Entanglemental News
Entanglemental News

Smallest.ai lève 13 millions de dollars pour des agents vocaux en temps réel

La Série A menée par Seligman Ventures porte le financement à plus de 21 millions de dollars pour associer moteur vocal spécialisé et grand modèle.

NEWS AUDIO

Écouter cet article

Prêt à écouter

Smallest.ai a levé 13 millions de dollars dans une Série A menée par Seligman Ventures, avec Sierra Ventures et 3one4 Capital. Le financement porte son capital total à plus de 21 millions et soutient un produit d’intelligence artificielle vocale pour les conversations d’entreprise en temps réel.

Fondée fin 2024 par Sudarshan Kamath, la société estime qu’une interaction naturelle exige une architecture différente du chat textuel. Un grand modèle attend une requête complète avant de traiter, tandis que les humains écoutent, préparent une réponse et peuvent interrompre simultanément.

Smallest.ai développe un modèle compact spécialisé qui doit écouter, raisonner dans un domaine défini et parler en même temps. L’entreprise affirme obtenir presque aucune latence, essentielle dans le service client où une courte pause suffit à rendre l’agent mécanique.

Le petit modèle ne répond pas à tout. Si la demande dépasse sa base limitée, le système appelle un grand modèle et met brièvement le client en attente pour obtenir l’information. Kamath prévoit des agents combinant couche conversationnelle rapide et modèle plus lent pour les tâches complexes.

La startup se concentre sur les problèmes propres à la voix : accents, dizaines de langues, interruptions et bruit. Elle se distingue ainsi des développeurs généralistes et des sociétés qui utilisent la voix pour le doublage, les podcasts ou les médias plutôt que les appels en direct.

RingCentral et Truecaller figurent parmi ses clients. Elle affronte ElevenLabs, Cartesia et le spécialiste régional Sarvam, tandis que des plateformes comme Sierra et Decagon peuvent acheter sa technologie ou construire leurs propres systèmes.

L’argument commercial veut que les logiciels de support ne détournent pas leurs ingénieurs pour devenir spécialistes vocaux. Il dépend de la fiabilité, des langues, de la latence, du coût d’intégration et d’un transfert entre modèles sans confusion ni exposition de données sensibles.

Kamath veut que l’utilisateur ne sache pas s’il parle à une machine. C’est une ambition, pas un résultat indépendant. La Série A valide l’intérêt des investisseurs; les prochaines preuves seront les déploiements, la rétention, l’économie unitaire et la performance avec accents, bruit et demandes imprévisibles.