Vous avez décidé de construire un agent vocal IA. La question suivante arrive immédiatement : sur quelle brique logicielle ? En 2026, quatre noms reviennent systématiquement dans les discussions techniques - LiveKit, Pipecat, Vapi et Retell AI. Deux sont des frameworks open source que vous opérez vous-même, deux sont des plateformes SaaS que vous louez à la minute.
Ce choix n'a rien d'anecdotique. Il détermine votre niveau de contrôle sur les données, votre structure de coûts à l'échelle, votre capacité à personnaliser le comportement de l'agent, et la taille d'équipe nécessaire pour le faire tourner en production. Se tromper coûte cher : migrer d'une plateforme fermée vers un framework open source - ou l'inverse - en cours de projet signifie souvent tout reconstruire.
Ce guide détaille l'architecture, le modèle économique, les forces et les limites de chaque option, avec un tableau comparatif et une grille de décision selon votre profil. Les chiffres de tarification cités proviennent des fournisseurs eux-mêmes ou d'analyses tierces publiées en 2026 : ils sont indicatifs et à reconfirmer directement auprès de chaque éditeur avant toute décision budgétaire.
Deux familles d'outils, deux logiques économiques
Un framework open source se code et s'héberge : vous payez l'infrastructure et chaque fournisseur IA séparément, mais vous gardez le contrôle total. Une plateforme SaaS se configure et se loue : vous payez un tarif à la minute tout compris, sans gérer l'infrastructure, mais avec une personnalisation bornée par ce que l'éditeur a prévu.
Avant de comparer les outils un par un, il faut comprendre cette distinction structurante. D'un côté, les frameworks open source comme LiveKit Agents ou Pipecat fournissent du code - des SDK Python ou Node.js - que votre équipe assemble et déploie sur son infrastructure. Vous choisissez librement vos fournisseurs de speech-to-text, de LLM et de text-to-speech, vous payez chacun séparément, et vous êtes responsable de la scalabilité, de la supervision et de la haute disponibilité.
De l'autre côté, les plateformes SaaS comme Vapi ou Retell AI exposent un service managé : dashboard, API, webhooks, numéros de téléphone provisionnés, facturation à la minute. L'agent se configure plutôt qu'il ne se code. C'est plus rapide à démarrer, mais la personnalisation s'arrête là où s'arrête ce que la plateforme a prévu, et la dépendance au fournisseur est totale - tarifs, roadmap, disponibilité du service.
LiveKit Agents : le framework open source pensé pour la voix comme produit
LiveKit Agents est un framework open source sous licence Apache 2.0, avec des SDK Python et Node.js, complété par une offre cloud optionnelle (LiveKit Cloud) pour le transport WebRTC managé, l'inférence hébergée et des fonctionnalités comme le turn-detection géré ou la conformité HIPAA. Selon les chiffres rapportés mi-2026, le dépôt totalise environ 13 000 étoiles GitHub et plusieurs centaines de contributeurs - l'un des deux projets les plus actifs de la catégorie avec Pipecat.
Son architecture repose sur un transport WebRTC de type SFU (Selective Forwarding Unit), chaque étage du pipeline audio étant configurable en code : capture, détection de tour de parole, STT, LLM, TTS. LiveKit propose dix SDK clients, une entrée vidéo compatible avec les modèles multimodaux, la prise en charge multi-participants, un connecteur WhatsApp Voice via le cloud, et une intégration SIP pour la téléphonie classique.
Sa limite principale : il n'y a pas d'éditeur visuel, pas de produit de campagnes d'appels sortants packagé, et certaines fonctionnalités avancées (inférence managée, turn-detection hébergé, conformité HIPAA, région dédiée) sont réservées au plan Cloud payant. C'est un framework pour équipes qui savent coder et veulent la voix comme un canal parmi d'autres - texte, vidéo, multi-device - plutôt qu'un produit no-code.
