Le 20 octobre 2026, Mistral a sorti Voxtral 3, une famille de modèles vocaux accompagnée d'un kit logiciel pour créer des agents vocaux : des assistants qui écoutent, réfléchissent et répondent à voix haute en temps réel, au téléphone ou dans une application. Il arrive deux semaines après Mistral Large 4 et s'appuie sur le même argument : une qualité compétitive, des prix bas et un hébergement dans l'UE pour les équipes soumises à des règles de localisation des données.
La famille Voxtral 3
Small Transcribe 3
En différé, la meilleure précision- Prix
- 0,004 dollar la minute
- Identification des locuteurs (diarisation) et vocabulaire personnalisé
- 2,1 % d'erreur chez Artificial Analysis, troisième place
Pour les réunions, entretiens et enregistrements d'appels.
Mini Transcribe 3
En différé, le moins cher- Prix
- 0,0035 dollar la minute
- Taille
- 4 milliards de paramètres
- Presque aussi précis que Small (2,2 %)
Pour de grandes archives audio.
Realtime Transcribe 3
En direct- Prix
- 0,008 dollar la minute
- Détecte quand l'interlocuteur a fini, pour des tours de parole naturels
- Moins précis que le modèle temps réel de Google dans la comparaison de Mistral
Pour les sous-titres en direct et les agents vocaux.
Speech 3
Synthèse vocale- Prix
- 13 dollars par million de caractères
- Plus de 35 langues et 50 dialectes, avec un ton expressif
Pour des agents qui répondent à voix haute.
Quelle précision ?
Plus c'est bas, mieux c'est. Test indépendant ; les modèles de Mistral sont troisième (Small) et juste derrière (Mini).
Plus c'est bas, mieux c'est. Comparaison de Mistral sur FLEURS.
Pour l'audio enregistré, Voxtral fait partie des modèles les plus précis, à l'un des prix les plus bas. En direct, il est rapide mais fait nettement plus d'erreurs que le meilleur modèle de Google, et MAI-Transcribe-2 de Microsoft traite l'audio enregistré bien plus vite. Pour transcrire des enregistrements, Voxtral est un choix évident ; pour des sous-titres en direct où chaque mot compte, testez-le face aux alternatives.
Le kit pour agents vocaux
Le SDK gère la tuyauterie qui rend les agents vocaux difficiles : audio en continu, détection de la fin de parole, interruptions et connexions téléphoniques. Les agents peuvent interroger vos systèmes en pleine conversation, par exemple pour vérifier une facture ou prendre un rendez-vous. Faire tourner tout l'agent chez Mistral coûte 0,04 dollar la minute avec Mistral Small 4, ou 0,08 avec d'autres modèles de raisonnement.
Transformer les appels en données
Pour les équipes d'analyse, l'intérêt n'est pas la voix mais les transcriptions. À environ 21 centimes par heure d'audio, transcrire chaque appel commercial ou de support devient assez bon marché pour le faire par défaut, et le texte peut ensuite être recherché, classé et compté comme n'importe quel jeu de données.
- 1
Transcrivez avec les locuteurs
Utilisez Small Transcribe 3 avec la diarisation pour savoir qui a dit quoi.
- 2
Stockez en lignes
Une ligne par tour de parole : identifiant d'appel, locuteur, heure de début, texte.
- 3
Classez avec un petit modèle
Étiquetez sujet, sentiment et issue avec un modèle bon marché comme Claude Haiku 5.5 ou Mercury 3.
- 4
Analysez comme toute autre donnée
Comptez les réclamations par sujet chaque semaine, ou reliez l'issue des appels aux ventes dans votre entrepôt de données.
Small Transcribe 3Mini Transcribe 3
Prix catalogue en dollars : 0,004 et 0,0035 la minute.
Testez vos connaissances
1/3Combien coûte Voxtral Mini Transcribe 3 ?
13 dollars par million de caractères, c'est le prix de la synthèse vocale.
2/3Sur quel point Voxtral est-il derrière ses concurrents ?
Avec 240 ms de délai, Gemini 3.5 Realtime a fait moins d'erreurs dans la comparaison de Mistral.
3/3Sur quoi repose le SDK pour agents vocaux ?
Il gère les sessions téléphoniques (SIP) et applicatives (WebRTC).
Vous avez 0 bonne(s) réponse(s) sur 3.
Plus sur Mistral : Mistral Large 4 expliqué. Pour d'autres nouveautés sur la voix et les agents, lisez des agents qui travaillent pendant des heures.
Sources : l'annonce de Voxtral 3 par Mistral, relayée par MarkTechPost et The Decoder (20 octobre 2026) ; le benchmark de transcription d'Artificial Analysis. Hors résultats d'Artificial Analysis, les chiffres de précision sont ceux de Mistral.
Alessandro Ecclesie AgazziÉcrit par Alessandro Ecclesie Agazzi, analytics engineer à Londres. Mis à jour le 21 octobre 2026. À propos