Concevoir des solutions vocales pour les marchés émergents a rapidement révélé une réalité pratique : la qualité de production dépend de bien plus que du simple modèle ou du prompt.

Le chemin d'appel compte. Tout comme la latence de la boucle audio, l'adéquation de la voix, le contexte disponible pour l'agent, les outils qu'il peut appeler en cours de conversation, et les contrôles dont les équipes ont besoin pour réviser, sécuriser et déboguer le système après chaque interaction.

Chez AethexAI, nous concevons pour l'ensemble de cette surface. Nous hébergeons, formons et orchestrons la suite vocale en interne, afin que les équipes puissent déployer des agents vocaux rapides, conscients du contexte, adaptés localement et prêts pour la production dès le premier jour.

Aethex est le plan de contrôle des agents vocaux pour les workflows des marchés émergents. Voici la surface que nous exposons aux développeurs :

1. Kora, notre famille de modèles de langage pour la transcription de la parole en continu (STT) et la synthèse vocale (TTS).

2. L'API et le SDK d'Aethex, qui exposent les agents, les appels, les outils, les transcriptions, les bases de connaissances et l'utilisation sous forme de primitives programmables.

3. Le serveur MCP d'Aethex, qui met cette même infrastructure à la disposition des assistants IA via le Model Context Protocol.

Cet article passe en revue cette suite pour couvrir tout ce dont vous avez besoin en tant que développeur : comment la couche vocale se connecte à l'environnement d'exécution de l'agent, comment un agent devient ancré et capable d'agir, comment les appels se transforment en conversations observables, et comment le modèle de sécurité garantit le fonctionnement sûr d'un système capable de passer des appels et d'invoquer des outils.

Modèles et capacités vocales

À la base d'Aethex se trouve Kora, notre famille de modèles vocaux. Nous détaillerons le pipeline d'entraînement des modèles dans un prochain article de blog.

• Kora Read propulse la transcription de la parole (STT)

• Kora Speak propulse la synthèse vocale (TTS)

Ensemble, ils fournissent la couche vocale de nos agents, ainsi que pour les développeurs qui souhaitent utiliser la voix directement via l'API.

Les capacités vocales sont autonomes. Vous pouvez synthétiser de l'audio à partir de texte, diffuser de l'audio généré pour une lecture en temps réel, transcrire de l'audio téléchargé, prévisualiser des voix, lister le catalogue et inspecter les modèles disponibles sur votre compte. Un workflow conversationnel utilise cette même couche vocale au sein d'un agent qui gère l'intégralité de l'appel. Les mêmes primitives servent ces trois cas d'usage.

Les voix sont exposées comme des ressources dotées de métadonnées, de sorte qu'elles s'intègrent dans de réels flux de produits au lieu d'être codées en dur. Filtrez le catalogue par langue, style de dialecte, tag et pays, et utilisez les tags de voix pour trouver des styles d'élocution et des profils professionnels tels que chaleureux, calme, professionnel, technique, axé sur le service ou digne de confiance.

Le modèle de raisonnement est l'étape configurable du flux d'appel. Un agent peut utiliser la configuration par défaut d'Aethex, co-localisée avec Kora Read et Kora Speak, ou associer son comportement à un modèle tiers provenant d'un fournisseur tel qu'OpenAI, Anthropic ou Google. Dans tous les cas, la couche vocale, le comportement de l'agent, les outils, les connaissances et le cycle de vie de l'appel restent au sein d'une seule et même plateforme.

Les agents comme environnement d'exécution déployable

L'objet principal dans Aethex est l'agent.

Un agent contient la configuration d'un workflow vocal en direct : nom, prompt système, premier message, voix, langue, style de dialecte, modèle LLM, température, limites de durée, gestion du silence, comportement lors des interruptions, garde-fous, respect du script, paramètres d'enregistrement et de transcription, comportement de la messagerie vocale, variables dynamiques, comportement du transfert, métadonnées, documents de base de connaissances, outils et une URL de webhook.

from aethexai import AethexAI

client = AethexAI(api_key="ae_live_...")

agent = client.create_agent(

    name="Agent de recouvrement",

    system_prompt="Vérifiez l'identité de l'emprunteur avant de discuter du compte.",

    first_message="Bonjour, il s'agit d'un appel de courtoisie de la part de votre prêteur.",

    voice_id="Femi",

    language="french",

)

Une fois l'agent créé, il devient l'unité sur laquelle les équipes itèrent. Mettez à jour le prompt, changez de voix, modifiez le modèle LLM, associez un document, enregistrez un outil, dupliquez l'agent pour un nouveau workflow, lancez un appel de test, inspectez la transcription et passez la configuration en production derrière la clé d'accès appropriée.

Un agent de recouvrement peut débuter avec un script strict et un outil de vérification d'identité, puis intégrer une base de connaissances pour les plans de paiement. Un agent de support peut utiliser une voix plus chaleureuse, de la documentation produit, une recherche de commande et un parcours de transfert. Un agent d'enquête peut utiliser des réponses plus courtes, un respect plus strict du script et des métadonnées structurées. Chaque workflow bénéficie de sa propre configuration d'exécution sans contraindre les équipes à reconstruire l'ensemble de la suite technique.

