Clé-en-main ou API vocale ?

On retrouve généralement une couche téléphonie, un moteur vocal, une logique d’intentions, un moteur d’actions, des intégrations, une interface d’administration et une couche de monitoring.

L’utilisateur configure principalement les règles métier : horaires, destinations de transfert, questions à poser, calendrier, notifications et scénarios.

Une plateforme comme Vapi, Retell ou une API temps réel fournit une partie de la pile : média, orchestration vocale, SDK ou outils de téléphonie. Le reste est construit par l’équipe cliente.

Il faut alors prévoir le backend, la persistance, les webhooks, la sécurité des secrets, les retries, la logique métier, les déploiements et les alertes.

Le coût d’une plateforme ne se résume pas au prix par minute. Il faut ajouter téléphonie, modèle, éventuel TTS/STT, hébergement, stockage, monitoring et temps d’ingénierie.

Le clé-en-main concentre davantage de coût dans l’abonnement mais réduit la surface technique à maintenir. L’API peut être moins chère à gros volume si l’équipe possède déjà l’infrastructure et les compétences.

L’API gagne lorsqu’il faut contrôler précisément le routage, le modèle, les prompts, les événements ou les intégrations propriétaires.

Le clé-en-main gagne lorsqu’un scénario standard doit être déployé vite avec peu de maintenance.

La question utile est : quelle partie de la stack voulons-nous posséder nous-mêmes ? Si la réponse est « presque aucune », une plateforme développeur est souvent un mauvais choix malgré un prix minute séduisant.

Si l’entreprise veut posséder l’orchestration, la logique métier et l’intégration profonde au SI, l’API devient plus cohérente.