Tarifs Grok Voice 3.0 : ce que coûte vraiment un appel de support

Pourquoi « 0,08 $ la minute » est le mauvais chiffre pour budgétiser

J'écris et je fais du SEO chez eesel, donc une bonne partie de mon travail tient à l'écart entre ce que les gens tapent et ce qu'ils veulent vraiment dire. Personne qui cherche « tarifs Grok Voice 3.0 » ne veut seulement la grille tarifaire, qui tient en une ligne. Ils veulent savoir ce que la ligne téléphonique coûtera par appel et par mois une fois en production, ce qui est un autre chiffre, et c'est celui de cet article. C'est aussi le chiffre que toute grille tarifaire omet, y compris la page des tarifs xAI.

La grille elle-même est courte. Directement depuis la page de tarifs de xAI, mise à jour pour la dernière fois le 10 octobre 2026 :

Je souligne deux choses dans ce tableau. D'abord, le tarif à la minute est le même quoi que fasse le modèle pendant cette minute. xAI affiche un seul tarif pour grok-voice-3.0, il n'y a pas de ligne moins chère pour reasoning.effort réglé sur none ni de supplément pour une longue réflexion. Ensuite, le prix n'a pas bougé avec la mise à niveau. L'annonce de lancement de Grok Voice 3.0 le dit clairement : même prix que la 2.0, et ceux qui utilisaient l'alias grok-voice-latest ont été basculés automatiquement. Quand j'ai couvert les tarifs de Grok Voice 2.0 en août, l'histoire était une hausse de 60 % par rapport à la 1.0. Cette fois c'est l'inverse : vous obtenez le meilleur modèle pour le même prix.

Ce que le tableau n'a pas, c'est une ligne téléphonique, et c'est là que la vraie facture commence.

Ce que coûte réellement un appel de support

Construisons un appel de A à Z. Le profil que j'utilise est courant sur les lignes de support : quatre minutes de conversation, l'agent cherche trois fois dans vos documents d'aide, et votre appli injecte un message texte (par exemple l'historique de commandes de l'appelant) au début.

Cela fait 0,086 $ par minute de conversation, soit environ 8 % de plus que le tarif affiché.

Les minutes Grok représentent 93 % de l'appel. Tout ce que l'on appelle « frais cachés » se trouve dans les 7 % restants. Cela ne veut pas dire que les extras sont gratuits. Cela veut dire que ce n'est pas là qu'un budget dérape, mais je passe quand même chacun en revue, car quelques-uns ont un piège.

L'opérateur : vous apportez le vôtre

Grok Voice 3.0 prend les appels téléphoniques via SIP, et le guide SIP est clair : vous enregistrez un numéro que vous possédez déjà avec origin: "byo_trunk". L'attribution de numéros SpaceXSI via l'API n'est pas prise en charge, un compte opérateur est donc une obligation, pas une option. Le guide contient des étapes de configuration pour Twilio et Telnyx et fonctionne avec tout fournisseur SIP.

L'opérateur vous facture directement sur sa propre facture. Voici ce que facturent les deux opérateurs cités dans la documentation pour des appels aux États-Unis, d'après leurs propres pages de tarifs :

Le choix qui compte ici est local contre gratuit, pas Twilio contre Telnyx. Un numéro gratuit sur Twilio SIP coûte près de 4 fois plus par minute entrante qu'un numéro local, ce qui fait passer l'appel de 4 minutes de 0,345 $ à environ 0,384 $. Pour la plupart des lignes de support cela reste faible, mais si vous exploitez une grande ligne gratuite en 0800, c'est le seul détail d'opérateur qui mérite d'être bien modélisé. Twilio facture aussi 0,0025 $ la minute pour l'enregistrement des appels si vous l'activez, et les appels d'urgence sont des frais mensuels par numéro chez les deux (0,75 $ chez Twilio, 1,5 $ chez Telnyx). Si votre équipe utilise déjà le centre de contact de Twilio, mon article sur les tarifs de Twilio Flex couvre le côté licences de cette facture.

Une dernière chose pour un acheteur de centre de contact. Si les appelants vous joignent par un widget web ou votre propre appli plutôt que par un numéro de téléphone, il n'y a aucun opérateur, car Grok accepte aussi les sessions WebSocket et WebRTC. Le format d'échange est compatible avec l'API OpenAI Realtime, donc mon explication sur Realtime API vs WebRTC s'applique aussi à ce choix.