Bases de connaissances pour des conversations ancrées

Les agents d'entreprise ont besoin des documents de référence de l'organisation : politiques produits, règles d'éligibilité, scripts de paiement, guides d'intégration, instructions cliniques, clauses de non-responsabilité et procédures d'escalade. Les bases de connaissances Aethex vous permettent d'associer directement ce contexte à un agent.

L'API de la base de connaissances prend en charge les téléchargements de fichiers et de documents textuels, les téléchargements planifiés, le traitement des documents, le référencement, le retraitement, la suppression, la récupération complète du texte extrait et les requêtes de récupération pour le débogage. Ce dernier point est crucial : avant qu'un agent ne soit mis en production, vous pouvez tester ce que la base de connaissances renvoie pour une question et inspecter les fragments de texte dont l'agent disposerait au cours d'une conversation.

La voix modifie les exigences en matière de recherche d'informations (retrieval). Dans une interface textuelle, une réponse tardive peut être acceptable. Lors d'un appel, l'étape de recherche s'insère directement dans l'échange en direct aux côtés du raisonnement et de la génération de la parole. L'agent doit donc trouver le contexte pertinent, produire une réponse et maintenir la dynamique de la conversation sans laisser l'interlocuteur dans le silence. Traiter les connaissances comme faisant partie intégrante de l'environnement d'exécution de l'agent permet également de les améliorer en continu : mettez à jour la documentation source, retraitez un document, interrogez la base de connaissances, examinez les transcriptions et déterminez si l'agent a besoin d'un meilleur contexte, d'instructions plus strictes ou d'un nouvel outil, sans avoir à reconstruire le prompt de zéro.

Des outils pour des actions en direct

Les outils connectent un agent à des systèmes externes pendant une conversation. Chaque outil possède un nom, une description, un schéma de paramètres et un point de terminaison (endpoint). La description aide l'agent à décider quand l'outil est pertinent. Le schéma définit les informations requises pour l'appeler. Le point de terminaison connecte la conversation au système du client.

client.add_agent_tool(

    agent["id"],

    name="verifier_compte",

    description="Vérifier le compte d'un client par son identifiant avant de discuter des soldes.",

    parameters={

        "type": "object",

        "properties": {"account_id": {"type": "string"}},

        "required": ["account_id"],

    },

    endpoint_url="https://api.yourbank.com/aethex/verify",

)

Un outil peut vérifier un compte, rechercher une commande, contrôler l'éligibilité, créer un ticket, mettre à jour un CRM, enregistrer une promesse de paiement, déclencher une notification ou planifier un rappel. L'agent maintient le rythme de la conversation pendant que le workflow interagit directement avec les systèmes où résident réellement les processus métier.

La validation autour des outils fait partie intégrante du produit. Les noms, schémas et URL des outils sont vérifiés lors de leur création ou mise à jour, et les points de terminaison doivent utiliser le protocole HTTPS public ; les destinations privées, loopback, avec identifiants intégrés ou non résolues sont rejetées. Cela garantit que les appels d'outils s'effectuent sur une interface d'intégration de production sécurisée plutôt que via une fonctionnalité de prompt non contrôlée.

L'exécution d'outils en direct tolère très peu les défaillances, et notre runtime est conçu à cet effet. Un point de terminaison lent se traduit par une pause audible pour l'appelant, un paramètre manquant devient une question de suivi et une requête échouée engendre une tentative de reconnexion, une explication ou un transfert. L'appel n'est pas interrompu parce qu'un service externe a échoué. C'est cette couche qui transforme une interface conversationnelle en un système opérationnel robuste.

Appels, conversations et enregistrements

Une fois l'agent configuré, vous passez des appels via l'API. Nous prenons en charge les intégrations avec votre propre trunk SIP (BYO) , WebRTC, Twilio, et d'autres intégrations sont à venir.

call = client.trigger_call(

    agent_id=agent["id"],

    to_number="+234...",

    from_number="+234...",

)

L'appel centralise l'ensemble de la suite technique : modèles de parole, sélection de la voix, instructions de l'agent, paramètres LLM, recherche de connaissances, exécution d'outils, comportement d'appel, enregistrement, transcription, métadonnées, statistiques d'utilisation et autorisations.

Lorsque l'appel prend fin, la plateforme conserve les éléments indispensables aux opérations des équipes. Inspectez le statut de l'appel, récupérez les conversations, accédez aux enregistrements, examinez les transcriptions, recherchez dans l'historique et comptabilisez l'utilisation. Une équipe d'assurance qualité peut structurer des files d'attente d'examen. Une équipe opérationnelle peut analyser les abandons, les transferts, les échecs d'appels d'outils et les objections récurrentes. Un workflow de conformité archive les enregistrements et les transcriptions pour examen ultérieur.