Pipecat : pipelines composables en Python, porté par Daily
Pipecat est un framework open source en Python sous licence BSD-2-Clause, qui a atteint sa version 1.0 en avril 2026. Son modèle mental est celui du pipeline composable : chaque agent est une chaîne de traitement audio/texte, et plusieurs agents peuvent être combinés par handoff, par parallélisation ou par déploiement distribué. Pipecat Flows ajoute une couche de gestion d'état pour structurer des conversations à embranchements.
Sa couverture fournisseurs est large : une vingtaine de moteurs STT (AssemblyAI, Deepgram, Google, Azure, Whisper via OpenAI, entre autres), une trentaine de moteurs TTS (Cartesia, ElevenLabs, Azure, Google...), et une vingtaine de LLM, plus un support natif des modèles speech-to-speech (OpenAI Realtime, Gemini Multimodal Live, AWS Nova Sonic, Ultravox). Côté téléphonie, des sérialiseurs existent pour Twilio, Plivo, Telnyx, Exotel et Genesys.
Le point commun avec LiveKit Agents : les deux exigent une équipe technique pour opérer l'infrastructure en production - aucun des deux n'offre d'éditeur visuel ni de tableau de bord métier prêt à l'emploi. La différence se joue surtout sur le langage (Pipecat est Python uniquement, LiveKit propose aussi Node.js) et sur la philosophie d'intégration (pipeline audio pur pour Pipecat, voix comme canal multimodal pour LiveKit).
Vapi et Retell AI : deux plateformes SaaS, deux publics différents
Vapi est une plateforme managée orientée développeurs : dashboard, API REST, webhooks, un serveur MCP, la prise en charge du bring-your-own-key pour les fournisseurs LLM, jusqu'à 10 000 contacts par campagne sortante, et huit modes de transfert d'appel. Un numéro américain gratuit est inclus en entrant ; l'international et le sortant nécessitent un trunk SIP importé.
Retell AI vise en priorité les équipes opérationnelles sans développeurs : éditeur visuel par glisser-déposer, base de connaissances managée, appels par lot, SMS/MMS natif, widget de chat web, et détection de répondeur. Les numéros US/Canada s'achètent directement en entrant comme en sortant ; les autres pays passent par un import SIP.
Aucune des deux plateformes ne propose de self-hosting. Toutes deux facturent au forfait tout compris à la minute - avec des fourchettes qui varient fortement selon le modèle LLM choisi, le volume et les options activées. Sur le papier, Vapi affiche généralement une tarification plus resserrée à volume élevé, et Retell AI une fourchette plus large liée à ses options premium ; ces écarts doivent être vérifiés directement sur les grilles tarifaires actuelles de chaque éditeur, qui évoluent régulièrement.
Tableau comparatif synthétique
| Critère | LiveKit Agents | Pipecat | Vapi | Retell AI |
|---|---|---|---|---|
| Nature | Framework open source + cloud optionnel | Framework open source | Plateforme SaaS managée | Plateforme SaaS managée |
| Licence | Apache 2.0 | BSD-2-Clause | Propriétaire (non open source) | Propriétaire (non open source) |
| Langage serveur | Python, Node.js | Python | Configuration via API/dashboard | Configuration via éditeur visuel |
| Self-hosting | Oui, intégral possible | Oui, intégral possible | Non | Non |
| Public cible | Équipes dev, voix multimodale, fort volume | Équipes dev Python, pipelines sur mesure | Développeurs, configuration standardisée | Équipes métier sans développeur |
| Éditeur visuel | Non | Non | Dashboard + API | Glisser-déposer |
| Modèle de coût | Infra + fournisseurs IA séparés (ou plan Cloud) | Infra + fournisseurs IA séparés | Forfait tout compris à la minute | Forfait tout compris à la minute |
Sources : documentation éditeur et comparatifs tiers publiés en 2026 (voir section sources). Les chiffres de tarification exacts n'ont pas été inclus dans ce tableau car ils évoluent fréquemment - consultez les grilles officielles à jour avant toute décision.
