Carton titre indiquant « Scribe v3 Live Medical » avec le sous-titre « un transcripteur clinique que vous ne pouvez pas appeler ». En dessous, un schéma de flux simple : un combiné téléphonique étiqueté « appel patient » alimentant une case arrondie étiquetée « ElevenAgents », avec à côté une case grisée et barrée étiquetée « Speech to Text API ».
Guides & Insights

Scribe v3 Live Medical : ElevenLabs a créé un transcripteur clinique que vous ne pouvez pas appeler

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Le fait le plus intéressant à propos de Scribe v3 Live Medical est un fait de déploiement, et non un chiffre de précision : il n’existe aucun ID de modèle. ElevenLabs a livré le modèle, l’a documenté, l’a évalué sur des enregistrements audio cliniques, l’a présenté à des clients du secteur de la santé — puis a fermé la seule porte que la plupart des développeurs utilisent. Il fonctionne au sein d’ElevenAgents, sélectionné dans un menu déroulant ASR dans les paramètres d’un agent, et il n’est explicitement pas disponible via l’API Speech to Text. Le modèle API pour l’audio médical reste Scribe v2 Medical, un modèle par lots de septembre. Ainsi, ce qu’ElevenLabs a annoncé le 9 novembre 2026 dans le cadre du lancement de la famille Scribe v3 — Scribe v3 et Scribe v3 Live pour l’audio enregistré et en temps réel, le fine-tune médical en temps réel suivant en accès anticipé — se comprend mieux comme une fonctionnalité de plateforme qui emprunte le nom d’un modèle.

Ce cadrage détermine si cette version vous concerne. Si vous créez un agent vocal clinique sur le runtime d’agents d’ElevenLabs, le meilleur ASR médical en temps réel de l’entreprise est désormais à un menu déroulant. Si vous créez cet agent ailleurs, cette version ne change rien à vos options, et le graphique de benchmark publié par ElevenLabs porte sur un modèle que vous ne pouvez pas louer.

Ce qui a réellement été livré, et quand

Le changelog d'ElevenLabs date le lancement de la famille au 9 novembre 2026 : scribe_v3 pour l'audio enregistré, remplaçant scribe_v2 sur le point de terminaison de transcription existant, et scribe_v3_live sur le WebSocket temps réel. Les deux sont documentés comme des améliorations relatives de 27 % et 44 % respectivement — Scribe v3 fait passer le taux d'erreur sur les mots de 16,94 % à 12,38 % sur FLEURS, et Scribe v3 Live revendique un WER sémantique inférieur de 44 % à celui de Scribe v2 Realtime. Aucun de ces chiffres n'est un chiffre médical. Ce sont les chiffres généralistes de la famille sur laquelle la variante médicale est construite.

La variante médicale apparaît séparément, dans la documentation du modèle et sur la page de transcription médicale d'ElevenLabs, avec trois attributs qui seraient inhabituels dans un article de lancement et sont ordinaires pour une fonctionnalité de plateforme :

• Disponibilité — ElevenAgents uniquement. Non disponible sur l’API Speech to Text, aucun ID de modèle à transmettre.

• Statut — accès anticipé, réservé aux espaces de travail qui l'ont activé, et il nécessite le turn_v3 modèle de tour de l'entreprise.

• Coût — pas de tarif distinct. ElevenLabs indique qu'il est inclus dans la tarification standard d'ElevenAgents, avec jusqu'à 10 000 termes personnalisés sans frais supplémentaires.

Comparez cela avec Scribe v2 Medical, qui est un produit API standard : passez scribe_v2_medical comme ID de modèle, payez 0,20 $ par heure, au même tarif que Scribe v2. Le modèle médical v3 n'a pas eu droit à ce traitement. Il a eu droit à un menu déroulant.

A section of the ElevenLabs medical transcription page headed 'Medical transcription built for live calls and recorded audio', with the line 'Two Speech to Text models for clinical language: Scribe v3 Live Medical for ElevenAgents, and Scribe v2 Medical for batch transcription', and a sample transcript reading 'He's on metformin 1000 twice a day, empagliflozin 10, and atorvastatin 40. A1C 8.4, eGFR 52, LDL 128'.

L'affirmation qui compte est d'ordre clinique, sur un petit ensemble public.

Le chiffre mis en avant par ElevenLabs pour Scribe v3 Live Medical n'est pas un score FLEURS. C'est PriMock57 — 57 consultations simulées de soins primaires enregistrées à des fins de recherche, un corpus petit, public, et bien plus proche de l'acoustique d'un véritable appel clinique que ne l'est de la parole lue. Sur cet ensemble, ElevenLabs annonce le taux d'erreur sur les mots le plus faible parmi les modèles temps réel qu'elle a testés : 12,8 % pour Scribe v3 Live Medical, contre 15,5 % pour Universal-3.6 Pro Realtime d'AssemblyAI en mode médical, 16,3 % pour Oak-1 de Speechmatics, 17,0 % pour Nova-3 Pharma de Deepgram et 17,2 % pour Nova-3 Medical.

