Discutez avec DeepSeek R1 grâce à l'IA conversationnelle d'ElevenLabs

Tout le monde parle de ce modèle dernièrement, mais personne ne s’est arrêté pour se demander : quelle serait sa voix s’il pouvait parler ? C’est là que nous pouvons tirer parti de l’IA conversationnelle d’ElevenLabs pour pouvoir dialoguer avec ce modèle.

L’IA conversationnelle d’ElevenLabs est une plateforme permettant de déployer des agents vocaux conversationnels personnalisés, en temps réel. Son principal atout est sa flexibilité : vous pouvez y connecter différents LLM selon vos besoins. 

L’option Custom LLM fonctionne avec tout fournisseur d’API compatible avec OpenAI, à condition que le modèle prenne en charge l’utilisation d’outils ou l’appel de fonctions. Notre documentation propose des guides pour plusieurs fournisseurs d’API. Pour la démonstration suivante, nous utilisons Cloudflare.d’autres fournisseurs d’API, d’autres fournisseurs d’API et Cloudflare. Pour la démonstration suivante, nous utilisons Cloudflare.

Nous utilisons un modèle distillé basé sur Qwen2.5. Il surpasse un autre modèle IA sur plusieurs benchmarks et obtient de nouveaux résultats de référence pour les modèles denses. 

Nous utilisons principalement la version distillée, car les versions non distillées ne fonctionnent pas encore de manière fiable avec l’appel de fonctions. En fait, le modèle de raisonnement R1 ne prend pas encore du tout en charge l’appel de fonctions. Vous pouvez suivre ce ticket pour rester informé de son évolution.

Premiers pas avec l’IA conversationnelle d’ElevenLabs

La connexion d’un LLM personnalisé est assez simple et commence par la création d’un agent. Pour ce projet, nous utiliserons le modèle Math Tutor. Si vous souhaitez simplement entendre la voix de ce modèle, une démonstration de l’agent est disponible pour l’essayer vous-même.

Pour commencer, rendez-vous sur la page de l’application IA conversationnelle d’ElevenLabs et créez un nouvel agent IA nommé « DeepSeeker ». Sélectionnez le modèle Math Tutor : c’est un cas d’usage où les capacités de raisonnement du modèle peuvent s’exprimer pleinement, puis choisissez « Create Agent ».

Le modèle de mathématiques comprend un prompt système qui garantit que les nombres et les équations sont énoncés en langage naturel, plutôt que lus tels qu’ils sont écrits par le LLM. Par exemple, nous lui demandons d’écrire « Alpha multiplié par x au carré égale 4 » lorsque la réponse du LLM est « ax^2=4 ». 

Les modèles de raisonnement expliquent généralement leur « chaîne de pensée », mais vous pouvez également enrichir le prompt système afin de vous assurer d’obtenir un bon cours de mathématiques, en précisant par exemple qu’il doit détailler le raisonnement étape par étape. Vous pouvez conserver une instruction générale ou l’enrichir d’exemples précis dont il pourra s’inspirer.

En revanche, si vous souhaitez vraiment vous faire une idée de la personnalité du modèle R1, vous pouvez créer un modèle vierge demandant à l’agent de se présenter comme une IA de raisonnement et configurer le prompt système afin qu’il réponde à des questions variées sur différents sujets. 

Configurer le modèle R1 avec Cloudflare Workers AI

Vous devez ensuite obtenir un endpoint pour une version du modèle R1 à utiliser avec votre agent. Dans cet exemple, nous utiliserons Cloudflare, qui propose ce modèle sur sa plateforme Workers AI à des fins d’évaluation. Vous pouvez aussi envisager d’autres options d’hébergement.d’autres plateformes d’hébergement, d’autres plateformes d’hébergement et  d’autres plateformes d’hébergement

Commencez par vous rendre sur dash.cloudflare.com et créez un compte ou connectez-vous. Dans la navigation, sélectionnez IA > Workers AI, puis cliquez sur le widget « Use REST API ».

Pour obtenir une clé API, cliquez sur « Create a Workers AI API Token » et veillez à la conserver de manière sécurisée.

Une fois votre clé API obtenue, vous pouvez l’essayer immédiatement avec une requête curl. Cloudflare fournit un endpoint d’API compatible avec OpenAI, ce qui simplifie l’opération. Notez alors le modèle et l’endpoint complet — y compris l’ID du compte.

Par exemple : https://api.cloudflare.com/client/v4/accounts/{ACCOUNT_ID}c/ai/v1/

curl https://api.cloudflare.com/client/v4/accounts/{ACCOUNT_ID}/ai/v1/chat/completions \
  -X POST \
  -H "Authorization: Bearer {API_TOKEN}" \
  -d '{
     "model": "@cf/deepseek-ai/deepseek-r1-distill-qwen-32b",
     "messages": [
       {"role": "system", "content": "You are a helpful assistant."},
       {"role": "user", "content": "How many Rs in the word Strawberry?"}
     ],
     "stream": false
   }'

Configurer votre LLM personnalisé dans ElevenLabs

L’étape suivante consiste à ajouter ces informations à votre agent dans ElevenLabs. Commencez par ouvrir votre agent IA DeepSeeker dans l’application ElevenLabs puis, tout en bas, ajoutez votre nouvelle clé API comme secret. Attribuez-lui un nom tel que CLOUDFLARE_AUTH_TOKEN, puis enregistrez les modifications.

Ensuite, sous LLM, sélectionnez l’option Custom LLM et indiquez l’endpoint d’API compatible avec OpenAI de Cloudflare Workers AI API : https://api.cloudflare.com/client/v4/accounts/{ACCOUNT_ID}/ai/v1

Veillez à remplacer « {ACCOUNT_ID} » dans l’URL par l’ID de votre compte affiché dans Cloudflare.

Ajoutez l’ID du modèle : @cf/deepseek-ai/deepseek-r1-distill-qwen-32b

Enfin, sélectionnez le secret que vous venez de créer.

Tester l’agent

Tout est maintenant configuré. Cliquez sur « Test AI agent » et testez-le avec le problème de mathématiques suivant :

« Deux trains se croisent en circulant vers l’est et l’ouest, l’un à 65 mph et l’autre à 85 mph. Combien de temps faudra-t-il avant qu’ils soient séparés de 330 miles ? »

Remarque : si vous n’avez pas configuré de moyen de paiement, l’API Cloudflare Workers AI sera limitée et les temps de réponse pourront être plus longs. Configurez votre compte de facturation avant le passage en production. D’autres plateformes d’hébergement ne présentent pas nécessairement ce problème.

Conclusion

La création d’agents IA conversationnels en temps réel avec la plateforme d’IA conversationnelle d’ElevenLabs vous permet de réagir rapidement à la sortie de nouveaux modèles, en connectant des LLM personnalisés via tout fournisseur d’API compatible avec OpenAI.

Dès lors que le modèle que vous souhaitez utiliser est compatible avec OpenAI et prend en charge l’appel de fonctions, vous pouvez l’intégrer à un agent vocal en temps réel. Il peut s’agir de modèles que vous avez affinés sur des jeux de données personnalisés. Vous pouvez également utiliser n’importe quelle voix disponible dans la Voice Library d’ElevenLabs — ou votre propre voix si vous avez créé un clone de votre voix.