Les autres noms à connaître en 2026
Le paysage ne se limite pas à ces quatre outils. L'OpenAI Agents SDK, avec son transport realtime WebSocket/WebRTC, est encore en version pré-1.0 et fortement couplé à l'API OpenAI, mais gagne rapidement en popularité. Le TEN Framework (multi-langage : Python, Go, C++, Node) ajoute une couche d'orchestration multi-agents mais reste en version 0.x, avec une licence Apache 2.0 assortie de conditions additionnelles qui limitent certains usages - à lire attentivement. Jambonz, orienté infrastructure télécom plutôt que librairie applicative, cible les équipes qui veulent maîtriser la couche SIP elle-même. Enfin, Vocode, l'un des pionniers de la catégorie, est considéré par plusieurs analyses comme non maintenu depuis fin 2024 - un rappel que la popularité passée d'un projet open source ne garantit pas sa pérennité.
Cette diversité illustre un marché encore jeune et mouvant. Les frameworks d'orchestration d'agents génériques comme LangGraph, CrewAI ou AutoGen - déjà traités en détail dans notre comparatif dédié - ne sont pas des concurrents directs de LiveKit ou Pipecat : ils opèrent à un niveau différent, celui de la logique de décision du LLM, et se combinent souvent avec un framework voix pour le pipeline audio temps réel.
Comment choisir selon votre profil
- Startup technique, besoin de contrôle total et de voix multimodale (vidéo, multi-device) : LiveKit Agents, en self-hosting ou sur LiveKit Cloud selon la maturité de l'équipe infrastructure.
- Équipe Python déjà en place, besoin de pipelines sur mesure et de nombreux fournisseurs IA interchangeables : Pipecat.
- Équipe de développeurs qui veut livrer vite sans gérer d'infrastructure, volume modéré à élevé : Vapi.
- Équipe métier sans développeur, besoin d'un éditeur visuel et d'une mise en route rapide : Retell AI.
- Contraintes de souveraineté des données, secteur réglementé, ou volume très élevé où le coût par minute pèse lourd : un framework open source auto-hébergé (LiveKit Agents ou Pipecat) sur une infrastructure européenne devient structurellement plus avantageux - voir notre article sur le LLM local et on-premise.
Dans tous les cas, ces quatre outils ne couvrent qu'une partie du problème : ils fournissent la tuyauterie technique, pas la conformité réglementaire, les intégrations métier (CRM, ERP, outils de prise de rendez-vous), les garanties de disponibilité contractuelles, ni le monitoring en production. Avant de trancher, vérifiez systématiquement où vos données transitent, quelles garanties de disponibilité sont contractualisées, et quel effort d'intégration réel sera nécessaire pour connecter l'agent à votre système d'information.
🏢 Où se situe TALKR dans ce paysage
TALKR n'est ni un framework que vous codez, ni une plateforme de configuration générique : c'est une solution d'agent conversationnel téléphonique pensée pour le marché francophone, avec l'intégration CRM, la conformité RGPD et l'accompagnement métier intégrés dès le départ - plutôt qu'à construire vous-même par-dessus une brique technique. Pour les équipes qui évaluent la voie open source (LiveKit, Pipecat) face à une solution métier clé en main, la question centrale n'est pas seulement technique : c'est le temps d'ingénierie et le coût de maintenance à moyen terme face à un service déjà opéré, conforme et supervisé.
Nous accompagnons aussi des équipes techniques qui construisent elles-mêmes sur ces frameworks et cherchent un avis indépendant sur leur architecture - STT/LLM/TTS, téléphonie, guardrails et supervision production.
Build ou buy : vous hésitez entre un framework open source et une solution clé en main ?
TALKR challenge votre architecture - frameworks envisagés, volumes, contraintes RGPD - et vous aide à choisir la voie la plus rentable sur la durée.
Demander un avis d'architecture❓ Questions fréquentes — Frameworks pour agent vocal IA
Quelle différence entre un framework open source et une plateforme SaaS pour un agent vocal IA ?
