Le taux de revenus annualisé de 100 M$ de Retell s’accompagne d’un modèle : ce qu’est réellement Tell 1

Le 12 novembre 2026, Retell a publié deux choses qui seront lues ensemble, que l’entreprise l’ait voulu ou non : un article de blog annonçant qu’elle avait franchi la barre des 100 millions de dollars de revenus annualisés et, la même semaine, les premières preuves publiques de Tell 1 — un modèle que Retell a développé en interne et présente comme le sien, répertorié sur la page d’accueil de l’entreprise sous « Developed by Retell Labs » comme la couche de raisonnement de sa stack vocale. Le chiffre de revenus est celui qui circule. Le modèle est celui qui change ce qu’est Retell, car une plateforme d’agents vocaux qui se contente d’acheminer votre prompt vers GPT ou Claude est une entreprise différente de celle qui livre également le cerveau.

Ce que Tell 1 n'est pas, à l'heure où j'écris, est documenté. Il n'existe aucun article de lancement, aucune entrée de journal des modifications, aucune fiche de modèle, aucune API, aucune ligne tarifaire et aucune publication de poids nulle part sur le site de Retell qui le nomme au-delà d'une étiquette. L'article sur les 100 M$ lui-même ne le mentionne jamais. La seule page publiée par Retell qui dise quoi que ce soit de substantiel est un journal des modifications de benchmark du 29 septembre 2026, accompagné d'une mise à jour de novembre : Tell 1 « se classe n°1 au classement général du Retell vCX Benchmark », mène sur la parole familière et la latence, et perd face à d'autres modèles sur l'ancrage factuel, le suivi d'instructions et l'appel d'outils. C'est une entreprise qui classe son propre modèle premier sur un benchmark qu'elle a rédigé, et elle le dit en une phrase — ce qui est plus de franchise que la plupart des fournisseurs n'en ont, et ce n'est toujours pas une preuve sur laquelle fonder une décision d'achat.

Les deux nombres, et ce que chacun vaut

Le chiffre d’affaires est propre à Retell et a la forme d’un jalon d’entreprise privée plutôt que d’un résultat audité : 100 millions de dollars annualisés, atteints avec 4,6 millions de dollars levés, en moins de trois ans, grâce à plus de 4 000 clients traitant plus de 100 millions d’appels par mois. Le PDG Bing Wu a situé la trajectoire entre 10 millions et 100 millions de dollars en 17 mois et a ajouté que l’entreprise est rentable. Rien de tout cela n’est vérifié indépendamment, et le « rythme annualisé » est une construction prospective — il multiplie un mois récent, il ne rend pas compte d’une année. Considérez-le comme un signal fort d’adoption, que les références clients confirment, et non comme un état financier.

L’affirmation concernant le modèle est plus difficile à vérifier. Le détail largement répété — selon lequel Tell 1 aurait été entraîné sur plus d’un million d’heures d’appels clients — est attribué à Retell dans des sources secondaires, et je n’ai pu le trouver sur aucune page appartenant à Retell : ni le blog, ni le journal des modifications, ni l’index de la documentation, ni le site de benchmark du modèle. Cela ne signifie pas que c’est faux. Cela signifie toutefois que, si le chiffre du corpus d’entraînement compte pour votre évaluation — et pour un acheteur de centre de contact soucieux de l’origine du comportement du modèle, il devrait compter —, vous vous appuyez actuellement sur une citation de seconde main d’une déclaration de l’entreprise. Un million d’heures représente environ 114 ans d’audio. C’est un chiffre plausible pour une plateforme traitant 100 millions d’appels par mois, mais la plausibilité ne vaut pas documentation.

Ce qui est documenté, sous forme lisible par machine, est le benchmark. Le site vCX de Retell publie ses résultats sous forme de données structurées, et la ligne Tell 1 indique : 88,6 % de respect des instructions, 97,2 % sur la ligne que Retell étiquette comme hallucination, 95,4 % d’appel d’outils, 96,6 % sur le score de la dimension du langage courant, pour une moyenne de 94,45 % sur 62 configurations évaluées issues de 45 modèles distincts. La latence médiane est de 72,5 ms et le coût de 3,5 cents par minute, ce qui le classe premier sur 62 pour la latence et 19e pour le coût.

La mise en garde au sein du classement

Lisez la ligne avant le classement. L’entrée Tell 1 a été évaluée sur la version 17 du benchmark. Cinquante des 62 lignes de ce même tableau ont été évaluées sur la version 1. Seules onze lignes relèvent d’une version supérieure à 1 — les plus récentes entrées GPT-6.1 et Gemini-4, quelques versions de Claude, et Tell 1. Un benchmark qui fait évoluer son jeu de tests fait ce qu’il faut ; le problème est qu’un « n°1 global » calculé sur des lignes issues de versions différentes du test ne constitue pas un classement à périmètre comparable, et la page ne corrige pas cela.