Les outils : peu chers à l'appel, tarifés au millier

Les outils sont ce qui permet à un agent vocal de ne plus seulement parler mais de faire quelque chose, et quiconque a construit avec les appels d'outils en temps réel sait qu'ils sont au cœur d'un agent de support. xAI facture ses outils côté serveur à l'invocation :

Quelques points me sont ressortis de ce tableau. file_search à 2,50 $ pour 1 000 coûte moitié moins que web_search, donc un agent qui répond depuis vos propres documents téléversés est moins cher par recherche qu'un agent qui parcourt votre site public. Pour les outils MCP distants, xAI dit que l'invocation n'est pas facturée, seulement les tokens éventuellement utilisés. Vos propres outils function n'ont aucun frais xAI, leur coût vit sur vos propres serveurs.

Le seul coût de stockage à surveiller, ce sont les collections, à 0,10 $ par Gio et par jour. Un centre d'aide fait rarement un gigaoctet de texte, donc pour la plupart des équipes ce sont des centimes par mois, mais c'est un compteur quotidien qui tourne que le téléphone sonne ou non.

Entrées de texte : quatre dixièmes de centime chacune

Chaque message texte que votre appli pousse dans une session en direct coûte 0,004 $. C'est le prix pour injecter du contexte en plein appel : le statut du compte de l'appelant, le résultat d'une recherche CRM, un indicateur « ce client est VIP ». Une par appel, ce n'est rien. Un schéma où votre appli envoie une mise à jour texte toutes les quelques secondes est là où cette ligne commence à se voir, donc je regrouperais le contexte en un seul message au début de l'appel.

Ce que cela coûte par mois à des volumes de support

Passez le même profil d'appel (4 minutes, Twilio local, trois recherches, une entrée de texte, 30 jours) à trois tailles d'équipe courantes :

C'est la version propre. La version réelle contient du silence, et à mon avis c'est la ligne que la plupart des budgets manquent. Un appel de support ne s'arrête pas à l'instant où le problème est résolu. Il y a le « autre chose ? », l'appelant qui part chercher un reçu, les cinq secondes de silence avant que quelqu'un raccroche. xAI facture la session à la minute et sa documentation ne retire pas le silence, donc je budgétiserais comme si chaque minute ouverte était facturée.

Faites le calcul à 500 appels par jour : 20 secondes de silence par appel ajoutent environ 400 $ par mois, soit plus que l'opérateur, les outils et les entrées de texte réunis (376,50 $). Le modèle a un réglage pour cela : idle_timeout_ms relance un appelant silencieux après une pause définie, et le guide SIP documente un appel hangup que votre appli peut déclencher quand la conversation est terminée. Mettre en place les deux est l'optimisation de coût la moins chère de tout l'article.

Entrez vos propres chiffres. Cet estimateur est différent de celui du test de Grok Voice 3.0 de mon collègue, qui dimensionne votre palier de simultanéité : celui-ci chiffre l'appel complet, détaille chaque poste et donne aussi le coût par appel que l'IA résout réellement.

Le dernier chiffre, le coût par appel résolu par l'IA, est celui que je présenterais à une équipe financière. Avec un taux de résolution de 50 %, le cas par défaut ressort à environ 0,75 $ par appel résolu, car vous payez aussi les appels qui finissent en transfert. xAI dit que les centres d'appels de Starlink résolvent environ 70 % de 20 000 appels quotidiens sans humain, mais c'est une société sœur qui parle d'elle-même, donc je partirais plus bas pour ma propre prévision et je la ferais monter avec des données réelles. Mon détail du coût par résolution explique pourquoi cette mesure résiste à une revue budgétaire, et la comparaison du coût agent IA vs agent humain la place à côté d'un salaire.

Paliers de simultanéité : un prépaiement, pas des frais

Le seul coût de Grok Voice 3.0 qui ressemble à des frais cachés n'en est pas un. Les sessions simultanées, le nombre d'appels que vous pouvez mener en même temps, évoluent avec vos dépenses cumulées sur l'API xAI depuis le 1er janvier 2026, d'après la page des limites de débit :

Les paliers comptent les achats de crédit prépayé et les factures payées, et ne sont jamais rétrogradés. L'argent qui débloque un palier est donc de l'argent que vous dépenseriez de toute façon en appels, c'est plus une question de trésorerie qu'un coût en plus. À 500 appels par jour, vous dépassez 5 000 $ dès votre premier mois et le plafond n'a plus d'importance.

