L’entreprise ElevenLabs, pionnière dans le domaine de la génération vocale par intelligence artificielle, se prépare à un avenir où la technologie qu’elle a contribué à perfectionner deviendra accessible à tous.
Son cofondateur et PDG, Mati Staniszewski, a partagé sa vision lors du TechCrunch Disrupt 2025, expliquant pourquoi l’avenir de l’audio généré par IA reposera sur la fusion entre les modèles et les applications.
Lire aussi :
- Comment Superhuman Go, le nouvel assistant IA de Grammarly, veut-il transformer notre manière d’écrire et de travailler ?
- L’outil de génération musicale par IA d’ElevenLabs va-t-il transformer la création sonore commerciale ?
Une technologie prometteuse mais vouée à se banaliser
Selon Staniszewski, la course actuelle à la création de modèles vocaux performants connaîtra une phase d’uniformisation dans les prochaines années. « Sur le long terme, les modèles seront banalisés », a-t-il déclaré. « Il y aura certes des différences selon les langues ou les voix, mais elles deviendront de plus en plus faibles. »
Pour le PDG, cette évolution est naturelle : à mesure que la technologie mûrit, elle devient plus accessible, tout comme les logiciels ou les composants matériels dans d’autres industries. Cependant, il estime que, dans l’immédiat, la construction de modèles d’IA reste le plus grand avantage compétitif pour une entreprise comme ElevenLabs.
« Si les voix ou les interactions ne sonnent pas bien, le produit perd tout son intérêt. La seule solution, c’est de développer les modèles soi-même », a-t-il insisté.
Spotify s’associe à ElevenLabs pour enrichir son catalogue de livres audio narrés par IA
Vers des modèles fusionnant audio, vidéo et langage
Staniszewski prévoit qu’à court terme, les modèles d’intelligence artificielle évolueront vers une approche multimodale, combinant plusieurs types de données. Cette fusion permettrait de créer des contenus encore plus immersifs et naturels.
« D’ici un à deux ans, nous verrons de plus en plus de modèles capables de produire simultanément de l’audio et de la vidéo, ou de combiner la parole avec des modèles linguistiques (LLM) », a-t-il expliqué, citant Google Veo 3 comme un exemple prometteur de cette convergence technologique.
ElevenLabs envisage également de collaborer avec d’autres acteurs du secteur et d’intégrer des technologies open source afin d’explorer la synergie entre ses modèles audio et d’autres systèmes d’intelligence artificielle.
Une stratégie centrée sur le produit et la valeur à long terme
Pour Staniszewski, la clé du succès d’ElevenLabs ne réside pas uniquement dans la recherche technologique, mais aussi dans la création d’applications concrètes capables d’apporter une réelle valeur ajoutée. L’entreprise souhaite ainsi s’inspirer du modèle d’Apple, où la combinaison du matériel et du logiciel a permis de créer des expériences utilisateur uniques.
« De la même manière, nous croyons que la magie d’ElevenLabs résidera dans la combinaison du produit et de l’intelligence artificielle », a-t-il conclu.
Alors que la concurrence s’intensifie dans le secteur de l’audio génératif, ElevenLabs cherche à conserver son avance en misant sur la qualité, la flexibilité et les partenariats stratégiques, tout en anticipant un futur où l’IA vocale deviendra un outil universel et intégré dans le quotidien.
