Voxtral 3 : une voix qui peut rester en Europe

Le 20 octobre 2026, Mistral a présenté Voxtral 3 : une famille de modèles qui transforme la parole en texte et le texte en parole, avec un SDK pour agents vocaux. Le tout doit tourner sur l'API de Mistral en Europe ou sur votre propre infrastructure. Le clonage de voix en fait aussi partie.

Les voix font partie de nos productions depuis longtemps, et aujourd'hui elles naissent dans le cloud. Dans Rapido, un spec ad pour Electrolux, la version allemande est dite par un vrai comédien ; la version suédoise, nous l'avons doublée avec ElevenLabs. Dans 21 ZUAN, un spec ad pour Seagull 1963, la voix de la grand-mère vient d'ElevenLabs, en anglais et en chinois. Et dans When Everything Crumbles pour l'Université de Berne, la voix du directeur a été clonée avec ElevenLabs à partir de ses propres enregistrements, avec son accord.

Pour un personnage inventé, la question de savoir où une voix est calculée reste plutôt technique. Pour une personne réelle, plus du tout. C'est pour cela que nous regardons Voxtral 3 de près. Nous ne l'avons encore ni utilisé ni testé.

Ce qui est vraiment nouveau

Mistral réunit quatre modèles sous un même nom :

• Transcription : Voxtral Small Transcribe 3 et Voxtral Mini Transcribe 3 (4 milliards de paramètres selon Mistral) pour les fichiers, avec séparation des locuteurs et contexte pour les termes techniques. 50 langues, dont les 24 langues officielles de l'UE.
• Temps réel : Voxtral Mini Transcribe Realtime 3, avec moins de 500 millisecondes de latence selon Mistral et la détection du moment où quelqu'un a fini de parler.
• Synthèse vocale : Voxtral Mini TTS 3 avec 35 langues et plus de 50 dialectes, pilotable par des instructions sur l'émotion, le rythme et l'accentuation.
• SDK pour agents vocaux : basé sur LiveKit, il relie écoute, raisonnement et parole dans un seul pipeline et se branche au téléphone via SIP ou aux navigateurs et applications via WebRTC. Mistral annonce moins d'une seconde par tour de parole.

La nouveauté, c'est surtout la combinaison : un seul fournisseur pour tout le chemin, de la voix qui entre à la voix qui sort, avec l'hébergement dans l'UE comme offre standard et l'auto-déploiement en option. Selon l'annonce, toute la pile en on-premise ou en cloud privé passe par l'équipe de Mistral. À noter : à côté du point d'accès européen, Mistral mentionne aussi des points d'accès américains et globaux. L'Europe est donc un choix, pas un automatisme.

Les benchmarks de l'annonce viennent de Mistral lui-même, en partie avec un modèle de langage comme juge. Nous les laissons là où ils sont.

Ce que cela change pour une production

Pour le clonage, Mistral décrit deux voies. Le zero-shot clone à partir d'un court enregistrement. Pour la variante professionnelle (« Pro Voice »), la documentation recommande 30 minutes à trois heures d'enregistrements propres avec une seule voix : pièce calme, même micro, différentes émotions. Selon la documentation, une voix clonée n'est pas liée à la langue de l'enregistrement. C'est exactement notre cas avec les versions dans d'autres langues.

Les prix selon Mistral : synthèse vocale 13 dollars par million de caractères, transcription 0,0035 à 0,008 dollar par minute, l'agent vocal 0,04 dollar par minute avec Mistral Small 4 comme modèle de raisonnement. Pour un film publicitaire, ce n'est pas un poste de coût. Pour un agent qui prend des appels toute la journée, davantage.

Ce que cela change pour une marque

C'est là que cela devient intéressant. Selon Mistral, les organisations peuvent contrôler où l'audio est traité, comment les données sont gérées et si les conversations sont conservées. Selon la documentation, les voix enregistrées ont une durée de conservation, 30 jours par défaut, réglable jusqu'à 365 jours.

À titre de comparaison, ce que documente ElevenLabs : les données clients sont stockées par défaut aux États-Unis. Le stockage dans l'UE est une fonction réservée aux clients Enterprise, et selon la documentation, le traitement peut malgré tout avoir lieu ailleurs, sauf avec le Zero Retention Mode via l'API.

Pour le consentement, c'est l'inverse. Selon sa documentation, ElevenLabs n'autorise le clonage professionnel que pour sa propre voix et exige une vérification. La documentation de clonage de Mistral ne décrit pas d'étape de ce type. Sa politique d'utilisation interdit toutefois d'utiliser la voix d'une autre personne sans son accord préalable.

Autrement dit : le consentement, c'est votre affaire, pas celle de l'outil. Franchement, le point le plus important de cet article.

Alors, quand une voix qui reste en Europe ou qui tourne sur votre propre infrastructure vaut-elle la peine ? Quand elle appartient à une personne réelle, par exemple la directrice, un comédien ou un directeur. Quand le matériel est confidentiel avant le lancement. Ou quand un agent vocal parle avec des clientes et des clients et entend au passage des données personnelles. Pour un personnage inventé dans un spec ad, cela compte moins. L'évaluation juridique revient au cas par cas à un spécialiste ; nous pouvons dire quelles questions nous posons avant un projet.

Cela ne change rien au marquage. Sur nos pages de cases, il est indiqué quelle voix est générée et laquelle vient de personnes, quel que soit l'outil utilisé.

Notre avis et les limites

Voxtral 3 est une offre européenne sérieuse pour tout le chemin de la parole, et l'hébergement dans l'UE désamorce une question qui revient toujours avec les vraies voix. Mais Mistral ne mentionne nulle part de poids ouverts pour Voxtral 3 : dans l'aperçu des modèles, les quatre modèles figurent comme « Premier », alors que l'ancien Voxtral Small de 2025 est marqué « Apache 2.0 ». S'auto-déployer signifie donc ici parler avec Mistral, pas simplement télécharger des fichiers.

Reste à savoir comment les voix sonnent dans un vrai film : en suédois, en chinois, avec de l'émotion sur toute une scène. Et si un clone issu de 30 minutes s'approche de ce que nous livrons aujourd'hui. Nous ne le saurons qu'après notre propre test, et nous ne l'avons pas encore fait.

Sources

• Mistral AI : Voxtral 3, annonce du 20 octobre 2026
• Mistral Docs : Voxtral TTS 3, page du modèle
• Mistral Docs : Voice cloning
• Mistral Docs : Languages
• Mistral Docs : Models, aperçu avec les licences
• Mistral AI : Usage Policy, en vigueur depuis le 11 juin 2026
• ElevenLabs Docs : Data residency
• ElevenLabs Docs : Professional Voice Cloning
• Miraki : Rapido
• Miraki : 21 ZUAN
• Miraki : When Everything Crumbles