio, les totaux atteignent 0,13–0,30 $ sur Vapi et 0,11–0,25 $ sur Retell ; Bland inclut LLM, STT et TTS dans un seul prix et facture la téléphonie au prix coûtant. Apporter sa propre téléphonie (BYOT) supprime les frais de transfert. Mini exemple : une campagne sortante de 500 minutes coûte environ 70 $ de temps de parole sur Start, tandis que la pile à la pièce varie de 65 à 150 $ avant l'opérateur, sans compter le code de colle.

La latence donne le rythme d'un appel ; une demi-seconde est la frontière entre un flux naturel et une pause robotique. La faible latence de Bland permet à l'agent de naviguer dans les menus IVR sans marcher sur les pieds de l'interlocuteur. Cela compte le plus là où le téléphone reste le canal principal — restaurants, cliniques et métiers de service.

Le pont MCP : l'agent lit la documentation et se câble lui-même

MCP (Model Context Protocol — la norme ouverte qui permet aux modèles de parler le même langage que les outils externes) a été lancé par Anthropic et est décrit par sa responsable des relations Claude comme remplaçant les intégrations fragmentées par une architecture durable. Quatre parties coopèrent : 1) l'Hôte (la maison — Grok Bot et similaires) 2) le Client (le traducteur qui structure la requête) 3) le Serveur (le service externe — Bland) 4) le Transport (HTTP streamable, la norme actuelle ; stdio en local). Le serveur Bland se trouve à https://api.bland.ai/v1/mcp, s'authentifie avec Bearer org_…, autorise 120 requêtes par minute et annote les outils comme en lecture seule ou destructifs — les étapes destructives nécessitent une confirmation explicite. Un seul point de terminaison couvre les appels, la validation des parcours, le cycle de vie des agents, les requêtes analytiques et la recherche documentaire. Le plus frappant dans l'histoire de Peter : après avoir payé 15 $ pour un numéro et remis la clé, le bot a lu la documentation et câblé la ligne lui-même, sans connecteur. Les étapes sont simples : 1) créer un compte Bland et une clé API 2) copier un identifiant de voix 3) coller les deux dans le coffre-fort du bot Grok 4) voir « Bland connecté » 5) pour chaque appel, indiquer qui, quel numéro et l'objectif en une ligne, puis attendre votre feu vert.

Le modèle Grok : une voix en dix secondes et une ligne bidirectionnelle

Le modèle repose sur un prompt unique : « Tu as maintenant une ligne téléphonique, voici ma clé Bland et mon numéro, lis la documentation et configure-toi, puis confirme ce que tu sais faire. » À partir de là, tout se déroule dans le chat. En sortant, l'agent résume d'abord qui, quel numéro et quel objectif, attend le feu vert, compose, converse et fait son rapport sur le déroulement, avec enregistrement et résumé sur demande. En entrant, un message vocal laissé sur le numéro Bland est automatiquement transcrit dans le chat ; appeler son propre numéro pour laisser une tâche transforme la ligne en boîte de réception à distance pour le bot. Le clonage de voix commence avec une voix sur l'offre d'entrée : Matt a téléchargé un clip de dix secondes tiré de ses propres vidéos et a fait une lecture test — la deuxième prise sonnait plus naturellement. Comme un filtre photo, le modèle imite le ton mais laisse des artefacts ; la démo les montre clairement. Les garde-fous sont explicites : ne jamais appeler une personne réelle sans une ligne indiquant qui et pourquoi, et votre feu vert ; révéler que l'on est une IA appelant au nom de quelqu'un si on le demande ; aucun appel aux services d'urgence ; honorer immédiatement toute demande de retrait et garder les appels aussi courts que la tâche le permet — vous payez à la minute.

La bidirectionnalité transforme le numéro d'un composeur ponctuel en canal de tâches à distance : sortant pour recueillir, entrant pour recevoir une tâche vocale. Cette boucle fait passer l'agent du statut de rédacteur et navigateur à celui de coordinateur qui parle et écoute.

Là où ça aide, là où tracer la limite

Dans la vie quotidienne, le téléphone reste irremplaçable : les horaires de restaurants, les rendez-vous en clinique, les entrepreneurs et la préfecture n'ont pas de formulaire web, seulement une file d'attente. Le modèle vise à sauter l'IVR (la boucle « tapez 1 ») avec un objectif d'une phrase et un résultat clair. Exemple : « appelle mon assurance, traverse le menu jusqu'à un humain et réserve un créneau » — l'agent navigue dans le menu, parle à la personne, note la date et peut l'écrire dans un agenda. L'idée de chaîne d'agents est puissante : un bot de recherche collecte les données, le bot téléphonique vérifie par appel, le résultat revient. Les limites sont franches : la voix de la démo est un peu synthétique et trébuche, donc le prompt demande un réglage. La facilité de clonage à partir d'un court échantillon donne aussi à réfléchir — Matt trouve un peu troublant à quel point c'était simple. Le cadre éthique aux États-Unis repose sur les règles robocall FCC 23-101 et 24-17 : les appels de masse non sollicités, l'identité trompeuse et les appels aux services d'urgence sont interdits, la divulgation claire et l'option de retrait sont obligatoires. La leçon pratique est nette : parfait pour vos propres tâches, en votre nom, pour une collecte d'informations unique et transparente ; pas pour des démarches de masse, cachées ou trompeuses auprès d'inconnus. Bien utilisée, la ligne est un raccourci qui fait gagner du temps ; mal utilisée, elle risque des bannissements et des atteintes à la réputation.