Un framework open source (LiveKit Agents, Pipecat) fournit du code que vous déployez et maintenez vous-même : vous choisissez vos fournisseurs STT, LLM et TTS, vous payez chaque brique séparément, et vous gérez l'infrastructure et la supervision. Une plateforme SaaS (Vapi, Retell AI) loue un service clé en main avec un tarif à la minute tout compris et aucune infrastructure à gérer, en échange d'une personnalisation plus limitée et d'une dépendance totale au fournisseur.
LiveKit Agents est-il gratuit ?
Le framework est open source (Apache 2.0) et gratuit si vous l'auto-hébergez intégralement, transport WebRTC compris. LiveKit propose en parallèle une offre cloud payante au forfait qui simplifie le transport et ajoute des fonctionnalités comme le turn-detection managé ou la conformité HIPAA. Certains modèles de détection de tour de parole utilisent une licence distincte du framework - à vérifier avant un usage commercial.
Pipecat est-il adapté à un agent vocal IA en production ?
Oui. Pipecat a atteint sa version 1.0 en avril 2026 et compte parmi les frameworks voix open source les plus actifs, avec une large couverture de fournisseurs STT/LLM/TTS et des sérialiseurs téléphonie pour plusieurs opérateurs. Comme tout framework code-first, il demande une équipe capable d'opérer l'infrastructure, la supervision et la montée en charge en production.
Vapi ou Retell AI : lequel choisir sans équipe technique ?
Retell AI cible les équipes sans développeurs avec un éditeur visuel par glisser-déposer et une base de connaissances managée. Vapi s'adresse à des développeurs qui configurent l'agent via API et webhooks. Pour une équipe sans aucune ressource technique, Retell AI est généralement plus accessible ; avec au moins un développeur, Vapi offre plus de flexibilité.
Peut-on self-hoster Vapi ou Retell AI ?
Non, ce sont des plateformes SaaS fermées sans option de self-hosting documentée. Pour l'auto-hébergement ou le contrôle total de l'infrastructure, LiveKit Agents ou Pipecat sont les options à considérer, puisque les deux sont open source.
Ces outils sont-ils conformes RGPD et hébergés en Europe ?
Cela varie et doit être vérifié au cas par cas. Un framework auto-hébergé (LiveKit Agents, Pipecat) permet de choisir un hébergement et des fournisseurs IA en Europe. Côté SaaS, les régions disponibles et les garanties RGPD diffèrent fortement d'un éditeur à l'autre et évoluent souvent - à faire confirmer contractuellement avant tout déploiement.
Faut-il un framework voix spécifique si on utilise déjà LangGraph ou CrewAI ?
Oui. LangGraph, CrewAI ou AutoGen orchestrent la logique métier multi-agents au niveau du LLM, indépendamment du canal. LiveKit Agents, Pipecat, Vapi ou Retell AI gèrent la couche temps réel propre à la voix : audio, transport, streaming STT/TTS, tours de parole. Un agent vocal de production combine souvent les deux couches.
Quel est le coût réel d'un agent vocal IA à grande échelle avec ces outils ?
Les plateformes SaaS communiquent des tarifs tout compris généralement situés entre 0,04 et 0,30 dollar par minute selon le fournisseur et les options. Les frameworks open source auto-hébergés n'ont pas de frais de plateforme mais facturent séparément chaque brique et le temps d'ingénierie pour les opérer - rentable surtout à volume élevé. Ces chiffres, communiqués par les fournisseurs, évoluent souvent et doivent être revérifiés directement auprès de chacun.
Pour aller plus loin
- Frameworks d'orchestration d'agents IA : LangGraph, CrewAI, AutoGen pour un agent vocal
- Speech-to-Speech IA vs pipeline STT/LLM/TTS pour agents vocaux
- Choisir le LLM de son agent vocal IA : GPT-4o, Gemini, Claude, Mistral
- Build vs buy : plateforme SaaS ou développement interne pour un agent vocal IA (cross-silo)