Ce sont des chiffres produits par un fournisseur sur un benchmark choisi par le fournisseur, et la lecture honnête est étroite : un écart de 2,7 points avec le concurrent le plus proche sur un seul ensemble de 57 consultations est un signal réel qu’un fine-tuning clinique aide, et ce n’est pas une garantie que l’audio téléphonique de votre clinique de cardiologie suivra le même classement. Personne en dehors d’ElevenLabs ne l’a reproduit, et l’ensemble est suffisamment petit pour que la variance par appel soit plus grande que l’écart.

L’information la plus utile se cache dans la FAQ de la page de transcription médicale, et elle est d’une franchise inhabituelle : les noms de médicaments isolés, sans contexte, constituent le cas le plus difficile pour tous les modèles, et le conseil d’ElevenLabs est d’utiliser le keyterm prompting pour orienter la reconnaissance vers les termes attendus. C’est une entreprise qui vous dit où s’arrête son fine-tuning. Un nom de médicament dans une phrase — « il prend de la metformine 1000 deux fois par jour » — est un problème soluble, et l’exemple de transcription sur cette page est construit exactement sur cette forme. Un nom de médicament énoncé seul, comme un appelant pourrait le faire lorsqu’on lui demande de répéter une ordonnance, reste difficile pour tout le monde.

A single-column scoreboard titled 'Scribe v3 Live Medical — the scoreboard', with rows reading 'Availability: ElevenAgents only, no model ID', 'Status: early access, requires turn_v3', 'PriMock57 WER: 12.8%', 'Nearest rival on that set: 15.5%', 'Price: no separate rate, bundled' and 'PHI: docs say do not send yet', with a footer reading 'All figures vendor-reported by ElevenLabs; no independent reproduction.'

La détection de tour de parole est la fonctionnalité qui en fait un modèle médical

La partie de cette version qui changera la façon dont un agent clinique perçoit les choses n'est pas la précision. C'est la prédiction de fin de tour. Les systèmes ASR en streaming généralistes finalisent un segment de transcription lorsqu'ils détectent un silence, ce qui explique pourquoi les agents vocaux coupent les personnes qui énoncent de longues chaînes — un identifiant de membre, une date de naissance, un numéro de téléphone, une posologie épelée lentement. Le modèle de gestion des tours de Scribe v3 Live Medical s'appuie sur le contexte de la conversation pour déterminer le moment où un appelant a réellement terminé, de sorte que l'agent patiente pendant les pauses à l'intérieur d'un identifiant de membre au lieu de répondre aux trois premiers chiffres.

Ce comportement est une propriété du turn_v3 modèle couplé à l’ASR, et il est disponible sur Scribe v3 Live de façon générale, pas seulement dans le fine-tuning médical. Ce que la variante médicale ajoute, c’est le biais de vocabulaire qui la sous-tend : la reconnaissance des termes cliniques qui étaient justement mal transcrits, sur plus de 90 langues, avec un mode multilingue qui suit lorsqu’un appelant change de langue en cours d’appel. ElevenLabs indique que les améliorations de précision médicale ont été mesurées en anglais, en français et en allemand, ce qui est une affirmation plus étroite que la prise en charge de plus de 90 langues et mérite d’être précisée séparément.

La ligne de conformité est celle qu’il faut lire deux fois.

La page de transcription médicale d'ElevenLabs indique que les deux modèles sont éligibles HIPAA pour les clients Enterprise disposant d'un Business Associate Agreement en place et du mode de rétention zéro activé, et qu'avec le ZRM activé, l'entrée audio et la sortie de transcription ne sont pas conservées après traitement. Sa page de documentation pour Scribe v3 Live Medical dit quelque chose de plus ferme et moins pratique : ne pas envoyer d'informations de santé protégées à Scribe v3 Live Medical tant que l'éligibilité HIPAA de ce modèle n'est pas confirmée, et la résidence des données dans l'UE n'est pas disponible pendant l'accès anticipé.

Les deux phrases figurent sur le site d’ElevenLabs lui-même, et il ne s’agit pas de la même phrase. La lecture cohérente est que la posture générale de conformité en matière de santé — BAA, ZRM, SOC 2, GDPR — décrit la plateforme et le produit médical en disponibilité générale, Scribe v2 Medical, tandis que le modèle temps réel en accès anticipé n’a pas achevé ses propres travaux d’éligibilité. Pour une entité couverte, c’est l’avertissement de la documentation qui prévaut : un modèle en accès anticipé dont l’éligibilité HIPAA n’est pas confirmée n’est pas un endroit pour les PHI, quelles que soient les implications du tableau comparatif de la page marketing. Il s’agit d’un état temporaire, et c’est aussi le fait le plus susceptible à lui seul de bloquer une revue de conformité ce trimestre.