Là où cela gêne, c'est pendant le pilote. Un compte tout neuf qui veut tester 50 appels simultanés doit d'abord déposer 250 $ de crédit. C'est peu, mais j'ai vu lors de nos propres appels commerciaux à quelle vitesse l'usage de test grimpe : un acheteur à qui j'ai parlé a consommé 200 interactions en une seule journée de test et s'est mis à s'inquiéter du coût par interaction à grande échelle avant même la fin du pilote. La tarification à l'usage fait paraître les tests chers même quand ils ne le sont pas, donc fixez un budget de test dès le départ et traitez-le comme le coût de l'apprentissage.

Comment le prix de Grok se compare aux autres API vocales

C'est ici que je pense que la couverture du lancement se trompe dans la comparaison, et dans les deux sens. Chaque chiffre ci-dessous vient de la page de tarifs du fournisseur lui-même :

Le chiffre de Gemini demande une explication. Google facture l'audio entrant et l'audio sortant séparément, donc une minute où l'appelant diffuse de l'audio en continu et où l'agent parle aussi en continu coûterait au plus 0,023 $. Dans un vrai appel, l'agent parle peut-être la moitié du temps, ce qui ramène plutôt à 0,014 $ la minute, avant les tokens de thinking. Au seul tarif affiché, c'est une fraction de Grok.

Alors Grok est-il cher ? Pas quand on chiffre le même travail. Les 0,05 $ de GPT-Live-1 n'achètent que la couche vocale, et vous choisissez et payez le modèle derrière, ce que mon article sur les tarifs de GPT-Live-1 détaille. ElevenLabs a la même forme à 0,08 $ plus un LLM, et mon détail des tarifs d'ElevenLabs donne les détails des offres. Le palier Standard de Deepgram est le forfait le plus comparable, 0,5 centime moins cher la minute.

Artificial Analysis, qui évalue ces modèles sur les mêmes tâches, a mesuré le coût total d'exploitation de chacun et trouvé un écart bien plus serré que ne le suggèrent les tarifs affichés :

"Grok Voice 3.0 costs $4.80 per hour of input audio, the same as Grok Voice 2.0. That is above GPT-Live-1 (Sol, low) at $4.47 and Gemini 3.8 Live Extended Thinking (High) at $3.50, below GPT-Live-1 (Astra, medium) at $5.83, and ~2.2x cheaper than GPT-Realtime-2.1 High ($10.75)."

Artificial Analysis, X

C'est la lecture honnête. Une fois le raisonnement compté, Grok se place au milieu du peloton de tête sur le coût, ni en haut ni en bas, et l'annonce de lancement de xAI présente son avantage comme un coût par tâche sur ce benchmark plutôt qu'un coût à la minute. Notez aussi qu'Artificial Analysis précise que son chiffre de coût n'inclut pas les appels d'outils, ajoutez donc la section sur les outils ci-dessus à chacun de ces chiffres.

Si vous préférez acheter une plateforme entière plutôt qu'une API, le modèle tarifaire change encore. Les tarifs de Retell AI et Vapi superposent leurs propres frais de plateforme à la minute au modèle, et le Voice Agent Builder de xAI est la voie sans code sur la même voix.

Si vous vivez dans un helpdesk, regardez d'abord ce qu'il propose nativement, les agents vocaux IA de Zendesk en sont un exemple. Mon panorama des meilleurs agents vocaux IA compare les options clés en main.

