Deepgram

Ce que c’est

Deepgram est la couche vocale sur laquelle tournent de nombreux stacks de support vocal, sans que leurs acheteurs le sachent. L’entreprise vend du speech-to-text (la famille Nova-3 pour la transcription et Flux pour la conversation en temps réel), du text-to-speech (Aura-2 et le plus récent Flux TTS) et une Voice Agent API qui réunit transcription, LLM et voix dans un seul WebSocket à un tarif horaire forfaitaire. Quand vous configurez un assistant Vapi ou un agent virtuel Genesys, Deepgram est souvent le moteur de transcription qui tourne en dessous.

Cette page répond à une question : quelle couche vocale se trouve sous votre agent vocal de support, et faut-il acheter Deepgram directement ou prendre ce que votre plateforme vocale intègre ? L’entreprise est indépendante et bien financée. Elle a levé une Série C de 130 M$ sur une valorisation de 1,3 Md$ le 13 janvier 2026, menée par AVP, avec Twilio, ServiceNow Ventures, SAP et Citi Ventures comme investisseurs stratégiques. Dans la même annonce, elle a racheté OfOne, une entreprise de voix IA pour le drive, qui porte désormais son offre pour la restauration.

Pourquoi on le retrouve dans les stacks CX et support

• Flux a été conçu pour la prise de parole, pas pour les transcriptions. Lancé en octobre 2025, Flux assure la transcription et la détection de fin de tour dans un seul modèle, au lieu de greffer un détecteur d’activité vocale sur un flux ASR. Deepgram annonce une latence de fin de tour d’environ 260ms et propose nativement le barge-in ainsi que des événements de fin de tour « eager » pour que votre LLM commence à rédiger avant que l’appelant ait fini. Ce sont des chiffres de l’éditeur. Ce que vous pouvez vérifier vous-même, c’est l’effet : moins de cas où l’agent coupe la parole à l’appelant ou reste dans un silence mort.
• Des modèles métier pour les appels qui mettent en échec le STT générique. Nova-3 Medical prend en charge dix langues depuis le 6 octobre 2026, et Nova-3 Pharma (17 septembre 2026) cible la reconnaissance des noms de médicaments. Le keyterm prompting vous permet d’orienter la reconnaissance vers des SKU, des noms d’offres et des identifiants de compte, et depuis le 2 octobre 2026 vous pouvez mettre à jour ces keyterms en cours de flux.
• Il tourne là où votre équipe conformité en a besoin. Il existe des endpoints dédiés pour l’UE (api.eu.deepgram.com) et l’Inde (disponible pour tous depuis le 15 septembre 2026), et les clients Enterprise peuvent héberger eux-mêmes les modèles dans leur propre VPC ou sur site, sur des GPU NVIDIA. Deepgram signe des BAA pour les clients Enterprise qui traitent des ePHI.
• Les grands éditeurs de centres de contact l’achètent déjà. Genesys fait tourner la reconnaissance vocale de Deepgram dans son Agentic Virtual Agent, et Deepgram cite Five9 comme client pour le containment en self-service et la précision alphanumérique. Si votre CCaaS utilise déjà Deepgram, un contrat direct vous donne le même moteur avec vos propres keyterms et vos propres conditions sur les données.

La réalité des prix

Le pay-as-you-go démarre avec $200 de crédit gratuit, sans carte et sans minimum. Tarifs publics au 19 octobre 2026 :

• Nova-3 en streaming : $0.0048/min en monolingue (environ $0.29/h) et $0.0058/min en multilingue. Deepgram présente ces tarifs de streaming comme une promotion à durée limitée : prévoyez donc une hausse dans votre budget.
• Nova-3 en pré-enregistré : $0.0043/min en monolingue.
• Flux en streaming : $0.0065/min en anglais (environ $0.39/h) et $0.0078/min en multilingue.
• Options : la diarisation et la redaction en streaming coûtent $0.0020/min chacune, et le keyterm prompting $0.0013/min. Un appel en streaming avec les trois revient à environ $0.0101/min sur Nova-3, soit à peu près le double du tarif affiché.
• TTS : Aura-2 coûte $0.030 pour 1,000 caractères et Flux TTS $0.045.
• Voice Agent API : $4.50/h ($0.075/min) sur le palier standard, $3.00/h si vous apportez votre propre LLM et votre propre TTS, et $9.75/h sur le palier avancé. La téléphonie est facturée séparément par votre opérateur.

