Deepgram achète Daily : Pipecat reste open‑source et ouvre la voie aux agents vocaux modulaires

Deepgram a annoncé l’acquisition de Daily, l’entreprise à l’origine du framework open‑source Pipecat. L’opération, dont le montant n’a pas été dévoilé, s’inscrit dans la vague d’investissements qui restructure le secteur de la voix AIIntelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision., où les acteurs cherchent à contrôler à la fois les modèles d’intelligence artificielle et l’infrastructure qui les alimente.

Un cadre open‑source qui gère le flux vocal et vidéo

Pipecat est un ensemble d’outils qui orchestre les flux audio‑vidéo, le speech‑to‑text (STTSpeech-to-TextTechnologie permettant de convertir automatiquement la parole en texte écrit.), les grands modèles de langage (LLMLLMUn grand modèle de langage apprend des régularités dans des textes pour produire ou transformer du langage. Il ne constitue pas une base de faits garantie.) et le text‑to‑speech (TTSText-to-SpeechTechnologie transformant automatiquement du texte écrit en parole synthétique.), tout en limitant la latenceLatenceDélai entre l'envoi d'une requête à un système et l'obtention d'une réponse ou du début de celle-ci.. Daily propose en parallèle une infrastructure hébergée pour les appels vidéo et vocaux. En conservant Pipecat en open‑source, Deepgram affirme vouloir offrir aux développeurs la liberté de choisir les modèles qui conviennent le mieux à leurs cas d’usage, sans être enfermés dans une solution propriétaire.

Pourquoi Deepgram mise sur l’open‑source

Scott Stephenson, CEO de Deepgram, explique que l’objectif est d’ouvrir l’écosystème afin que chacun puisse créer des agents vocaux. “Nous voulons que vous puissiez utiliser les modèles Deepgram, mais aussi les meilleurs modèles disponibles pour votre besoin”, indique‑t‑il. Cette démarche correspond à une stratégie de long terme : en gardant Pipecat libre et neutre, Deepgram se place comme un facilitateur plutôt que comme un verrou commercial.

Le Real‑Time Context Standard (RCS)

En parallèle de l’acquisition, Deepgram et l’équipe de Pipecat ont lancé le Real‑Time Context Standard, un protocole ouvert qui décrit comment transmettre des métadonnées – chuchotements, signaux de contexte, instructions pour les LLM – pendant une interaction vocale. Le protocole vise à standardiser la manière dont les agents comprennent et réagissent aux signaux en temps réel, ce qui pourrait accélérer le développement d’applications vocales plus réactives.

Implications pour les développeurs

Grâce à Pipecat, les équipes peuvent assembler des pipelines où chaque composant (STT, LLM, TTS) provient d’un fournisseur différent. Le « bus de contexte » intégré au framework permet de relier ces morceaux tout en conservant une latence faible, critère essentiel pour les assistants vocaux ou les solutions de télé‑travail en temps réel. Les développeurs disposeront donc d’une boîte à outils modulable, capable d’évoluer avec les avancées des modèles de langage.

Un contexte d’investissement dynamique

Daily a levé plus de 62 millions de dollars depuis sa création, avec des investisseurs comme Tiger Global et Nat Friedman. Deepgram, quant à lui, a atteint le statut d’unicorn en levant 130 millions de dollars lors de sa Série C. Les deux sociétés partagent un passé commun : elles ont toutes deux fait partie du même lot Y Combinator en 2016, ce qui explique une affinité culturelle et technique soulignée par Kwindla Kramer, co‑fondatrice de Daily.

Vers une infrastructure vocale plus ouverte

L’acquisition ne se limite pas à l’achat d’une technologie ; elle représente une volonté de consolider une infrastructure capable de supporter les futures générations d’assistants AI‑native. En gardant Pipecat libre, Deepgram mise sur la création d’un écosystème où les fournisseurs de modèles, les plateformes de communication et les développeurs peuvent interagir sans barrière propriétaire.

En pratique, les équipes qui intègrent déjà Pipecat pourront continuer à contribuer au projet tout en bénéficiant du soutien de Deepgram pour améliorer la scalabilité et la robustesse du framework. Le RCS, quant à lui, pourrait devenir une référence pour la normalisation des échanges de contexte dans les applications vocales, à l’instar de ce que le WebRTC a fait pour la vidéo.

La communauté open‑source surveillera de près la manière dont Deepgram respectera son engagement à maintenir Pipecat « vendor‑neutral forever », un facteur qui, selon Kramer, constitue à la fois un choix personnel et un avantage commercial dans un marché en rapide expansion.

Au final, l’opération montre que l’avenir de la voix AI ne repose pas uniquement sur la puissance des modèles, mais aussi sur la capacité à les intégrer rapidement et de façon interopérable dans des systèmes réels. Les développeurs qui souhaitent construire des agents vocaux plus expressifs auront désormais un cadre plus complet et ouvert pour expérimenter, tester et déployer leurs idées.