Grok Voice 3.0 est le modèle de voix à voix publié par xAI le 14 octobre 2026, disponible le jour même via son API Voice Agent au même tarif que la génération précédente. Il se classe premier de l'indice Speech-to-Speech d'Artificial Analysis avec 86,9 points. Plus parlant que le classement, l'empreinte de production dévoilée par xAI : le modèle traite déjà des millions de conversations par jour dans les véhicules Tesla et dans les centres d'assistance de Starlink. La concurrence entre agents vocaux se déplace de l'effet de démonstration vers une question simple : l'appel est-il réellement résolu ?
Les chiffres derrière la première place
Les 86,9 points viennent des tests indépendants d'Artificial Analysis, qui combinent raisonnement vocal, préférence et réussite des tâches lors d'appels comparatifs en aveugle. À titre de repère, Grok Voice 2.0 obtenait 81,3, le GPT-Live-1 d'OpenAI (Astra, niveau moyen) 83,2 et Gemini 3.8 Live de Google 82,6. Dans le détail, le modèle atteint 98,5 % en raisonnement vocal (Big Bench Audio) et 97 % au Full Duplex Bench, qui mesure le naturel des pauses, des tours de parole et des interruptions. Un test échappe à sa domination : sur τ-Voice, qui simule de vrais appels de support, il obtient 71,6 %, à peu près à égalité avec GPT-Live-1 — l'avantage revendiqué par xAI est une latence inférieure d'environ 40 %, avec des réponses sous la seconde. La première place tient donc au score global et à la vitesse, pas à un raz-de-marée dans chaque catégorie.
Le vrai banc d'essai : 20 000 appels Starlink par jour
Les chiffres de production publiés par xAI sont inhabituellement précis. Les centres d'appels de Starlink traitent avec Grok Voice environ 20 000 appels par jour en plusieurs langues ; près de 70 % sont résolus sans intervention humaine, et un appel commercial sur quatre se conclut par un achat avant que le client raccroche. Un seul agent peut vérifier l'identité du client, diagnostiquer une panne matérielle, émettre un avoir et expédier un équipement de remplacement. Sur EVA-Bench, le banc d'essai de ServiceNow pour agents vocaux d'entreprise, avec plus de 200 scénarios réalistes, il a signé la meilleure précision à 74 %. En voiture, l'échelle est encore supérieure : Grok Voice alimente des millions de conversations quotidiennes dans les Tesla, où le conducteur consulte son agenda, répond à un e-mail ou demande à Grok Bot de commander un café et de réserver un restaurant, le tout en mains libres. Grok a aussi été intégré récemment à l'offre The X Subscription, et la voix est la couche de cet écosystème la plus proche de l'utilisateur.
Même prix, autre logique d'achat
L'API coûte 0,08 dollar par minute, exactement comme la version 2.0, et les agents utilisant grok-voice-latest ont été basculés automatiquement, sans modification de code. Dans la mesure du coût par tâche d'Artificial Analysis, le modèle revient moins cher que GPT-Live-1 et GPT-Realtime-2.1. Pour les entreprises, le critère de choix glisse : moins la brillance perçue du modèle que le coût par appel résolu et la part des appels qui n'atteignent jamais un humain. Réserve de rigueur : les chiffres de production et de coût proviennent de l'annonce d'xAI et des mesures de l'évaluateur, et sur τ-Voice, le test le plus proche du bruit réel, des accents et des interruptions, le modèle fait seulement jeu égal avec son rival. Avant toute migration, un essai sur ses propres enregistrements d'appels et son propre éventail d'accents reste indispensable.
