Grok Voice 3.0 : la voix IA de xAI progresse, sans hausse de prix

Le 14 octobre 2026, xAI, la société d'intelligence artificielle d'Elon Musk, a lancé Grok Voice 3.0. Ce n'est pas un nouveau Grok pour discuter par écrit : c'est son modèle vocal, celui qui écoute une personne et lui répond à voix haute. Il remplace Grok Voice 2.0 dans l'API, au même prix.

Ce qui change

Grok Voice 3.0 est un modèle « speech-to-speech » : il reçoit de l'audio et renvoie de l'audio. xAI le destine surtout aux agents vocaux, par exemple un service client qui décroche le téléphone. L'entreprise annonce un délai de réponse sous la seconde et une meilleure gestion des pauses, des tours de parole et des interruptions.

Pour les développeurs, le changement est presque invisible. Les applications qui appellent l'alias grok-voice-latest sont passées automatiquement à la nouvelle version. Celles qui visent grok-voice-2.0 doivent changer le nom du modèle : xAI a déclaré cette version obsolète le même jour, d'après ses notes de version (ouvre docs.x.ai dans un nouvel onglet)Aller vers docs.x.ai. L'API elle-même ne change pas.

Les chiffres annoncés

xAI met en avant les mesures d'Artificial Analysis datées du 13 octobre :

Sur τ-Voice, un test d'appels au support avec accents, bruit de fond et interruptions, Grok Voice 3.0 obtient 71,6 %. C'est comparable à GPT-Live-1 d'OpenAI, avec 40 % de délai en moins selon xAI. ServiceNow, qui édite le test EVA-Bench pour les agents vocaux d'entreprise, lui attribue la meilleure précision, à 74 %.

L'avance reste modeste : moins de quatre points sur l'indice général face au premier concurrent. L'annonce ne donne aucun score en français.

Prix et usage

Le tarif ne bouge pas : 0,08 $ la minute, soit 4,80 $ de l'heure, dans l'API Voice Agent.

D'après xAI, le modèle gère déjà des millions de conversations par jour dans les voitures Tesla, où le conducteur peut consulter son agenda ou réserver une table à la voix. Il sert aussi au mode vocal de Grok Bot, l'agent de xAI. Les centres d'appels de Starlink l'utilisent pour 20 000 appels par jour, dont environ 70 % seraient réglés sans intervention humaine.

Pour le texte, le modèle principal de xAI reste Grok 4.7, arrivé dans l'API le 21 septembre (notre récap de la semaine du 21 au 27 septembre).

Notre lecture

Analyse. La voix devient un terrain de compétition à part entière. Deux semaines après Eleven v4 d'ElevenLabs, xAI revendique à son tour la première place d'un classement d'Artificial Analysis, cette fois pour la conversation en direct. Pour une entreprise qui fait tourner un agent téléphonique, l'argument le plus solide est ailleurs : un modèle meilleur au même prix, sans rien recoder. Reste la question du français, que personne n'a encore mesurée publiquement.