🎤Micdrop

Text-to-speech français souverain avec Gradium et Micdrop

Intégrez Gradium, le TTS français issu de Kyutai, dans une application web avec Micdrop. Vos données passent par des serveurs européens, avec un fallback.

Updated on October 23, 2026

De toutes les briques d’une IA vocale, la synthèse vocale est celle qui envoie le plus de contenu chez un tiers, phrase après phrase, pendant toute la conversation. Quand ce contenu transite par des serveurs américains soumis au Cloud Act, la souveraineté devient un sujet concret. Gradium, startup française issue du laboratoire Kyutai, propose un TTS avec des serveurs européens.

Le package @micdrop/gradium fait la connexion, la région européenne est le réglage par défaut, et un fournisseur de secours prend le relais en cas de panne.

Qu’est-ce que Gradium ?

Gradium est une startup parisienne fondée par d’anciens chercheurs de Meta, Google DeepMind, Google Brain et Jane Street. Elle a levé 70 millions de dollars en seed fin 2025 auprès de FirstMark Capital, Eurazeo et d’investisseurs comme Eric Schmidt et Yann LeCun.

Gradium développe des modèles de langage audio-natifs pour le text-to-speech et le speech-to-text en temps réel.

Gradium publie aussi Phonon, un TTS local construit sur Pocket TTS de Kyutai. Son modèle français, phonon-40m-fr, tourne dans votre serveur Node sans clé API avec @micdrop/phonon. Sur un MacBook Pro M2, nous avons mesuré le premier son entre 30 et 100 ms avec un seul cœur. Quand on transcrit l’audio avec Whisper, on retrouve le texte presque mot pour mot, date et heure comprises. Ce modèle propose 15 voix françaises. Il est pourtant sous licence CC BY-NC 4.0, qui interdit l’usage commercial. Le seul modèle Phonon utilisable librement dans un produit, phonon-31m-en, parle uniquement anglais. Pour un produit commercial en français, l’API hébergée de Gradium reste donc le bon choix. Nous avons comparé Phonon aux autres voix françaises pour un agent vocal, hébergées ou locales.

Les caractéristiques de Gradium

CaractéristiqueDétail
Voix disponibles150+ voix dans 5 langues (FR, EN, DE, ES, PT)
Clonage vocalÀ partir de 10 secondes d’audio
StreamingWebSocket temps réel avec timestamps mot par mot
RégionsServeurs EU et US au choix
Formats audioPCM (8/16/24/48 kHz), WAV, Opus, µ-law, A-law
Latence< 300 ms (time-to-first-byte)
Code-switchingChangement de langue en milieu de phrase

Gradium et la souveraineté des données

Le siège de Gradium est à Paris, celui d’ElevenLabs à New York et celui de Cartesia à San Francisco. La différence se joue sur quatre points :

  • l’hébergement est européen par défaut, les données restent dans l’Union
  • les plans Enterprise fonctionnent sans conservation des données
  • un déploiement en cloud privé ou sur site reste possible
  • Gradium relève du droit européen plutôt que du Cloud Act

Pour une administration, un établissement de santé ou une école, l’hébergement européen décide souvent du fournisseur retenu.

Intégration avec Micdrop

Micdrop est un framework TypeScript open source pour ajouter des conversations vocales IA dans les applications web. Vous branchez Gradium en quelques lignes avec le package @micdrop/gradium.

Installation

Terminal window
npm install @micdrop/server @micdrop/gradium

Configuration de base

import { MicdropServer } from '@micdrop/server'
import { GradiumTTS } from '@micdrop/gradium'
const tts = new GradiumTTS({
apiKey: process.env.GRADIUM_API_KEY || '',
voiceId: 'YOUR_VOICE_ID',
region: 'eu', // Serveurs européens
outputFormat: 'pcm_16000',
})
new MicdropServer(socket, {
tts,
agent, // Votre agent LLM
stt, // Votre fournisseur STT
})

La région eu est la valeur par défaut, et le trafic Gradium reste dans l’Union jusqu’à ce que vous choisissiez la région US.

Configuration avancée de la voix

Trois réglages contrôlent le rendu de la voix :

const tts = new GradiumTTS({
apiKey: process.env.GRADIUM_API_KEY || '',
voiceId: 'YOUR_VOICE_ID',
region: 'eu',
outputFormat: 'pcm_16000',
jsonConfig: {
temp: 0.7, // Expressivité (0 → monotone, 1.4 → très expressif)
cfg_coef: 2.0, // Fidélité à la voix originale (1.0 → libre, 4.0 → fidèle)
padding_bonus: 0, // Vitesse (-4.0 → rapide, 4.0 → lent)
},
})

La stack souveraine complète

Gradium prononce les réponses. Avec Mistral pour les écrire et Gladia pour transcrire la voix de l’utilisateur, la conversation passe par trois entreprises françaises. Pour monter un agent vocal IA souverain avec eux, choisissez la région européenne de chacun et hébergez aussi votre serveur dans l’Union.

Stratégie de fallback pour la résilience

Un fournisseur finit toujours par tomber. Micdrop embarque un fallback entre fournisseurs TTS. Si Gradium répond en erreur, le serveur bascule sur un fournisseur de secours et la conversation continue.

