Hume lance son Audio Decision API, qui répond par des probabilités à des questions sur un enregistrement
Hume AI a présenté le 2 novembre une API qui analyse directement l'audio, sans transcription, et estime la part d'auditeurs humains qui répondraient oui à une question (« l'appelant semble-t-il agacé ? »). Accès sur liste d'attente, 0,47 dollar par million de jetons d'entrée.
Hume AI, spécialiste de l’analyse vocale, a présenté le 2 novembre 2026 l’Audio Decision API. Le principe : envoyer un enregistrement et des questions en langage courant (« Combien de personnes parlent ? », « Quelqu’un rit-il ? », « L’appelant semble-t-il agacé ? ») et recevoir, pour chacune, une probabilité. Le modèle écoute l’audio directement, sans passer par une transcription qui perdrait le ton, les pauses ou les chevauchements de parole.
Des chiffres, pas des phrases
La documentation insiste sur ce point : l’API ne rédige ni réponse ni explication. Pour une question oui/non, elle renvoie la part estimée d’auditeurs humains qui répondraient oui. Une valeur proche de 0,5 signifie que des humains seraient partagés, pas que le modèle hésite. Pour un choix entre options ou une échelle, elle donne une probabilité par option ; pour un événement (un rire, un bruit), des intervalles de temps, fonction encore expérimentale. C’est au code de l’application de fixer ses seuils et de décider.
| Élément | Selon la documentation de Hume |
|---|---|
| Entrée | un fichier MP3 ou WAV par requête, de 5 s à 5 min |
| Questions | plusieurs par requête, traitées en une seule inférence |
| Types de questions | oui/non, choix, échelle, intervalles (expérimental) |
| Tarif | 0,47 $ par million de jetons d’entrée, réponses non facturées |
| Accès | sur demande, crédit d’essai d’un million de jetons |
L’annonce résume l’argument commercial : ce qui demandait « plus de dix modèles » tiendrait en un appel. Les usages visés sont les agents vocaux (savoir si l’agent coupe la parole, s’il sonne naturel), les centres d’appels et l’analyse de longues heures d’enregistrements.
Des performances à confirmer
Hume affirme que son modèle, entraîné sur plus de 10 millions de jugements humains, s’accorde avec un panel d’évaluateurs dans 70,7 % des cas, contre 56,5 % pour un évaluateur humain isolé, et qu’il devance Gemini 3.8 Flash ou Qwen3.8-Omni-Flash sur une moyenne de dix tests, avec une latence médiane de 0,23 seconde. Ces résultats sont publiés par l’éditeur et n’ont pas été vérifiés de façon indépendante.
Notre lecture
L’idée de répondre par une estimation de ce que penseraient des auditeurs humains, plutôt que par une étiquette « en colère » présentée comme un fait, est la bonne : elle rend visible le désaccord possible et laisse la décision au développeur. Elle ne règle pas tout pour autant. Déduire une émotion d’une voix reste fragile, et ces scores peuvent servir à noter des salariés ou des clients à leur insu. En Europe, l’AI Act interdit déjà la reconnaissance des émotions sur le lieu de travail et à l’école, sauf raisons médicales ou de sécurité : les entreprises qui voudraient analyser leurs propres conseillers devront y regarder de près. Pour l’évaluation d’agents vocaux, en revanche, l’outil peut vite devenir utile, à condition que les chiffres de Hume tiennent en conditions réelles.
Sources
- Hume AI sur X — Introducing the Hume Audio Decision API (2 novembre 2026) Source primaire
- Hume AI — Decision Model API (page produit) Source primaire
- Hume — Audio Decisions, documentation pour agents de code Source primaire
- Hume — Audio Decisions, facturation Source primaire
- Règlement (UE) 2024/1689 sur l'intelligence artificielle (AI Act), article 5 Source primaire — Interdiction de la reconnaissance des émotions sur le lieu de travail et dans l'enseignement
Une source primaire émane directement de l'entreprise, du laboratoire ou de l'organisme concerné. Une source secondaire rapporte l'information sans en être l'auteur : nous la signalons comme telle. Une erreur ? Consultez notre politique de correction.
