Whissle Gateway

À propos de Whissle Gateway

Whissle Gateway se positionne comme une passerelle auto-hébergeable conçue spécifiquement pour les applications vocales d’intelligence artificielle en temps réel. Son architecture repose sur un reverse proxy placé devant un pipeline WebRTC et un runtime d’agent, le tout pouvant fonctionner sur une machine virtuelle de taille modeste avec vos propres clés de modèles de langage (LLM). Pour les organisations qui exigent que la voix demeure entièrement sur site, Whissle propose également un service de modèles séparé, garantissant qu’aucune donnée ne sorte du réseau interne.

Cette approche répond directement aux préoccupations croissantes concernant la souveraineté des données et la confidentialité dans les environnements professionnels sensibles. Contrairement aux solutions cloud traditionnelles qui transfèrent l’audio et les transcriptions vers des serveurs externes, Whissle Gateway permet de garder l’ensemble du traitement vocal à l’intérieur du périmètre réseau de l’entreprise.

L’architecture légère du conteneur principal inclut uniquement le proxy, le pipeline vocal et le runtime d’agent. La base de données est externe en production, bien qu’une version intégrée soit disponible pour le développement mono-machine. Cette conception modulaire facilite le déploiement dans des environnements variés, des petites équipes de développement aux infrastructures d’entreprise complexes.

Fonctionnalités principales

Whissle Gateway offre un ensemble de fonctionnalités techniques avancées pour la création d’agents vocaux temps réel. Le coeur du système repose sur la communication WebRTC, avec des frontends disponibles pour navigateur, téléphone, macOS et intégration embarquée, tous se connectant à la passerelle via HTTPS et WebRTC sur le port :9000.

La reconnaissance vocale (STT) en continu intègre plusieurs mécanismes de contrôle : un endpointing intelligent, un noise gate pour filtrer le bruit ambiant, et un addressee gate qui identifie à qui s’adresse la parole. Les options de STT incluent Deepgram et Sarvam par API, ou l’ASR sur site de Whissle. La synthèse vocale (TTS) supporte l’émotion et le changement de langue en cours d’appel, avec des moteurs comme Deepgram Aura, Sarvam, Cartesia, ElevenLabs ou encore Kokoro en local.

Le runtime d’agent constitue le cerveau de l’application. Il gère le prompt, la base de connaissances et les outils réels tels que les réservations, les dossiers clients, les SMS et les webhooks, via des modèles comme Gemini ou Claude. La vidéo lip-synced est activable par agent via Simli ou un rendu côté client.

Les mécanismes avancés de turn-taking incluent le préchauffage spéculatif d’outils, un shadow-LLM draft head et une détection de complétude de tour en temps réel. Ces leviers permettent de réduire la latence perçue et d’améliorer le naturel des conversations. L’ensemble de l’infrastructure est conçu pour offrir un temps réel natif avec une gestion fine des tours de parole.

Tarification

Whissle Gateway ne publie pas de grille tarifaire publique dans les informations disponibles. Le produit est présenté comme une passerelle auto-hébergeable, et l’activation du service de modèles sur site est indiquée comme une option séparée. Les éléments suivants ne sont pas divulgués : noms des plans, prix mensuels ou annuels, quotas d’utilisation, frais d’usage, ou éventuels paliers entreprise.

Pour estimer le coût total de possession d’une telle solution, il faut considérer plusieurs composantes. D’abord, l’infrastructure : une machine virtuelle pour héberger la passerelle, avec des coûts variant selon le fournisseur cloud ou l’hébergement sur site. Ensuite, les modèles : chaque composant (STT, TTS, LLM) a son propre tarif, que ce soit via des API externes facturées à l’usage ou via des modèles hébergés localement. Deepgram facture environ 0,0059 $ US par minute pour le STT, tandis qu’ElevenLabs propose le TTS à partir de 5 $ US par mois. Les LLM comme Claude ou Gemini ont leurs propres grilles, souvent autour de 0,01 $ à 0,03 $ US par appel. En ajoutant le trafic WebRTC et la base de données, un déploiement de base pourrait coûter entre 100 $ CA et 500 $ CA par mois, mais ce chiffre varie considérablement selon le volume d’appels et les fournisseurs choisis.

Cas d’utilisation

Whissle Gateway s’adresse principalement aux organisations qui ont besoin d’assistants vocaux privés où les données audio et les transcriptions doivent rester strictement internes. Les secteurs réglementés comme la santé, les services financiers ou les administrations publiques y trouveront un intérêt particulier.

Les agents vocaux de production avec outils métiers représentent un autre cas d’usage majeur. Les fonctionnalités de réservation, de CRM, de support client et d’automatisation via webhooks ou SMS permettent de créer des assistants capables d’exécuter des actions réelles pendant la conversation. Les applications multicanales sont supportées : navigateur, mobile, téléphone et intégration embarquée.

Les cas nécessitant une faible latence et une orchestration temps réel de la prise de parole bénéficient directement des mécanismes avancés de turn-taking. Enfin, les déploiements hybrides où certains composants restent sur site tandis que d’autres utilisent des fournisseurs API offrent une flexibilité précieuse pour les équipes qui souhaitent équilibrer contrôle et performance.

Notre avis

Whissle Gateway répond à un besoin réel du marché : offrir une passerelle vocale IA auto-hébergeable qui préserve la confidentialité des données tout en offrant une flexibilité de choix technologiques. L’architecture légère et la conception modulaire sont des atouts indéniables pour les équipes techniques capables d’assembler et d’opérer une stack vocale complète.

Les fonctionnalités avancées de turn-taking et le support natif de WebRTC placent cette solution au-dessus des API gateways généralistes comme Cloudflare AI Gateway ou AWS API Gateway, qui ne sont pas conçues pour la voix en temps réel. Whissle se distingue par son focus exclusif sur la voix IA, ce qui lui permet d’offrir des mécanismes spécifiques que les alternatives ne proposent pas.

Cependant, l’absence de transparence tarifaire constitue un frein pour l’évaluation commerciale. Les équipes doivent pouvoir estimer rapidement le coût total avant de s’engager dans l’intégration. De plus, la complexité d’intégration nécessite des compétences techniques solides : il faut fournir ses propres clés LLM, connecter les modèles vocaux, la base de données et les outils métier. Cette solution n’est pas adaptée aux utilisateurs non techniques qui recherchent une solution clé en main.

La dépendance à l’assemblage technique signifie que Whissle Gateway convient mieux aux équipes produit et IA expérimentées qu’aux entreprises cherchant un déploiement rapide sans expertise interne. Les coûts variables selon les fournisseurs choisis rendent la prévision budgétaire plus difficile que pour une solution SaaS intégrée.

En conclusion, Whissle Gateway est une option solide pour les organisations qui placent la confidentialité des données au premier plan et qui disposent des compétences techniques nécessaires. Pour les autres, le chemin d’intégration pourrait s’avérer plus long que prévu. La transparence tarifaire et une documentation d’intégration plus accessible renforceraient considérablement l’attrait de cette solution prometteuse.