Les plans Growth démarrent à $4,000 par an de crédit prépayé et réduisent les tarifs Nova-3 d’environ 12–17%. Sur Growth, le dépassement est facturé au tarif Growth plus 10%. En pratique, une équipe support qui transcrit 100,000 minutes de streaming par mois paie environ $480–$1,010 par mois au prix public, selon les options. Le speech-to-text est rarement la ligne coûteuse d’une facture d’agent vocal. Le LLM et la voix coûtent plus cher.

Idéal pour

Les responsables ingénierie support et plateformes CX qui construisent ou pilotent un agent vocal sur Vapi, Retell AI, LiveKit ou Pipecat et veulent choisir eux-mêmes le moteur de transcription, surtout quand les appelants énoncent des numéros de compte, des noms de médicaments ou des codes produit. Il convient aussi aux équipes RevOps qui construisent en interne la transcription des appels pour le coaching ou la réécriture dans le CRM, et qui veulent la couche vocale brute plutôt qu’une licence Gong.

Écartez-le si personne dans votre équipe n’écrira de code contre une API. Deepgram est un composant, pas un agent fini.

Face aux alternatives

Les acteurs établis du speech-to-text sont les hyperscalers (Google Cloud Speech-to-Text, Amazon Transcribe, Azure AI Speech) et AssemblyAI. Choisissez un hyperscaler quand les achats vous imposent de rester dans un contrat cloud existant et que la latence n’est pas décisive. Choisissez AssemblyAI quand le prix à l’heure guide la décision. Son modèle Universal-Streaming est affiché à $0.15/h, environ la moitié du tarif de streaming de Nova-3, mais il facture la durée de session WebSocket plutôt que l’audio envoyé, si bien que les connexions inactives comptent. Sa Voice Agent API est elle aussi à $4.50/h tout compris, le même prix affiché que celle de Deepgram.

Le nouvel entrant qui croît le plus vite est ElevenLabs, qui vend désormais le speech-to-text Scribe à côté des voix qui font sa réputation. Choisissez-le quand un seul fournisseur pour l’écoute et la voix compte davantage que le coût à la minute, ou quand la qualité de voix est ce sur quoi les clients jugeront.

Choisissez Deepgram quand la prise de parole, le vocabulaire métier ou l’auto-hébergement décident du projet. Si vous ne voulez rien de tout cela en interne, achetez un agent managé (PolyAI, Sierra) et laissez le fournisseur choisir le stack vocal.

Points de vigilance

• Les prix du streaming sont promotionnels. Garde-fou : modélisez votre business case à 1,5 fois les tarifs de streaming actuels de Nova-3 et Flux, et si le volume justifie un engagement Growth, verrouillez le tarif dans le bon de commande.
• Les chiffres de précision et de latence viennent des propres benchmarks de Deepgram. Garde-fou : avant de signer, faites passer 200–500 de vos propres appels enregistrés dans Nova-3, Flux et un concurrent, et mesurez le taux d’erreur sur les mots pour les entités qui comptent : numéros de compte, noms de produits et adresses.
• Flux TTS est disponible uniquement en anglais au lancement. Garde-fou : si une file d’attente sert des appelants non anglophones, gardez Aura-2 ou une voix tierce sur ces files, et faites confirmer la couverture linguistique par écrit avant de vous engager auprès d’un seul fournisseur de TTS.
• L’auto-hébergement exige un contrat Enterprise et vos propres GPU, et Whisper a été retiré du moteur auto-hébergé le 1er octobre 2026. Garde-fou : chiffrez la capacité GPU et les effectifs ops en plus de la licence, et migrez toutes les charges Whisper vers Nova-3 avant la mise à niveau.