Le bip du répondeur : pourquoi il n'arrive pas quand on l'attend

Deux décisions, pas une

Quand un agent vocal tombe sur une messagerie, il doit trancher deux choses. D'abord : humain ou machine ? C'est la détection de répondeur, qui a sa propre page. Ensuite, s'il veut laisser un message : à quel instant la messagerie commence-t-elle à enregistrer ? La première décision peut se prendre dès les premiers mots de l'annonce. La seconde ne se prend qu'à la fin, et cette fin est en général signalée par un bip. Tout le problème est là : ce bip n'arrive jamais au même moment, n'a jamais tout à fait le même son, et parfois n'arrive pas du tout.

Plura, éditeur d'un logiciel d'appels sortants, résume la différence : la détection de répondeur dit qui a décroché, la détection du bip dit quand l'enregistrement commence.

Ce qu'on entend avant le bip

• Une annonce d'opérateur, du type « Votre correspondant n'est pas disponible, laissez un message après le bip ». La même pour des millions d'abonnés, mais différente d'un opérateur et d'un pays à l'autre.
• Un message personnel : trois secondes ou quarante, avec une musique, un silence au milieu, parfois un « Allô ? » qui imite un vrai décroché.
• Les deux à la suite : le message personnel, puis la phrase de l'opérateur.
• Un message du réseau (téléphone éteint, hors couverture) : ni humain ni messagerie, donc pas de bip, puisque rien n'enregistre.

Twilio donne un ordre de grandeur pour les annonces courtes : en général 1 à 2 secondes de parole, puis 1,2 à 2,4 secondes de silence, puis encore du son avant le bip. Un détecteur qui prend ce silence pour la fin de l'annonce se trompe ; Twilio reconnaît d'ailleurs que le sien peut prendre une annonce de deux secondes pour un humain qui décroche. À l'autre extrême, sa foire aux questions conseille de laisser au bip le temps d'arriver, parce que certaines annonces sont très longues.

Un bip qui n'a pas de norme

Twilio l'écrit sans détour : ce qu'est un « bip » de messagerie varie beaucoup d'une destination à l'autre, et il se confond parfois avec les tonalités ordinaires du réseau, au point qu'on ne peut pas les distinguer. Plura va dans le même sens : fréquence et durée du bip ne sont pas standardisées, un détecteur réglé sur la messagerie d'un opérateur rate souvent celle d'un autre, et beaucoup de messageries récentes n'émettent pas de bip du tout — elles passent par un silence, une phrase, ou les deux.

La ligne ajoute ses propres défauts : bande étroite, compression, paquets perdus (voir la page sur l'audio 8 kHz). Un bip peut arriver tronqué ; une musique dans l'annonce peut ressembler à un bip.

Ce que fait l'option DetectMessageEnd de Twilio

Twilio propose deux modes. Enable répond dès qu'il sait qui a décroché ; il sert surtout à ne passer à un conseiller que les appels humains. DetectMessageEnd est fait pour laisser un message : il répond tout de suite s'il entend un humain, mais, face à une machine, il attend la fin de l'annonce. Il rend alors l'un de trois résultats : annonce terminée par un bip, par un silence, ou par autre chose (une tonalité, un message d'erreur). Ce troisième résultat sert aussi de repli quand le délai maximal est atteint avant la fin de l'annonce. Sauf besoin particulier, écrit Twilio, les trois veulent dire la même chose : une machine a répondu.

Ce délai maximal se règle de 3 à 59 secondes (30 par défaut) ; trop court, il arrête l'écoute avant le bip. Et c'est pour ce mode, avec les réglages par défaut, que Twilio annonce une précision « proche de 100 % » vers les États-Unis, moindre à l'international parce que les tonalités des messageries diffèrent d'un pays à l'autre. Aucun chiffre n'est publié pour la France ou l'Espagne.

Pourquoi attendre le bip coûte cher

Attendre le bip, c'est écouter toute l'annonce : beaucoup trop tard pour décider « humain ou machine ». L'article publié sur arXiv en avril 2026 sur la détection de messagerie en temps réel va dans ce sens : ajouter des indices liés au bip n'a pas amélioré sa meilleure configuration et a nettement allongé le délai. Le bip n'aide pas à savoir à qui l'on parle ; il reste le seul repère pour savoir quand parler. Sur nos appels de septembre 2026, le répondeur est reconnu à 8 secondes en médiane, et à 14 secondes pour 9 appels sur 10. Nous ne mesurons pas l'instant du bip : nous ignorons donc combien de temps sépare, chez nous, la reconnaissance du répondeur de l'ouverture de l'enregistrement.

Laisser un message : ce que ça implique

Lancé trop tôt, le message est coupé : il commence pendant l'annonce, et la messagerie n'enregistre que la fin, ou un silence. Plura conseille d'attendre la fin du bip plus une courte marge, surtout quand l'annonce s'est terminée par un silence. Lancé trop tard, il commence par un blanc qui fait croire à un appel vide. D'où quelques règles simples :

• dire l'essentiel d'abord — qui appelle, pourquoi, comment rappeler — pour qu'un début coupé ne fasse pas perdre le sens ;
• faire court ;
• ne rien laisser quand la fin d'annonce est incertaine, plutôt qu'un message à moitié enregistré ;
• se demander si la voix est le bon canal : un texte arrive entier et garde le numéro de rappel.

Où en est ASDIC

Notre modèle doit d'abord répondre plus tôt à la première question : l'objectif est de reconnaître un répondeur en moins de 2 secondes, avec moins de 3 % d'erreur. Il n'est pas atteint ; il sera publié avec la mesure qui le prouvera, pas avant. La seconde question, l'instant où l'enregistrement commence, demande des appels annotés à la main, où l'on note pour chaque messagerie l'instant du bip, ou son absence. Tant que ce travail n'est pas fait, nous ne publions aucun chiffre sur le bip. La mesure de septembre et ses limites sont dans la première entrée du carnet.

Quand il vaut mieux écrire

Un message vocal dépend d'un bip que personne ne maîtrise ; un message écrit, non. Nodical explique sur son site, à propos des appels manqués, quand il vaut mieux envoyer un SMS, et ce qu'un SMS ne remplace pas.

Et concrètement ? quand il vaut mieux envoyer un SMS

Sources

consultées le 1er octobre 2026.

1. Twilio, « Answering Machine Detection » (documentation : modes Enable et DetectMessageEnd, réglages, annonces courtes) — https://www.twilio.com/docs/voice/answering-machine-detection
2. Twilio, « AMD FAQ & Best Practices » (résultats machine_end_*, définition variable du bip, précision de DetectMessageEnd) — https://www.twilio.com/docs/voice/answering-machine-detection-faq-best-practices
3. Plura, « Voicemail Beep Detection: AMD vs. Beep Timing Explained » (17 août 2026, mis à jour le 29 septembre 2026) — https://www.plura.ai/articles/voicemail-beep-detection
4. arXiv 2604.09675, « Real-Time Voicemail Detection in Telephony Audio Using Temporal Speech Activity Features » (avril 2026) — https://arxiv.org/abs/2604.09675
5. ASDIC, carnet n° 1 : « Septembre 2026 : première mesure » — https://asdic.ai/carnet/2026-09-premiere-mesure

Corrections

Aucune correction à ce jour.