TTS avec fallback

import { FallbackTTS } from '@micdrop/server'
import { GradiumTTS } from '@micdrop/gradium'
import { ElevenLabsTTS } from '@micdrop/elevenlabs'
const tts = new FallbackTTS({
factories: [
// Fournisseur principal : Gradium (souverain)
() =>
new GradiumTTS({
apiKey: process.env.GRADIUM_API_KEY || '',
voiceId: process.env.GRADIUM_VOICE_ID || '',
region: 'eu',
maxRetry: 2,
}),
// Secours : ElevenLabs
() =>
new ElevenLabsTTS({
apiKey: process.env.ELEVENLABS_API_KEY || '',
voiceId: process.env.ELEVENLABS_VOICE_ID || '',
maxRetry: 3,
}),
],
})

Le FallbackTTS fonctionne ainsi :

  1. Il utilise le premier fournisseur (Gradium) par défaut
  2. Si Gradium échoue après ses retries, il bufferise le texte en cours
  3. Il bascule sur ElevenLabs
  4. Le texte bufferisé est rejoué sur le nouveau fournisseur
  5. L’utilisateur perçoit une micro-interruption, et rien de plus

Vous gardez donc Gradium au quotidien sans perdre la conversation les jours de panne. ElevenLabs, le secours choisi ici, traite alors le texte hors de l’Union. Prenez plutôt Voxtral Speech 3 comme secours, sur le point de terminaison européen de Mistral, pour garder toute la chaîne en Europe avec moins de voix françaises au choix.

Comparaison avec les alternatives

CritèreGradiumElevenLabsCartesia
SiègeParis, FranceNew York, USASan Francisco, USA
Serveurs EUNatifNon prioritaireNon
Rétention donnéesZéro (Enterprise)Standard USStandard US
Cloud ActNon soumisSoumisSoumis
Langues570+15
Clonage vocal10s30s3s
Streaming WebSocketOuiOuiOui
TarificationPar caractèrePar caractèrePar caractère

ElevenLabs reste devant sur le nombre de langues et Cartesia clone une voix à partir d’un extrait plus court. Les deux traitent par défaut vos données aux États-Unis.

Gradium ou Voxtral Speech 3 pour une voix française

Mistral, autre entreprise française, vend aussi une synthèse vocale, Voxtral Speech 3. Micdrop la branche avec MistralTTS, dans le package @micdrop/mistral. Les deux fournisseurs génèrent l’audio en Europe, mais ils diffèrent sur le prix, les voix et la façon de recevoir le texte. Nous avons relevé les prix sur les pages tarifaires des deux fournisseurs le 21 octobre 2026.

CritèreGradiumVoxtral Speech 3
Voix françaisesUne partie des 150+ voix du catalogueQuatre voix prêtes à l’emploi, Marie (voice_592), Camille (voice_3141), Manon (voice_3137) et Lea (voice_589)
Clonage vocalÀ partir de 10 secondes d’audioÀ partir de quelques secondes d’audio (refAudio)
ExpressivitéRéglages temp, cfg_coef et padding_bonusBalises d’émotion et de rythme comme [emotion=happy], interprétées plutôt que lues
Prix1 crédit par caractère, de 36 à 58 $ le million selon l’offre13 $ le million de caractères
Région européenneregion: 'eu', la valeur par défautbaseUrl: 'https://api.eu.mistral.ai'
Envoi du texteEn continu sur un WebSocketUne requête par phrase
Premier son258 ms en médiane, selon Gradium0,5 à 0,6 s par phrase, mesuré par nos soins

GradiumTTS envoie la réponse de l’agent à Gradium au fur et à mesure que le LLM l’écrit, sur un seul WebSocket. L’API de Mistral attend un texte complet par requête, donc MistralTTS découpe la réponse en phrases et envoie une requête par phrase. Mistral génère chaque phrase environ quatre fois plus vite qu’elle ne dure à l’écoute, si bien que la phrase suivante est prête avant la fin de la précédente. L’utilisateur sent surtout la demi-seconde d’attente sur la première phrase.

import { MistralTTS } from '@micdrop/mistral'
const tts = new MistralTTS({
apiKey: process.env.MISTRAL_API_KEY || '',
voiceId: 'voice_592', // Marie, voix française
baseUrl: 'https://api.eu.mistral.ai', // Serveurs européens
})

Gradium répond plus vite et propose plus de voix, ce qui compte dans une conversation. Voxtral Speech 3 coûte de 2,8 à 4,5 fois moins cher au caractère et fait un bon fournisseur de secours européen pour Gradium dans le FallbackTTS.

Cas d’usage

Service public et administration

L’ANSSI et la CNIL poussent les administrations vers des fournisseurs relevant du droit européen. Un assistant vocal ouvert aux citoyens se déploie alors avec des données qui restent en Europe.

Santé et HDS

Les données de santé exigent un hébergement HDS (Hébergeur de Données de Santé). Gradium en région EU se combine avec un hébergeur certifié sans rompre la chaîne, là où un TTS américain oblige à documenter un transfert hors Union.

Entreprise et confidentialité

Les conversations internes et les échanges commerciaux touchent au secret des affaires. Les garder chez un fournisseur européen simplifie la cartographie des traitements que réclament les grands comptes.

Éducation

Un établissement scolaire traite les données d’élèves souvent mineurs, ce qui durcit ses obligations. Un TTS européen épargne au dossier un transfert extra-européen de plus.

Pour aller plus loin


Gradium et Micdrop suffisent à garder la synthèse vocale chez un fournisseur européen, avec le code sur votre infrastructure et vos propres clés API. Installez @micdrop/gradium, choisissez une voix dans le catalogue Gradium, et le premier appel tourne dans la foulée.