Résumé du webinaire : Comment Cars24 automatise plus de 3 millions de minutes d'appels de vente avec la voix IA

Cars24 exploite des agents vocaux en production à grande échelle, dans 13 langues. 

Cet article revient sur Behind the Agent: Comment Cars24 automatise plus de 3 millions de minutes d’appels commerciaux grâce à l’IA vocale avec Jayesh Gupta, responsable de l’IA et de l’innovation chez Cars24, qui explique précisément comment Cars24 a conçu et déployé son système d’IA vocale — du premier cas d’usage simple à une architecture multi-agents qui gère des millions de minutes de conversations avec les clients.

Pourquoi l’IA vocale à cette échelle compte

Cars24 est l’une des plus grandes places de marché de voitures d’occasion en Inde, présente en Inde, aux Émirats arabes unis et en Australie. L’entreprise vend entre 4 000 et 4 500 voitures par mois, réalise plus de 100 000 inspections et facilite plus de 22 000 essais routiers.

Sans compter le financement, l’assistance après livraison, le règlement des amendes et les prêts garantis par un véhicule. À lui seul, leur parcours de vente s’étend sur 30 à 45 jours par client.

75 % de leurs acheteurs deviennent propriétaires d’une voiture pour la première fois. Pour eux, acheter une voiture n’est pas une transaction. C’est une décision importante sur le plan financier et chargée d’émotion. Autrement dit, 70 à 80 % du produit Cars24, ce n’est pas l’application. C’est la conversation : une vente humaine, guidée et accompagnée à chaque étape du parcours.

Avant les agents IA, le système ralentissait. Les clients contactaient les mauvaises équipes — l’équipe commerciale recevait des demandes d’assistance, ce qui allongeait l’attente et dégradait l’expérience client. 

Les temps d’attente s’allongeaient. Des relances étaient manquées tout au long d’un parcours de 30 jours. 

De la qualification des prospects à la documentation des prêts, l’opération était coûteuse et difficile à faire évoluer.

Aujourd’hui : 

1. 25 % du volume total d’appels est automatisé
2. Près de la moitié des ventes bénéficie de l’assistance de l’IA vocale
3. Les coûts d’appel ont baissé de 50 %

Démo 1 : l’agent de négociation de Cars24

Scénario : Un agent vocal de Cars24 appelle un vendeur qui envisage de vendre sa voiture et négocie en hindi pour le convaincre de choisir Cars24 plutôt que des plateformes concurrentes.

Ce qui a été présenté :

- L’agent mène une négociation commerciale complète en hindi

- Il traite les objections et rivalise avec d’autres plateformes en temps réel

- La conversation est naturelle, avec une faible latence et sans pauses robotiques

- L’agent obtient l’engagement du vendeur envers Cars24 pendant l’appel

Pourquoi c’est important : Ces agents réalisent activement des ventes, gèrent l’ambiguïté, répondent aux objections et orientent la décision de conversion — le tout dans la langue où le client est le plus à l’aise. Cars24 a constaté que l’adéquation linguistique augmente directement le temps de conversation et les résultats commerciaux.

Démo 2 : orchestration multi-agents pour réaliser une vente croisée

Scénario : Un client a manqué un rendez-vous d’inspection. Un agent de qualification appelle pour le reprogrammer, détecte une intention de montée en gamme et transfère l’appel en direct à un agent commercial, qui reprend la conversation sans perdre le contexte.

Ce qui a été présenté :

- L’agent 1 (Sneha) commence par traiter le rendez-vous manqué et le reprogramme

- Sneha cherche à comprendre l’intention : le vendeur souhaite-t-il monter en gamme ou vendre pour des raisons financières ?

- Le client indique vouloir monter en gamme

- Sneha propose de transférer l’appel à la bonne équipe et le fait en cours d’appel

- L’agent 2 reprend avec tout le contexte et poursuit la conversation vers l’achat d’une voiture d’occasion

- Lorsque le client demande à être rappelé dans une heure, l’agent confirme, récapitule le statut du rendez-vous et termine l’appel proprement

Pourquoi c’est important : Cette démo montre concrètement l’orchestration multi-agents. Chaque agent traite une tâche, et le contexte circule entre eux. Il n’y a ni répétition ni transfert perdu. Cars24 construit un numéro unique, disponible 24 h/24 et 7 j/7, permettant aux clients de gérer l’ensemble de leur parcours — vendre, acheter, financer — sans jamais avoir à se répéter.

Comment Cars24 l’a conçu : les considérations techniques

Cars24 a commencé par le cas d’usage le plus simple : les rappels de rendez-vous manqués. Des appels courts, des résultats binaires et un faible coût d’erreur. Cela leur a permis d’identifier ce qui fonctionne avant d’étendre le système.

Lorsqu’ils sont passés à des appels entrants plus longs et plus complexes — des conversations de découverte automobile durant en moyenne 7 minutes, et parfois jusqu’à 13 minutes — ils ont atteint une limite des architectures à agent unique. 

Les mini-modèles ont commencé à perdre le contexte après 3 à 4 minutes. 

Les modèles plus grands introduisaient de la latence. 

Concentrer tous les éléments dans un seul prompt fragilisait le système : une modification du parcours de prêt pouvait perturber le parcours d’achat.

