Avec OpenAI, Ringg automatise 65 % des appels clients

Ringg automatise jusqu’à 65 % des appels clients avec ses agents IA. L’entreprise traite plus de 7 millions d’appels connectés chaque mois. Ses agents affichent un score moyen de satisfaction client de 4,8. Ces résultats associent résolution d’appels et mesure de l’expérience vécue par les clients. Ringg utilise OpenAI pour ses interactions téléphoniques en temps réel. L’entreprise présente cette architecture sur son site officiel. La page publiée par OpenAI décrit également l’usage de plusieurs modèles selon les étapes du traitement. Les chiffres communiqués portent donc sur le volume mensuel, la résolution et la satisfaction.

Les modèles se répartissent entre interaction directe et analyse après appel. Les agents de Ringg utilisent GPT-5.6 Luna pendant les échanges en temps réel. GPT-5.6 Terra intervient ensuite pour l’analyse post-appel. Cette analyse comprend notamment la production de résumés et la classification du sentiment. Ringg a aussi migré certaines charges adaptées de GPT-4.1 vers GPT-5.6. Cette migration a permis une réduction des coûts d’environ 90 %. Les chiffres relient ainsi l’architecture modèle à deux usages distincts. Luna soutient l’interaction immédiate, tandis que Terra traite les informations après la conversation.

Ringg combine volume et satisfaction

Les indicateurs couvrent plusieurs dimensions du service téléphonique. Le volume dépasse 7 millions d’appels connectés mensuels. Le taux de résolution peut atteindre 65 % des appels clients. Le score moyen de satisfaction atteint 4,8. Ces trois mesures décrivent respectivement l’échelle d’activité, la part d’appels résolus et l’évaluation des clients. Elles concernent les agents IA de Ringg. La formulation « jusqu’à 65 % » indique un plafond communiqué, et non une moyenne générale. Le score de 4,8 est présenté comme une moyenne. Le volume mensuel est décrit comme supérieur à 7 millions d’appels connectés.

Siddharth Tripathi explique que la qualité du modèle ne constitue qu’une partie de l’équation. Le cofondateur de Ringg cite aussi la faible latence, l’utilisation fiable des outils, le respect précis des instructions et une économie compatible avec l’échelle. Cette déclaration relie les exigences opérationnelles aux résultats communiqués par l’entreprise. Elle ne remplace pas les mesures chiffrées. Les données publiées restent centrées sur 65 % d’appels résolus au maximum, plus de 7 millions d’appels mensuels et un CSAT moyen de 4,8. La réduction de coûts annoncée atteint environ 90 % pour les charges adaptées migrées de GPT-4.1 vers GPT-5.6.

GPT-5.6 sépare interaction et analyse

L’architecture distingue le temps réel du traitement post-appel. GPT-5.6 Luna équipe les agents pendant les interactions avec les clients. GPT-5.6 Terra intervient après les appels pour produire des résumés et classifier le sentiment. Ringg utilise donc deux modèles GPT-5.6 pour des tâches différentes. La migration depuis GPT-4.1 concerne les charges jugées adaptées. Elle a réduit les coûts d’environ 90 %. En parallèle, les agents atteignent jusqu’à 65 % de résolution des appels. Le dispositif traite plus de 7 millions d’appels connectés chaque mois. Son score moyen de satisfaction client atteint 4,8.