Les équipes ont appris à prompter avec ChatGPT. Quelques itérations, un ton ajusté, et l'assistant textuel répond correctement. Alors elles transposent : mêmes prompts, micro branché.

Résultat : des agents verbeux, qui récitent des listes à voix haute, qui laissent des silences gênants pendant qu'ils travaillent. Les utilisateurs raccrochent.

Prompter pour la voix n'est pas prompter pour le texte. C'est une autre discipline. Et elle s'apprend.

Le copy-paste qui échoue

Le problème est structurel. Il existe des milliers de ressources sur le prompting textuel, ChatGPT, Claude, Gemini.

La voix y est traitée comme un canal de sortie de plus, réglé d'un « réponds de façon conversationnelle ».

Ça ne suffit pas. Un prompt écrit pour l'écrit produit de l'écrit, et de l'écrit lu à voix haute, c'est exactement ce qui fait fuir un utilisateur.

La découverte se fait toujours au même endroit : en production, quand les gens raccrochent.

Un prompt écrit pour l'écrit produit de l'écrit, et de l'écrit lu à voix haute, c'est exactement ce qui fait fuir un utilisateur.

Ce que l'oral interdit

À l'oral, pas de markdown. Un agent qui génère une liste à puces produit un texte synthétisé absurde : « Tiret. Premier avantage. Tiret. Deuxième avantage. » Ce n'est pas une conversation, c'est une lecture de document.

À l'oral, pas de retour en arrière. La compréhension est linéaire et irréversible, l'utilisateur ne peut pas relire. Une phrase de 40 mots qui passe à l'écrit devient inaudible en synthèse. Phrases courtes. Un rythme.

À l'oral, le silence est un bug. Quand l'agent exécute un outil, recherche produit, vérification de stock, trois secondes de vide suffisent à faire croire que la conversation est morte. Un humain dirait « je regarde ça ». L'agent doit faire pareil.

Et à l'oral, la première phrase décide de tout. Un démarrage qui sonne comme un script de call center (« Bonjour, je suis votre assistant virtuel, comment puis-je vous aider ? ») produit un abandon immédiat. L'amorce doit être une phrase de conversation, pas une déclaration de service.

À l'oral, le silence est un bug.

Comment Scenaro structure le prompt vocal

Chez Scenaro, le prompt d'un scénario n'est pas un bloc monolithique. Il est structuré autour de deux choses que le prompting textuel mélange systématiquement.

Le caractère. Chaque scénario porte une persona : qui est cet agent, comment il parle, ce qu'il s'interdit. Un conseiller vin chez Club Français du Vin n'a pas le registre d'un concierge de voyage chez Urbansider. Le caractère définit le comportement phrase par phrase, le ton, le rythme, les formats interdits.

Les objectifs. Ce que l'agent cherche à accomplir dans la session : qualifier, recommander, guider vers un achat. Les objectifs sont déclarés séparément du caractère. Les mélanger dans un seul bloc produit des agents schizophrènes, qui savent ce qu'ils veulent mais pas comment se tenir, ou l'inverse.

Et une règle spécifique à l'oral : les prompts Scenaro encouragent l'agent à parler pendant l'exécution des outils. Pendant qu'une recherche tourne, l'agent annonce ce qu'il fait. Le silence n'est jamais laissé au hasard.

Chaque modification de prompt est versionnée et testable en voix réelle avant publication. Parce qu'un prompt vocal ne se juge pas en le lisant, il se juge en l'écoutant.

Prompter pour la voix est une compétence à construire, pas un réflexe à transférer. Les équipes qui traitent les deux disciplines comme une seule le paient en production. Celles qui écoutent leurs prompts avant de les publier gardent leurs utilisateurs en ligne.