Leur solution a été l’orchestration multi-agents. Ils ont découpé la conversation en étapes : 

1. Un petit agent de qualification utilisant un mini-modèle recueille l’intention initiale
2. Un modèle plus grand prend le relais pour la phase de découverte lorsque le client est engagé et accepte d’attendre un peu plus longtemps
3. Un troisième agent, spécialisé dans les prêts, ne s’active que si le prix ou le financement est évoqué.

Chaque agent excelle dans une tâche. Modifier l’un ne perturbe pas les autres.

La pile technique (orchestrée avec la plateforme ElevenAgents) :

1. Speech-to-Text : ElevenLabs Scribe v2 en temps réel, choisi pour sa précision dans les environnements bruyants de niveau 2 et 3, dans 13 langues
2. Text-to-Speech : ElevenLabs Flash 2.5, récemment mis à niveau vers le mode expressif V3 avec une amélioration mesurable des performances commerciales
3. LLM : GPT-4.1 mini pour la plupart des cas d’usage, avec GPT-4o ou un équivalent pour les appels de découverte plus longs nécessitant un raisonnement plus approfondi
4. Téléphonie : WebSockets avec PCM à 24 kHz pour la qualité audio ; leurs fournisseurs en Inde incluent Twilio, Exotel et Plivo
5. Intégrations : appels API personnalisés vers la plateforme ElevenLabs Agents, prise en charge de MCP et intégration native à HubSpot pour le marché australien
6. Base de données vectorielle : Qdrant, avec quantification binaire pour les grands ensembles de données dépassant un million de vecteurs, afin de maintenir une faible latence et des coûts réduits

Le choix d’utiliser Agents d’ElevenLabs plutôt que d’assembler séparément des composants STT, LLM et TTS reposait sur un seul facteur : la latence. 

Construire eux-mêmes le pipeline, même avec les mêmes modèles sous-jacents, portait systématiquement la latence au-delà d’une seconde. 

La plateforme ElevenLabs — qui maîtrise à la fois les modèles et la couche d’orchestration — a réduit ce délai de 30 à 40 %. Cette réduction s’est directement traduite par une hausse de 30 à 40 % des conversions.

Bonnes pratiques de Cars24

1. Commencez là où le coût de l’échec est le plus faible. Le premier cas d’usage de Cars24 était les rappels de rendez-vous manqués : courts, simples et à faible enjeu. Faire ses preuves sur ce cas a renforcé la crédibilité du modèle en interne et laissé à l’équipe la possibilité d’apprendre avant de s’attaquer aux étapes du parcours à plus forte valeur.

2. Testez sur de vrais clients, pas sur des simulations. Les tests internes ne peuvent pas reproduire le chaos des conversations réelles. Cars24 a mené ses pilotes sur 10 % du trafic réel, accepté la baisse temporaire et utilisé les retours concrets pour itérer.

3. Faites de la longueur des prompts une contrainte stricte. Cars24 limite les prompts à 4 000 à 5 000 tokens pour les appels de moins de deux minutes. Des prompts plus longs ralentissent le modèle et n’améliorent pas systématiquement les résultats. Si un cas d’usage nécessite davantage, créez un autre agent.

4. Conservez les réponses fréquentes dans le prompt, pas dans la base de connaissances. Pour les principales questions que les clients posent réellement, placez les réponses directement dans le prompt. Réservez les appels d’outils et la récupération RAG aux 20 % restants. Cela élimine la plupart des pics de latence lors des recherches dans la base de connaissances.

5. Préenregistrez le premier message. ElevenLabs Agents peut pré-générer et mettre en cache le message d’ouverture avant la connexion de l’appel. Associée à un premier message impossible à interrompre, cette approche réduit les abandons précoces dus aux délais du réseau ou aux interruptions prématurées.

6. Intégrez l’évaluation à chaque appel. Cars24 utilise les évaluations d’ElevenLabs Agents sur 100 % des appels pour vérifier le respect des procédures opérationnelles standard, détecter la frustration des clients et identifier les échecs. Les évaluations échouées déclenchent un examen manuel. Des échantillons aléatoires sont audités chaque jour. L’équipe reste proactive plutôt que réactive.

7. Passez à l’échelle par étapes. Les nouveaux déploiements d’agents suivent une progression de 5 %, 10 %, 20 %, 50 %, puis 100 %, avec des paliers de deux jours à chaque étape pour confirmer la stabilité des métriques d’évaluation avant de poursuivre l’extension.

8. N’appelez pas les clients qui n’ont pas demandé à être contactés. Chaque appel sortant de Cars24 s’adresse à une personne déjà entrée dans le parcours. Les sollicitations non demandées par IA augmentent les réclamations et nuisent à la confiance. La règle est simple : s’ils ne sont pas déjà engagés, Cars24 ne les appelle pas.

9. Soyez transparents lorsque les clients demandent s’ils parlent à une IA. Les agents de Cars24 confirment qu’ils sont des assistants virtuels lorsqu’on le leur demande. Si un client souhaite parler à une personne, l’appel est immédiatement transféré.

10. Considérez les dépenses liées à l’IA comme un investissement, et non comme un coût. Cars24 intègre désormais les coûts liés à l’IA dans ses plans opérationnels annuels, avec des mandats précis liés à des résultats commerciaux mesurables. Chaque déploiement doit améliorer un indicateur concret.

Regarder la session complète

Regardez la session complète ici.