Ce que ça coûte, honnêtement

Comme Scribe v3 Live Medical ne dispose pas de compteur tarifaire propre, il n'y a pas de prix à la minute à indiquer. Les chiffres publiés les plus proches sont ceux que la gamme affiche sur l'API : Scribe v3 à 0,20 $ par heure d'audio, Scribe v3 Live à 0,22 $ par heure, keyterm prompting à 0,08 $ par heure sur les modèles temps réel et à 0,05 $ par heure sur les modèles par lots. Si vous voulez un repère mental pour ce que coûterait le modèle médical s'il était un jour exposé via une API, ce sont les tarifs qu'il hériterait vraisemblablement — de la même manière que Scribe v2 Medical a hérité des 0,20 $ de Scribe v2.

Ce que vous payez réellement aujourd'hui, c'est un abonnement ElevenAgents, qui regroupe l'ASR avec le LLM de l'agent, la téléphonie, la gestion des tours de parole et les appels d'outils. Il s'agit d'une véritable différence de structure, pas seulement de chiffre : une plateforme d'agents facture à la minute de conversation, et la conversation inclut les tokens du LLM ainsi que la sortie audio, si bien que la part revenant au transcripteur n'est pas isolable. Les équipes qui modélisent les coûts par minute d'ASR trouveront ce forfait opaque ; celles qui allaient de toute façon assembler un agent le trouveront moins cher que la somme de ses composants.

D’où vient la moitié « raisonnement » de l’agent

Un agent vocal clinique, c’est trois modèles dans un trench-coat : quelque chose qui entend, quelque chose qui décide et quelque chose qui parle. Scribe v3 Live Medical couvre le premier, et uniquement au sein d’ElevenAgents. Le milieu est la partie que vous pouvez router indépendamment — le modèle qui lit la transcription, vérifie une règle de couverture, rédige la note ou décide que l’appel nécessite un humain. OrcaRouter place 215 modèles derrière une seule API à 0 % de marge, en répercutant le prix catalogue de chaque fournisseur sans modification, afin que le modèle qui raisonne sur une transcription puisse être remplacé, testé en A/B ou basculé en cas d’échec sans toucher à la brique ASR.

Pour être précis sur ce que nous servons et ne servons pas : OrcaRouter n’héberge ni Scribe v3 Live Medical, ni Scribe v3 Live, ni aucun modèle de transcription ElevenLabs, et aucun des tarifs ci-dessus n’est le nôtre. Ce que nous routons, c’est le volet LLM du pipeline — les modèles Claude, Gemini, GPT, Qwen et DeepSeek qu’un agent clinique appelle une fois les mots arrivés. Leur tarification est celle du fournisseur, sans majoration.

A section of the OrcaRouter site headed 'Zero markup. Zero black boxes.', with the line 'You pay each provider their exact list price. We add $0 per token' and further text explaining that cached and repeated prompt tokens bill at the provider's own cache rate and that cached_tokens appears on every receipt.

Qui devrait agir sur ce point, et qui devrait attendre ?

Si vous utilisez ElevenAgents et prenez des appels de patients, d’adhérents ou de prestataires — planification, admission, demandes de renouvellement, questions sur les prestations — l’argument en faveur du changement de la liste déroulante ASR est simple. Vous bénéficiez d’un biais en faveur du vocabulaire clinique, d’un modèle de tour de parole qui attend la fin des identifiants d’adhérent et de 10 000 termes personnalisés, sans ligne de facturation supplémentaire. Le tableau PriMock57 provient du fournisseur, mais l’orientation de l’amélioration est la même que celle rapportée par tous les fournisseurs d’ASR clinique, et la liste des fonctionnalités est suffisamment précise pour être testée.

Si vous n'êtes pas sur ElevenAgents, attendez. Rien ici n'est invoquable depuis votre stack, et le substitut qu'ElevenLabs propose via l'API est un modèle par lots de septembre : Scribe v2 Medical, 15 % d'erreurs en moins que Scribe v2 sur le jeu de test Eka Medical ASR, 0,20 $ de l'heure, termes clés et diarisation inclus. Pour la documentation ambiante traitée après la visite, c'est un produit raisonnable, et c'est celui qui dispose d'une histoire de conformité confirmée. Pour un appel en direct, vos options restent les modèles temps réel polyvalents, avec une liste de phrases, et l'écart de précision que revendique le fine-tuning médical.

Ce qu’il faut surveiller n’est pas une mise à jour de benchmark. C’est l’identifiant du modèle. Lorsque scribe_v3_live_medical apparaît dans la référence Speech to Text — ou lorsque l’avertissement d’accès anticipé concernant les PHI disparaît de la page de documentation — il s’agit alors d’un lancement sur lequel un développeur extérieur à la plateforme d’ElevenLabs peut agir. D’ici là, c’est un argument solide pour acheter la plateforme, ce qui est vraisemblablement le but.