Deux des quatre dimensions sont également plus proches que ne le suggère le titre. Le score de 95,4 % de Tell 1 en appel d’outils se classe cinquième, et son score de 88,6 % en suivi d’instructions se classe deuxième, derrière les 89,7 % de GPT-6-Astra. Là où il est véritablement en tête, c’est sur la dimension autour de laquelle Retell a construit le benchmark : la parole familière, à 96,6 %, en première place, et la latence, où 72 ms ne relève pas d’une différence d’arrondi avec la plage de 550 à 1 400 ms qu’occupent la plupart des lignes. Si l’on se fie au harness, l’affirmation qui résiste à l’examen est étroite et précise — ce modèle est rapide et il a une voix humaine — et c’est exactement la paire de propriétés sur lesquelles un agent téléphonique est jugé par un appelant qui ignore qu’un modèle existe.

Pourquoi une plateforme développe-t-elle son propre modèle, au fond ?

L’architecture même de Retell explique cette incitation. La page d’accueil divise la pile technologique en trois étapes et place Tell 1 dans celle du milieu, « Raisonnement et orchestration », à côté d’un harnais d’agent qui réunit modèles, connaissances et outils. À cette place, un modèle n’est pas un produit que l’on achète ; c’est un composant dont on maîtrise le coût, la latence et le registre conversationnel. Une plateforme qui paie un laboratoire de pointe au token pour chacun de ses 100 millions d’appels mensuels a un problème de marge permanent et un plancher de latence permanent, car l’aller-retour vers une pile d’inférence tierce s’inscrit dans la pause de l’appelant. Maîtriser la couche intermédiaire élimine les deux, au prix de devoir être suffisamment performant sur les parties que l’on a reprises.

C'est aussi pourquoi les lacunes que Retell reconnaît sont celles qu'elle peut se permettre. L'ancrage, le suivi d'instructions et l'appel d'outils sont les domaines où un modèle de pointe généraliste l'emporte encore, et ce sont les dimensions sur lesquelles le prompt, la base de connaissances et les définitions de fonctions propres au client font l'essentiel du travail. Les dimensions que Retell s'est réservées sont celles qu'aucun prompt ne peut corriger : la vitesse à laquelle arrive la première syllabe, et si la phrase sonne comme un script de centre d'appels ou comme un collègue.

La tarification qui parvient à l’acheteur est toujours à la minute, et non par token : Retell affiche les agents vocaux entre 0,07 $ et 0,31 $ par minute en novembre 2026, une fourchette qui regroupe la téléphonie, la synthèse vocale et le modèle. Tell 1 n’apparaît pas comme une ligne que l’on peut sélectionner ou refuser, ce qui constitue la différence pratique entre un modèle et une fonctionnalité de plateforme. Vous ne pouvez pas apporter votre propre Tell 1, et vous ne pouvez pas l’emporter ailleurs.

Ce que cela signifie si vous achetez, plutôt que de construire

Pour un centre de contact d’entreprise, le résumé honnête est que Tell 1 est une raison de retester Retell et pas encore une raison d’en faire la norme. Trois éléments changeraient cela, et aucun ne s’est produit. Une fiche modèle avec la provenance des données d’entraînement, la fenêtre de contexte et le contrat d’appel d’outils consignés par écrit. Un prix publié pour le modèle, distinct de l’offre groupée à la minute, afin que le coût puisse être comparé à une configuration apportez-votre-propre-LLM. Et une évaluation par un tiers — Artificial Analysis, un benchmark vocal public, ou vos propres enregistrements d’appels passés dans les deux configurations — car un classement fournisseur qui se place premier sur son propre banc d’essai est une hypothèse de départ, pas un résultat.

Si vous testez, le test est peu coûteux et spécifique : prenez les appels que vos agents traitent réellement et comparez Tell 1 dans Retell au même agent Retell pointé vers un modèle de pointe auquel vous faites déjà confiance. Le benchmark prédit un résultat : Tell 1 semblera plus rapide et plus naturel, et commettra davantage d’erreurs d’ancrage. La pertinence de ce compromis dépend entièrement du fait que vos appels soient des recherches de données avec une réponse correcte ou des conversations avec une personne nerveuse, et aucun classement ne peut vous dire dans quel cas vous êtes.

Quoi regarder

La prochaine évolution la plus instructive n’est pas un meilleur score. C’est l’une des choses que Retell n’a pas encore publiées : la fiche modèle, l’affirmation sur les heures d’entraînement dans ses propres mots, un prix par modèle ou une exécution indépendante. Une entreprise affichant un chiffre d’affaires annualisé de 100 millions de dollars et comptant 4 000 clients a toutes les raisons de publier ces quatre éléments, et le fait qu’une note de mise à jour de benchmark constitue actuellement l’intégralité du dossier public suggère que le modèle est passé en production avant d’être documenté. C’est courant pour une infrastructure et inhabituel pour un modèle, et c’est le point à revérifier avant de citer comme définitif le moindre chiffre de Tell 1, y compris ceux ci-dessus.