Phonic 1 vs Gemini 3.8 Live : une carte, quatre chiffres et la question de savoir de quel Gemini vous parlez

La première chose à clarifier dans une comparaison dePhonic 1 avec Gemini 3.8 Live, c'est que « Gemini 3.8 Live » n'est pas un modèle unique. Google en a lancé deux le 15 septembre 2026 — gemini-3.8-live, optimisé pour le coût et la latence, et gemini-3.8-live-extended-thinking, qui raisonne tout en parlant et exécute des outils en arrière-plan — et ils se comportent comme des produits différents. Sur le classement parole-à-parole d’Artificial Analysis, le modèle standard obtient 74,5 et la variante extended-thinking obtient 82,6. Phonic 1, lancé fin octobre 2026, obtient 87,1. Selon le Gemini auquel vous comparez Phonic, l'écart passe de 12,6 points à 4,5, et la partie du débat que vous menez change.

Donc la question utile n’est pas « qui gagne ». C’est « laquelle de ces quatre choses mesurées vous est réellement nécessaire », car l’indice composite masque sous-jacent une décision partagée. Phonic 1 remporte la composante qui détermine si un appel obtient un résultat. Les modèles de Google remportent les composantes qui déterminent si l’appel est agréable et s’il aboutit, et Google facture moins par heure tout en le faisant. Un lecteur qui ne voit que 87,1 contre 82,6 choisira le mauvais modèle pour son usage environ une fois sur deux.

Deux modèles Gemini, et un seul d’entre eux est sur le plateau face à Phonic.

Gemini 3.8 Live remplace gemini-3.1-flash-live-preview et est désormais en disponibilité générale via l’API Gemini et AI Studio, tandis que Gemini Enterprise et Search Live restent en préversion privée. Le modèle standard est optimisé précisément pour ce dont un agent téléphonique a besoin à grande échelle : rapide, économique et naturel. La variante à raisonnement étendu consacre du raisonnement avant de répondre, ce qui améliore la précision sur les demandes complexes à plusieurs étapes, au prix d’une latence plus élevée. Ils portent des noms distincts, sont facturés séparément au niveau des tokens et sont évalués séparément.

• Gemini 3.8 Live (standard) — indice parole-à-parole 74,5, raisonnement 92, dynamique 96,1, agentique 30,1, préférence d'arène 1 074, réussite des tâches 93,2 %, temps jusqu'au premier audio 1,18 s.

• Gemini 3.8 Live Extended Thinking (High) — indice 82,6, raisonnement 98, dynamique 91,9, agentique 68,6, arena 966, réussite des tâches 89,1 %, délai jusqu'au premier audio 1,35 s.

• Phonic 1 (High) — indice 87,1, raisonnement 99, dynamique non communiquée, agentique 79,9, arène 1 012, réussite des tâches 92,3 %, délai avant le premier audio 0,61 s.

Remarquez la contradiction interne dans la gamme de Google elle-même. Activer la réflexion étendue augmente l’indice de 8,1 points, mais elle abaisse la préférence dans l’arène de 108 Elo et le taux de réussite des tâches de 4,1 points. Un raisonnement plus poussé améliore le score du modèle sur le composite et le détériore sur deux des quatre entrées. Ce n’est pas un défaut des modèles ; c’est un rappel qu’une moyenne pondérée unique peut évoluer dans une direction pour laquelle aucun utilisateur ne voterait.

L’arithmétique des composants, une ligne à la fois

Artificial Analysis construit son indice speech-to-speech à partir de quatre entrées — le raisonnement vocal, la performance agentique, la préférence d’arène et le taux de réussite des tâches — et le qualifie de moyenne pondérée. En les lisant séparément, la confrontation se résout en quelque chose de bien plus spécifique qu’un écart de 4,5 points.

• Raisonnement vocal — Phonic 1 99 contre Gemini 3.8 Live Extended Thinking 98 et standard 92. En pratique, égalité en tête ; ce composant ne tranche rien.

• Performance agentique — Phonic 1 : 79,9 contre 68,6 en réflexion étendue et 30,1 en standard. Voilà tout l’argument. La réflexion étendue est la seule configuration Gemini qui soit compétitive ici, et elle reste encore 11,3 points derrière.

