# Décider à l'écoute : les tableaux des bancs de modèles de décision

> Le système écoute un appel ou une commande vocale, sans transcription écrite, et décide : intention, urgence, sécurité d'une commande, locuteur. Un tableau par banc, tel que le banc le publie (rang, score de 0 à 100), sans score combiné ni score de QUELLE IA. Relevé du 26 octobre 2026.

Page : https://quelleia.com/modeles-de-decision/ecoute/
Données : https://quelleia.com/modeles-de-decision/ecoute.json
Le dossier : https://quelleia.com/modeles-de-decision/
Auteur : Ulrich Rozier (https://ulrichrozier.com), QUELLE IA.

## AudioJevBench

Source : AudioJevBench, Benchmark Heaven, https://benchmarkheaven.com/audio-jev-bench · relevé du 26 octobre 2026, version 0.1 du 29 septembre 2026.
Ce qui est mesuré : score de capacité de 0 à 100, moyenne de l'exactitude et de la calibration, sur des décisions prises à l'écoute d'un appel (intention, urgence, sentiment, sécurité d'une commande, vérification du locuteur, sons) ; seuls les systèmes à moins d'une seconde de latence médiane et de 0,25 dollar les 1 000 décisions reçoivent un rang.

| Rang | Système | Capacité | Exactitude | Calibration | $ les 1 000 décisions | Latence médiane | État |
| --- | --- | --- | --- | --- | --- | --- | --- |
| 1 | Qwen3-Omni-30B-A3B-Instruct | 83,2 | 81,0 | 85,4 | 0,049 $ | 0,66 s | classé |
| 2 | Qwen2.5-Omni-7B | 68,1 | 57,8 | 78,5 | 0,063 $ | 0,68 s | classé |
| 3 | Qwen2.5-Omni-3B | 53,8 | 50,1 | 57,4 | 0,060 $ | 0,52 s | classé |
| 4 | Voxtral Mini 3B (2507) | 47,8 | 47,2 | 48,4 | 0,070 $ | 0,38 s | classé |
| 5 | Ultravox v0.5 (Llama 3.2 1B) | 31,4 | 0,0 | 62,9 | 0,019 $ | 0,22 s | classé |
| 6 | MOSS-Audio-4B-Instruct | 27,9 | 31,8 | 23,9 | 0,061 $ | 0,40 s | classé |
| 7 | Qwen2-Audio-7B-Instruct | 12,8 | 0,0 | 25,6 | 0,112 $ | 0,65 s | classé |
|  | Gemini 3.8 Flash | 94,4 |  | 91,9 | 1,53 $ | 1,65 s | provisoire : latence médiane de 1,65 s, au-delà de 1,0 s ; 1,5 $ les 1 000 décisions, au-delà de 0,25 $ |
|  | Gemini 3.5 Flash | 83,1 |  | 79,0 | 1,07 $ | 1,27 s | provisoire : latence médiane de 1,27 s, au-delà de 1,0 s ; 1,1 $ les 1 000 décisions, au-delà de 0,25 $ |
|  | Gemini 3.1 Flash-Lite | 72,1 |  | 64,0 | 0,232 $ | 1,27 s | provisoire : latence médiane de 1,27 s, au-delà de 1,0 s |
|  | GPT Audio | 69,3 |  | 71,3 | 4,94 $ | 0,95 s | provisoire : 4,9 $ les 1 000 décisions, au-delà de 0,25 $ |
|  | GPT Audio Mini | 66,3 |  | 64,0 | 1,24 $ | 0,84 s | provisoire : 1,2 $ les 1 000 décisions, au-delà de 0,25 $ |
|  | Gemini 3.5 Flash-Lite | 65,6 |  | 57,8 | 0,220 $ | 1,32 s | provisoire : latence médiane de 1,32 s, au-delà de 1,0 s |
|  | CLAP (laion/clap-htsat-fused) | 47,5 | 95,1 | 0,0 | 0,001 $ | 0,61 s | provisoire |
|  | AST (MIT AudioSet fine-tune) | 29,9 | 59,8 | 0,0 | 0,001 $ | 3,94 s | provisoire : latence médiane de 3,94 s, au-delà de 1,0 s |
|  | Whisper large-v3-turbo → Qwen3-4B-Instruct-2507 | 57,6 | 48,2 | 67,1 | 0,174 $ | 8,04 s | hors classement : latence médiane de 8,04 s, au-delà de 1,0 s |
|  | AudioJev (mocomoco edge ONNX) | 0,0 | 0,0 | 0,0 | 0,006 $ | 1,65 s | hors classement : latence médiane de 1,65 s, au-delà de 1,0 s |

## Ce que ces tableaux ne disent pas

- Un seul banc, AudioJevBench, dans sa version 0.1 du 29 septembre 2026 : 17 systèmes, dont les modèles de Google et d'OpenAI mesurés sur les seuls éléments publics, donc provisoires.
- Le banc mesure des décisions prises à l'écoute d'un appel : il ne dit rien de la qualité d'une transcription ni d'une voix de synthèse. Pour cela, voir les classements de la voix.

Accords de Benchmark Heaven et de multimodalart du 17 octobre 2026 : lecture automatique chaque semaine, affichage à côté des autres bancs, sans les fondre dans un score, avec la mention de la source, un lien et la date du relevé.