Pour lire les enregistrements dans une interface utilisateur orientée client, générez une URL signée temporaire limitée à une seule conversation et transmettez-la au navigateur ; elle expire rapidement, ne détient aucune autre autorisation et maintient le chemin audio sécurisé de bout en bout, même lorsqu'il quitte votre serveur. Un simple appel de test peut s'évaluer à l'oreille ; un déploiement en production requiert des enregistrements structurés, et les appels deviennent des conversations que vous pouvez rechercher, auditer et connecter à vos systèmes internes.

Les flux de travail vocaux se poursuivent souvent après la fin de l'appel. Aethex transmet des webhooks sortants signés pour des événements tels que call.ended et recording.ready, permettant aux équipes de recevoir les métadonnées d'appel, les transcriptions finales et les URL d'enregistrement sans requêtes répétées. Un appel de recouvrement finalisé met à jour un tableau de bord interne. Une conversation de support technique rejoint une file d'attente d'assurance qualité. Un enregistrement est transféré vers le stockage dès la réception de l'événement recording.ready. Une transcription déclenche des analyses, des évaluations ou des actions de suivi.

Puisque ces événements touchent aux flux de travail des clients, ils sont signés à l'aide d'un code HMAC-SHA256 basé sur un secret locataire (tenant secret) que vous pouvez renouveler, garantissant ainsi au système récepteur que le rappel provient bien d'Aethex avant d'accepter le contenu.

MCP pour le développement guidé par assistant

Le serveur MCP d'Aethex transpose cette même plateforme dans les assistants IA via le Model Context Protocol, vous permettant d'interagir avec Aethex depuis Claude Code, Claude Desktop, Cursor, Codex, Windsurf et d'autres clients compatibles MCP.

claude mcp add aethex \

  --env AETHEX_API_KEY=votre-cle-api \

  -- uvx aethexai-mcp

Grâce au protocole MCP, un assistant peut lister les voix, synthétiser la parole, transcrire l'audio, concevoir des agents, passer des appels et consulter l'utilisation via l'API publique. Le serveur est distribué sous forme de package aethexai-mcp, s'exécute localement, se lance avec uvx et utilise la clé API fournie dans son environnement, ce qui évite toute contrainte d'hébergement.

Le modèle de sécurité reste inchangé. Le serveur MCP hérite des autorisations associées à la clé qu'il reçoit. Provisionnez une clé en lecture seule pour lui permettre uniquement d'inspecter. Fournissez-lui une clé de test pour l'aider à concevoir des workflows. Conservez les appels de production derrière une clé distincte pour que l'assistant reste confiné dans ses limites. Il vérifie les identifiants réels avant d'agir et confirme les actions critiques telles que les suppressions, les annulations et les appels sortants avant de les exécuter.

Cela transforme le cycle de développement. Demandez à un assistant de créer un agent de test, d'y joindre un document, d'enregistrer un outil, de passer un appel, de récupérer la transcription et de résumer les modifications. L'API demeure la source unique de vérité. Le protocole MCP devient une interface supplémentaire pour exploiter la même plateforme.

Unifier l'ensemble de la suite technique

Aethex est articulé autour du cycle de vie d'un agent vocal de production. Commencez par la couche vocale : générez de l'audio, transcrivez des enregistrements, inspectez les voix et déterminez le comportement du modèle. Configurez un agent avec la voix, la langue, les instructions, les garde-fous, les paramètres d'appel et les métadonnées appropriés. Associez une base de connaissances afin que l'agent puisse répondre en s'appuyant sur le contexte métier. Intégrez des outils pour lui permettre d'agir au cours de la conversation. Passez des appels, capturez les enregistrements et les transcriptions, recevez des webhooks signés, inspectez l'utilisation et contrôlez l'accès grâce à des clés d'accès ciblées. Intégrez ce même flux de travail dans un assistant IA via MCP lorsqu'il s'agit du moyen le plus rapide de concevoir ou de tester.

Pour les marchés ciblés par Aethex, c'est l'intégralité de la suite technique qui importe. La topologie du réseau influe sur la latence des réponses. La qualité de la voix conditionne la confiance. L'exécution des outils détermine si l'agent peut mener à bien le workflow. Les bases de connaissances garantissent que les réponses sont ancrées et fiables. L'utilisation impacte directement la rentabilité unitaire. La sécurité détermine si le système peut être déployé en toute sécurité au sein d'une grande entreprise. L'interface développeur reflète ces impératifs : modèles, voix, agents, outils, bases de connaissances, numéros de téléphone, appels sur réseau téléphonique et via navigateur, conversations, enregistrements, transcriptions, statistiques d'utilisation, limites de débit, clés API, webhooks, SDKs et MCP, le tout centralisé sur une seule plateforme.

Démarrer

• Guide de démarrage rapide : developers.aethexai.com/docs/quickstart

• SDK Python : developers.aethexai.com/docs/sdk

• Serveur MCP : developers.aethexai.com/docs/mcp

• Référence API : developers.aethexai.com/docs/api-reference

• GitHub : github.com/aethexai

Vous concevez une solution qui nécessite une intégration vocale en conditions réelles ? Retrouvez-nous de préférence sur Discord ou @aethexailabs sur X !