• Préférence Arena — Phonic 1 : 1 012 contre 966 en réflexion étendue et 1 074 en standard. Le modèle standard bat Phonic de 62 points Elo ; le modèle avec réflexion étendue perd de 46 points. Les auditeurs humains préfèrent le Gemini bon marché.

• Taux de réussite des tâches — Phonic 1 : 92,3 % contre 89,1 % en réflexion étendue et 93,2 % en standard. Encore une fois, le modèle standard l'emporte, de justesse, et le modèle de réflexion perd.

Alignez ces quatre éléments et l’histoire devient cohérente. Phonic 1 est l’agent le plus capable et la voix la moins préférée parmi les trois. Gemini 3.8 Live standard est la voix la plus préférée et le meilleur pour mener à bien les tâches, et le pire agent. Gemini 3.8 Live Extended Thinking se situe entre les deux et est sans doute le pire des deux — il paie le raisonnement en latence et en préférence, et ne rattrape toujours pas Phonic sur l’agentivité.

Combien coûte une minute de chacun, et pourquoi les tarifs affichés induisent en erreur

Selon la mesure normalisée d’Artificial Analysis du coût par heure d’audio d’entrée, Gemini est le modèle le moins cher : 3,50 $ de l’heure pour Gemini 3.8 Live Extended Thinking, contre 4,20 $ pour Phonic 1. C’est le chiffre que les propres supports de lancement de Phonic admettent — son tableau comparatif montre que Gemini se situe sous son prix — et il vaut la peine de le dire clairement, car le fait qu’un nouvel entrant batte un modèle de Google au score agentique tout en perdant face à lui sur le prix est une histoire plus intéressante qu’une victoire totale.

Les tarifs de jetons publiés par Google sont de 3 $ par million de jetons d’entrée audio et de 12 $ par million de jetons de sortie audio, ce qui revient à environ 0,005 $ par minute pour l’entrée et 0,018 $ par minute pour la sortie aux densités typiques. La facturation de Phonic est un forfait fixe de 0,07 $ par minute de conversation, 0,065 $ sur l’offre Pro avec un minimum mensuel de 200 $, et le fournisseur indique explicitement qu’il n’y a pas de répercussion des coûts du LLM et aucun frais par jeton.

• Coût par heure d'entrée — Gemini 3.8 Live Extended Thinking 3,50 $ vs Phonic 1 4,20 $, selon la normalisation d'Artificial Analysis.

• Structure de facturation — Gemini facture séparément l’audio entrant et l’audio sortant à des tarifs par token ; Phonic facture un tarif unique par minute de conversation couvrant la couche modèle.

• Là où les profils divergent — un appel où l’agent parle beaucoup et écoute peu coûte plus cher au compteur de sortie de Gemini et autant au tarif forfaitaire de Phonic ; un appel où l’agent écoute surtout coûte moins cher sur Gemini et autant sur Phonic.

• Offre gratuite — Gemini propose des tokens gratuits en entrée et en sortie, avec des limites de débit non publiées pour l’offre gratuite des modèles Live ; Phonic ne propose pas d’offre gratuite, mais a lancé une promotion de 250 $ de crédits pour les inscriptions avant le 30 novembre 2026.

C’est exactement le type de décision pour lequel un routeur est conçu, avec une réserve honnête : aucun de ces deux modèles conversationnels ne figure au catalogue d’OrcaRouter, ils ne peuvent donc pas y être comparés ni faire l’objet d’un basculement en cas d’échec. Ce qui figure au catalogue, c’est le frère côté texte — Gemini 3.8 Flash, routable dès aujourd’hui aux côtés de plus de 200 autres modèles avec une seule clé, au prix catalogue et sans majoration. Si votre agent vocal délègue le raisonnement à un modèle texte plutôt que de l’effectuer en interne, c’est ce segment que vous pouvez router, comparer en prix et basculer en cas d’échec, et c’est généralement le segment qui domine la facture.

