Résumé du webinaire : Comment Learna développe l’apprentissage vocal avec ElevenLabs

La voix est déterminante dans l’apprentissage des langues. Lorsqu’elle semble réelle, les utilisateurs reviennent. Dans le cas contraire, ils partent.

Cet article revient sur « Behind the Agent: How Learna Scales Voice Learning with ElevenLabs », une conversation sur la manière dont la qualité vocale est devenue un moteur direct de fidélisation, de conversion et de revenus pour Learna.

Pourquoi la qualité vocale est essentielle

Un cas d’usage comme l’apprentissage des langues ne fonctionne que s’il paraît réel. Cette idée a guidé Codeway dans la conception de Learna, une application d’apprentissage des langues propulsée par l’IA, conçue dès le départ autour de conversations orales en temps réel.

Codeway est l’une des plus grandes entreprises européennes d’applications grand public, avec plus de 500 millions d’utilisateurs dans le monde et plus de 400 millions de dollars de revenus récurrents annuels.

Learna est son produit à la croissance la plus rapide : il a atteint 45 millions d’utilisateurs, 7 millions d’utilisateurs actifs mensuels et 90 millions de dollars de revenus récurrents annuels en seulement 18 mois.

Mais une croissance de cette ampleur a révélé une contrainte majeure. Lorsque le tuteur semble robotique, les utilisateurs ne sont pas à l’aise pour parler. Ils perdent confiance. Ils abandonnent. La voix n’était pas une fonctionnalité à faire évoluer progressivement, mais la couche centrale du produit dont dépendait tout le reste.

Le défi portait précisément sur une offre multilingue. Learna prend en charge plus de 80 langues. La plupart des utilisateurs sont débutants. Le tuteur doit donc parler dans la langue maternelle de l’utilisateur tout en lui enseignant une langue cible au cours d’une même session.

Au cours d’une même conversation, le système peut devoir comprendre le turc et prononcer correctement l’anglais.

Behind the Agent : Learna

Learna a mené des tests A/B en production comparant son précédent système vocal à ElevenLabs.

Les résultats étaient statistiquement significatifs :

1. La conversion des essais a augmenté de 9 %
2. La valeur vie client a augmenté de 10 %

Ces chiffres ont changé la façon dont Codeway envisageait la voix. Ce n’était plus une amélioration de l’expérience utilisateur, mais un levier de croissance.

Son tuteur bilingue a marqué un tournant.

Avant que Learna n’introduise une expérience bilingue, le produit affichait des indicateurs d’engagement plus faibles, en particulier chez les utilisateurs débutants.

Dès que le tuteur a pu parler dans la langue maternelle de l’utilisateur et dans la langue cible au cours d’une même session, la monétisation comme l’engagement se sont nettement améliorés.

Bonnes pratiques de Learna

1. Considérez la voix comme une couche produit, et non comme une fonctionnalité. Si vous concevez un produit fondé sur la conversation, la qualité vocale influe sur la confiance, la durée des sessions et le retour des utilisateurs. Évaluez-la avec la même rigueur que vos décisions produit fondamentales.
2. Privilégiez la langue maternelle. Sur la plupart des marchés hors des grands pôles internationaux, les utilisateurs souhaitent interagir dans leur langue maternelle. Lancer un produit uniquement en anglais prive d’un engagement important. A minima, associez l’anglais à la langue locale dominante de chaque marché.
3. Évaluez la qualité vocale à l’aune des indicateurs commerciaux, pas seulement des retours utilisateurs. Learna ne s’est pas arrêté aux signaux qualitatifs. L’équipe a mené des tests A/B en production et relié directement la qualité vocale à la conversion des essais et à la valeur vie client. Ces données lui ont donné la confiance nécessaire pour bâtir l’expérience principale sur ElevenLabs.
4. Itérez activement sur les prompts afin de réduire les hallucinations. Les systèmes d’IA ne se comportent pas comme des logiciels déterministes. Chaque modification de paramètre peut affecter la prononciation, le raisonnement et la cohérence des réponses de façon difficilement prévisible. Le guide de prompting de la documentation d’ElevenLabs constitue un bon point de départ. Le choix du LLM est également important. ElevenLabs est agnostique en matière de LLM, ce qui permet aux équipes d’ajuster le comportement selon chaque langue et chaque cas d’usage.
5. Privilégiez la configuration avant le code personnalisé. Le comportement lors du changement de langue, les langues prises en charge, l’attribution d’un LLM à chaque agent et le délai de réponse sont tous configurables sur la plateforme ElevenLabs, sans développement personnalisé. Commencez par là avant de concevoir une architecture sur mesure.

Regardez la session complète

Regardez la session complète ici.