Tofu-1 : le modèle vocal duplex de Bland pour les appels
Tofu-1 de Bland vise les appels vocaux complexes en duplex intégral. Accès, prix, usages pro et limites à surveiller.

Tofu-1 est le nouveau modèle vocal de Bland pour les appels téléphoniques à fort enjeu. L’entreprise le présente comme un modèle speech-to-speech en duplex intégral, capable d’écouter pendant qu’il parle et de raisonner pendant l’échange.
Le sujet est important pour les équipes qui automatisent des appels clients, support, santé, finance ou opérations. Mais Tofu-1 reste en aperçu recherche, avec des informations encore limitées sur ses performances réelles.
Ce qui change concrètement
Avec Tofu-1, Bland met l’accent sur un point clé des appels réels : la conversation n’est pas une suite propre de questions et de réponses. Les interlocuteurs se coupent, hésitent, parlent en même temps, se trouvent dans des lieux bruyants, ou appellent avec un signal faible.
Bland décrit Tofu-1 comme son premier modèle d’une famille speech-to-speech. Il ne s’agit donc pas seulement d’un empilement classique transcription, grand modèle de langage, synthèse vocale. La promesse est plus directe : traiter la voix entrante et produire une réponse vocale dans un flux conversationnel continu.
Le terme important est duplex intégral. Dans un appel humain, tu peux parler pendant que l’autre personne réagit, et tu peux t’arrêter si elle t’interrompt. Bland affirme que Tofu-1 “listens while it speaks and reasons while it talks”. Sur sa page d’accueil, l’entreprise indique aussi que le système peut interrompre ou reprendre la parole en cours de phrase, et distinguer les voix du bruit.
Le positionnement est clair : Tofu-1 vise les appels difficiles. Bland cite des situations comme des voitures en mouvement, des chambres d’hôpital, un réseau faible, ou plusieurs personnes qui parlent en même temps. Pour une entreprise, ce sont justement les cas où les agents vocaux classiques montrent vite leurs limites : latence, mauvaise détection de fin de phrase, coupures maladroites, ou réponses lancées trop tôt.
Autre point notable : sur sa page FedRAMP, Bland indique que l’audio, la transcription, le raisonnement et la synthèse vocale reposent sur ses propres modèles, sans fournisseur tiers dans le chemin d’appel. Cela peut compter pour les organisations qui veulent réduire les dépendances techniques et clarifier la chaîne de traitement.
Comment l'essayer
Tofu-1 n’est pas présenté comme un produit disponible librement pour tous. Bland indique que les demandes sont ouvertes pour un research preview, avec un formulaire “Join the research preview”. La page d’accueil de Bland le qualifie aussi de “Speech to speech Research preview”.
Pour la France, Bland ne communique pas une disponibilité dédiée pays par pays pour Tofu-1. En revanche, sa page Trust & Security indique que la résidence des données dans l’Union européenne est disponible et configurable par client. Bland précise aussi que les données UE peuvent rester sur des GPU situés en UE, et mentionne une conformité GDPR avec DPA.
Côté prix, il faut distinguer la plateforme Bland et Tofu-1. La page officielle des tarifs affiche des plans Start, Build et Enterprise, avec un plan Start à 0,14 $/min et un plan Build à 0,12 $/min. L’offre Enterprise est indiquée en tarification personnalisée, selon le volume contracté. Bland précise que cette tarification à la minute couvre le LLM, le STT et le TTS, sans frais de tokens ni répercussion du prix des fournisseurs de modèles. En revanche, selon MarkTechPost, Bland n’a pas publié de prix spécifique, de taille de modèle ou de benchmarks pour Tofu-1.
Pour qui, et pour quoi faire
Tofu-1 s’adresse d’abord aux équipes qui gèrent des appels nombreux, sensibles ou complexes. Exemple concret : un service d’assistance qui reçoit des appels de patients, de clients en déplacement, ou de techniciens sur site. L’appelant peut être stressé, parler dans un environnement bruyant, interrompre l’agent, ou changer de sujet au milieu d’une phrase.
Dans ce contexte, un agent vocal fondé sur Tofu-1 pourrait qualifier la demande, demander les informations manquantes, reformuler, puis transmettre le dossier à un humain si le cas devient trop sensible. Le gain attendu n’est pas seulement de “répondre au téléphone”. Il s’agit surtout de garder un échange fluide quand la conversation n’est pas propre.
Pour une entreprise, le bon cas d’usage n’est donc pas forcément le remplacement complet d’un centre d’appels. Un déploiement plus prudent consiste à commencer par des appels semi-automatisés : confirmation de rendez-vous, collecte d’informations avant rappel, relance de dossier, suivi de livraison, préqualification support, ou orientation vers le bon service. Si tu veux structurer ce type de projet, le guide NXUS sur les cas d’usage d’agents IA par métier peut aider à cadrer les scénarios et les limites.
Limites et points de vigilance
La première limite est la maturité. Tofu-1 est en research preview. Cela signifie qu’il faut le traiter comme une technologie à évaluer, pas comme une brique standard déjà éprouvée dans tous les environnements.
Deuxième point : les performances publiques ne sont pas documentées. MarkTechPost souligne l’absence de benchmarks publiés. Sans mesures comparables sur la latence, la robustesse au bruit, les interruptions, les accents, les langues, ou les taux d’erreur, une entreprise doit prévoir ses propres tests.
Troisième vigilance : la conformité. Les appels vocaux contiennent souvent des données personnelles, parfois sensibles. Avant tout déploiement, il faut vérifier la base légale, l’information des appelants, la durée de conservation, les transferts éventuels, les droits des personnes, et le contenu exact du DPA. Les promesses de résidence UE sont utiles, mais elles doivent être traduites dans le contrat et l’architecture cible.
Dernier point : l’expérience client. Un agent vocal capable d’interrompre ou de reprendre la parole peut améliorer la fluidité. Mal réglé, il peut aussi agacer. Les seuils d’interruption, les phrases de reprise, l’escalade vers un humain et les scripts de sécurité doivent être conçus avec soin.
L'avis NXUS
Tofu-1 est intéressant parce qu’il se concentre sur le vrai problème des appels : le désordre de la conversation humaine. Le duplex intégral est une piste solide pour réduire les silences, les chevauchements et les réponses hors rythme.
Pour une entreprise, la bonne approche est de lancer un pilote fermé sur un cas d’usage mesurable, avec des appels réels mais un périmètre limité. Il faut suivre la latence, le taux d’escalade, la satisfaction appelant, les erreurs de compréhension et les incidents de conformité.
Il ne faut pas acheter la promesse sans tests. Mais si Bland démontre la robustesse annoncée sur le bruit, les interruptions et les appels complexes, Tofu-1 peut devenir une brique sérieuse pour les équipes qui industrialisent les agents vocaux.
Sources
Source : bland.ai
Rudy Molinillo