Latence, sessions et les plafonds que personne ne lit

Phonic 1 répond en 0,61 s au premier audio. Gemini 3.8 Live prend 1,18 s et la variante à réflexion étendue 1,35 s. Sur le graphique de vitesse propre à l’indice, Phonic se situe dans la même plage que Grok Voice 3.0 à 0,81 s, les deux configurations Gemini étant environ un tiers de seconde derrière — la différence entre un appelant qui attend et un appelant qui se rend compte qu’il attend.

Google a publié des limites de session strictes qui comptent davantage que l’écart de latence pour certains produits : les sessions Gemini 3.8 Live sont plafonnées à quinze minutes d’interaction uniquement audio, ou à deux minutes dès que de la vidéo est intégrée au flux. Pour un appel au support, c’est acceptable. Pour un entretien d’admission planifié, une session de coaching ou un assistant vocal de longue durée, un plafond de quinze minutes est une contrainte de conception qu’il faut intégrer, et que Phonic ne mentionne pas. La documentation publique de Phonic fait également état de plus de 50 langues, contre 97 pour Google, soit l’inverse du déficit habituel des nouveaux entrants.

• Contexte et sortie — Gemini 3.8 Live dispose d'un contexte de 131K avec un maximum de 65 536 tokens en sortie ; Phonic ne publie aucun chiffre concernant le contexte.

• Multimodalité — Gemini 3.8 Live accepte une entrée visuelle à un rythme pouvant atteindre environ une image par seconde et propose 30 voix nommées ; Phonic 1 est nativement audio, sans entrée visuelle mentionnée.

• Provenance — Google applique le filigrane SynthID aux fichiers audio générés ; Phonic ne fait aucune déclaration équivalente.

• Conformité — Phonic indique SOC 2 Type II, la disponibilité d’un BAA HIPAA et une rétention nulle des données, ainsi que des déploiements cloud, mono-tenant, VPC et auto-hébergé ; Gemini 3.8 Live est une API hébergée par Google.

Quelle décision chaque lecteur prend réellement

Si votre agent prend des rendez-vous, vérifie, rembourse ou escalade — si le succès de l'appel se mesure à une ligne de base de données qui a changé — le score agentique de 79,9 % de Phonic 1 justifie le tarif horaire plus élevé et l'historique non éprouvé. L'avance de 11,3 points sur la meilleure configuration Gemini est le plus grand écart réel de cette confrontation, et c'est celui qui se traduit par une différence de taux de complétion plutôt que par une différence de préférence.

Si votre agent doit surtout tenir une bonne conversation, répondre avec exactitude et ne pas donner l’impression d’un robot qui s’en acquitte, le Gemini 3.8 Live standard est le meilleur achat sur trois des quatre composants et sur le coût. Il l’emporte franchement sur la réussite des tâches, l’emporte franchement face à Phonic en préférence d’arène, et coûte 17 % de moins par heure d’entrée. Ce qu’il ne fait pas, c’est agir — 30,1 % d’agentique, c’est un modèle qui peut parler de votre système de réservation mais pas l’utiliser.

Et si vous êtes l’équipe qui se serait tournée par défaut vers la réflexion étendue parce que « réflexion » sonne comme « plus de modèle » : les chiffres disent de ne pas le faire. Gemini 3.8 Live Extended Thinking coûte en latence, en préférence d’arène et en réussite de tâche par rapport à son propre homologue moins cher, et achète 38,5 points de performance agentique — toujours moins que Phonic, et moins qu’il n’en faut pour justifier un appel qui doit finaliser une transaction.

Ce qui rend cette confrontation digne d’être lue plutôt que survolée, c’est que le gagnant change selon lequel des quatre chiffres on pondère. Phonic 1 remporte le score composite parce que l’agentivité représente un tiers de l’histoire et qu’il y domine nettement. Google l’emporte sur la préférence, l’accomplissement des tâches et le prix, et y parvient avec un modèle dont l’exploitation coûte moitié moins. L’indice est un résumé honnête et un piètre mode d’emploi. Lisez les composantes, puis choisissez celle que vous pouvez mesurer dans votre propre trafic en deux semaines.