Agent vocal open source : LiveKit, Pipecat, Vocode

Un framework open source pour agent vocal fournit le squelette : il relie le transport audio, la reconnaissance, le modèle de langage, la synthèse et, selon les cas, la téléphonie. Il ne fournit pas les services eux-mêmes. Cette page compare trois frameworks d'après leurs dépôts GitHub lus le 15/11/2026 : LiveKit Agents, Pipecat et Vocode. Le site est édité par IArche, qui édite ALMA ; IArche n'édite aucun de ces frameworks.

En bref : les trois sont sous licence libre (Apache-2.0 pour LiveKit Agents, BSD-2-Clause pour Pipecat, MIT pour Vocode). Pipecat et LiveKit Agents sont écrits en Python, et LiveKit propose aussi un SDK Node.js. Les trois se branchent sur des API payantes ou sur des modèles que vous hébergez. Le libre concerne le code, pas les services qu'il appelle.

Ce que « open source » veut dire ici

La licence fixe ce que l'on peut faire du code : l'utiliser, le modifier, le redistribuer selon les conditions. Elle ne dit rien du coût des services externes. Un agent construit avec ces frameworks et des API de reconnaissance ou de synthèse paie ces API. Un agent entièrement hébergé, avec un modèle de langage local, paie son serveur. Le choix du framework ne tranche donc pas le coût total (voir le coût par minute).

Tableau comparatif

Les tableaux ci-dessus reprennent ce que les pages affichent. Les noms de modèles viennent des exemples de code, pas d'une liste complète.

LiveKit Agents

LiveKit Agents décrit un pipeline STT-LLM-TTS, avec détection de fin de tour, interruptions et transport WebRTC. Il est adossé à la plateforme LiveKit, qui fournit la salle audio et la téléphonie SIP. Le dépôt indique que les modèles de détection de fin de tour sont sous une licence distincte, la « LiveKit Model License ». Ce point ne se voit pas dans la licence Apache-2.0 du code : il faut le lire avant un usage commercial. Le dépôt ne liste pas de langues humaines, sauf dans la configuration de reconnaissance (language="multi").

Pipecat

Pipecat se présente comme un framework open source pour agents vocaux, applications multimodales et IA en temps réel. Sa liste d'intégrations est la plus longue des trois : elle couvre de nombreux fournisseurs de reconnaissance, de synthèse, de modèles de langage et de téléphonie. Le choix d'un fournisseur se fait à l'intérieur du framework, ce qui facilite les essais comparatifs. La licence est BSD-2-Clause.

Vocode

Vocode est une bibliothèque Python pour créer des applications vocales à base de modèles de langage, avec conversations en streaming. Sa licence est MIT. Il annonce de nombreux fournisseurs de reconnaissance et de synthèse, dont des moteurs libres comme Whisper ou Coqui. La page indique aussi qu'il recherche des mainteneurs bénévoles : avant de l'adopter pour un projet durable, vérifiez l'activité des dépôts et la fréquence des mises à jour.

Comment choisir

• Vous voulez de la téléphonie intégrée et une plateforme de salle audio : LiveKit Agents est le plus direct, avec la réserve sur la licence des modèles de tour.
• Vous voulez changer de fournisseur sans réécrire l'agent : Pipecat offre le plus grand choix d'intégrations listées.
• Vous voulez un code court et un usage libre sans restriction annoncée : Vocode est simple à lire, mais vérifiez l'état de maintenance.

Dans tous les cas, testez le français avec vos propres phrases : les dépôts lus ne donnent pas la liste des langues prises en charge par chaque fournisseur. Pour l'architecture qui conditionne ce choix, voir l'architecture d'un agent vocal. Pour la téléphonie, voir le branchement SIP.