Quatre façons de réduire une facture Grok Voice

Comme 93 % de la facture sont des minutes, presque chaque économie porte aussi sur les minutes. Voici celles que je ferais vraiment, par ordre d'effort :

1. Arrêtez de payer le silence. Réglez idle_timeout_ms et déclenchez le point d'accès hangup dès que l'appelant a fini. Sur la ligne à 500 appels par jour, cela seul vaut plus que tous les autres extras réunis.
2. Injectez le contexte une seule fois. Envoyez les informations du compte de l'appelant en une seule entrée de texte au début, pas en flux de mises à jour. Chaque message coûte 0,004 $.
3. Répondez depuis vos propres documents. file_search à 2,50 $ pour 1 000 coûte moitié moins que web_search, et un agent qui lit vos propres règles est aussi celui qui donne la bonne réponse. Gardez la collection téléversée légère, car le stockage est un compteur quotidien.
4. Utilisez des numéros locaux quand vous le pouvez. L'entrant gratuit sur Twilio SIP coûte environ 4 fois le tarif local. Pour une ligne de support nationale c'est un choix de marque, mais autant en connaître le prix.

Ce que je ne ferais pas, c'est chasser un modèle moins cher à la minute pour économiser un centime. Un modèle qui échoue sur plus d'appels les allonge et en renvoie plus vers un humain, ce qui coûte bien plus que la différence de tarif. Le transfert de l'agent IA sur un appel raté est là où se trouve le vrai argent.

Grok Voice 3.0 vaut-il son prix ?

Pour une équipe qui met une IA au téléphone, je pense que oui, et le calcul du ROI d'un centre d'appels va généralement dans ce sens. Vous obtenez le meilleur modèle de l'indice vocal d'Artificial Analysis, un tarif fixe qui inclut le raisonnement et aucun frais de plateforme, ce qui facilite les prévisions. Le coût total d'un appel de 4 minutes est d'environ 35 centimes, et les extras dont on vous a prévenu sont une erreur d'arrondi à côté du temps de conversation.

C'est moins adapté si vous voulez le tarif affiché le plus bas possible pour des appels courts et simples (Gemini 3.8 Live et GPT-Live-1 affichent tous deux moins et vous laissent choisir un modèle plus léger), ou si vous voulez une plateforme sans code avec des analyses par-dessus. Pour ces cas, ma liste d'alternatives à Grok Voice 2.0 et l'article plus large sur les alternatives à xAI cartographient toujours le terrain, et l'IA peut-elle répondre aux appels de support est un bon test d'intuition avant tout cela.

Ce qu'aucun prix vocal n'inclut, c'est la connaissance. Chaque chiffre ci-dessus paie un modèle pour tenir une conversation, et aucun ne dit au modèle votre délai de remboursement ni quels clients reçoivent le geste commercial. Une voix bon marché et rapide qui lit la mauvaise règle reste la mauvaise règle, et c'est l'échec le plus courant que je vois dans les déploiements de support vocal. Pour les lignes e-commerce en particulier, mon guide du support téléphonique IA explique quels appels confier en premier.

Grok tarifie la minute. eesel s'occupe de ce qui est dit.

Si votre ligne téléphonique est placée devant une file de tickets, le modèle vocal n'est que la moitié du système. eesel est l'autre moitié : un coéquipier IA pour helpdesk qui rejoint Zendesk, Freshdesk ou Gorgias et apprend de vos anciens tickets et de votre centre d'aide. Il traite la file d'e-mails et de chats dans laquelle chaque appel téléphonique finit par déborder. Avant la mise en production, vous pouvez le lancer sur vos propres tickets historiques et comparer ses réponses à ce que votre équipe a réellement envoyé, ce qui est comme je voudrais tester tout ce qui parle à des clients.

Pour les développeurs, les deux peuvent se rejoindre à mi-chemin. L'outil mcp de Grok prend une URL de serveur et des en-têtes, et chaque espace de travail eesel est aussi un serveur MCP : la commande eesel mcp token de la CLI eesel affiche ce dont un client MCP a besoin pour se connecter. La même CLI permet de piloter l'agent depuis un terminal ou de le confier à un agent de code comme Claude Code. Je n'ai pas testé cette combinaison sur une vraie ligne téléphonique, considérez-la donc comme une piste prometteuse, et rappelez-vous que les appels MCP distants chez xAI n'ont pas de frais d'invocation.

La tarification a aussi une forme différente de celle d'une API vocale : eesel est un forfait mensuel fixe de crédits, 299 $ par mois pour 500 crédits, où un ticket ou un chat compte pour un crédit, avec 100 crédits gratuits pour essayer. Vous payez par ticket traité, pas par minute de conversation. Essayez eesel sur une partie de votre file avant votre prochain pilote vocal, pour que l'agent au téléphone ait quelque chose qui vaille la peine d'être dit.