Cekura

Qu’est-ce que Cekura ?

Cekura est une plateforme d’automatisation des tests, d’évaluation et d’observation en production pour les agents IA vocaux et de chat, gérée par l’entreprise américaine Tatva Labs Inc. L’équipe peut simuler des conversations réelles avant le lancement, surveiller en continu les appels une fois en ligne, puis transformer les défauts détectés en tests de régression reproductibles.

Il sert principalement les équipes de développement, d’ingénierie et de qualité qui travaillent sur des systèmes de service client par voix, de vente par appel, de prise de rendez-vous, de recrutement et de dialogues conformes. L’objectif du produit n’est pas de créer un nouveau robot vocal, mais de vérifier si les robots existants sont fiables dans différents scénarios, plateformes et infrastructures.

Une phrase pour présenter

Cekura permet d’appeler en masse des agents intelligents IA à l’aide d’utilisateurs synthétiques, d’évaluer selon des indicateurs personnalisés et de surveiller les conversations réelles en production, permettant ainsi à l’équipe d’identifier des problèmes de dérive, de retards, d’appels d’outils et de conformité en utilisant les mêmes critères d’évaluation avant et après le déploiement.

Fonction principale

Simulation de dialogue avant mise en ligne

Les utilisateurs peuvent créer des scénarios de test pour des tâches telles que les réservations, les remboursements, l’authentification ou l’évaluation des qualifications de vente, puis faire en sorte que des utilisateurs simulés entament plusieurs rounds de dialogue avec l’agent cible. Les tests peuvent intégrer du bruit de fond, des accents, plusieurs langues, des interventions et des branches complexes, au lieu de se limiter à la comparaison d’un texte fixe.

Évaluateur et personnage de test

Le évaluateur sert à définir l’identité, les objectifs, le style de parole, les actions conditionnelles et les résultats attendus des utilisateurs simulés. Les données de test, les variables dynamiques et les réponses des outils de simulation peuvent être réutilisées, permettant à un même scénario de couvrir différents clients, lieux et conditions limites.

Indicateurs prédéfinis et personnalisés

La plateforme fournit des indicateurs standard tels que la précision, la qualité du dialogue, l’expérience client et la qualité de la voix, et prend en charge des résultats booléens, numériques et catégorisés. L’équipe peut également définir des indicateurs d’évaluation pour les LLM en langage naturel, ou écrire des vérifications personnalisées déterministes en Python.

Appels d’outils et tests d’infrastructure

Cekura peut vérifier si l’agent appelle les outils appropriés au bon moment et transmet les paramètres corrects, et peut également utiliser des outils de simulation pour obtenir des résultats stables. Les tests d’infrastructure couvrent les problèmes de lien vocal tels que les retards, la stabilité, les interruptions de connexion, le silence, les perturbations, la concurrence et la récupération en cas d’échec.

Tests A/B, de charge et multilingues

Une équipe peut utiliser le même scénario pour comparer deux prompts, des modèles, des fournisseurs ou des configurations, et observer la non-déterminisme en effectuant des exécutions répétées. Les tests de charge et les appels concurrents servent à évaluer la capacité, tandis que les tests multilingues, d’accent et de basculement de code permettent de mettre en évidence les défauts de reconnaissance et de compréhension.

Surveillance des appels en production

Le système de production peut envoyer des transcriptions, des enregistrements, des métadonnées et les raisons de finition par intégration native ou via Webhook. Cekura évalue les appels en fonction d’indicateurs, affiche des tendances, des points de défaillance, des thèmes, des retards et des anomalies, et fournit des alertes ainsi que des rapports téléchargeables.

Équipe rouge et évaluation de la conformité

La fonction Équipe Rouge permet de créer des dialogues adversatifs tels que les évasions, les déviations par rapport au script, les intentions malveillantes et la fuite d’informations personnelles. Les équipes médicales, financières ou autres soumises à une réglementation peuvent également transformer des règles telles que l’authentification, l’avis d’enregistrement et l’interdiction de divulgation en accès contrôlés réutilisables.

Boucle de perfectionnement personnel

La plateforme génère ou reconstitue des tests à partir d’échecs de production, regroupe les causes racines et propose des corrections via des prompts, puis exécute à nouveau les contrôles de publication. Les suggestions automatiques doivent néanmoins être examinées par des ingénieurs, en particulier pour les modifications relatives aux politiques commerciales, à la sécurité et aux règles de conformité.

Boucle fermée de test, de surveillance et d’amélioration

Processus de travail complet

1. Créer des organisations et des projets, et organiser les agents ainsi que les droits d’accès en fonction de l’environnement, de la gamme de produits ou des clients.
2. Se connecter à Retell, Vapi, ElevenLabs, LiveKit, Pipecat, SIP ou à un système vocal personnalisé.
3. Sélectionnez les processus métier clés pour définir des scénarios pour le parcours normal, les cas limites, la récupération en cas d’échec et les risques de conformité.
4. Définir les personnages virtuels, les accents, les langues, les variables dynamiques, les réponses des outils et les conditions de fin de l’appel.
5. Sélectionnez des indicateurs prédéfinis, et utilisez LLM pour juger ou Python pour compléter avec des indicateurs spécifiques à l’entreprise et des règles de notation.
6. Exécuter de petits échantillons avec une faible concurrence, et examiner manuellement les transcriptions, les enregistrements, l’interprétation des indicateurs ainsi que les erreurs de jugement.
7. Étendre aux tests de régression, A/B, de charge et de red team, en intégrant les tests clés dans les demandes de pull ou les pipelines de déploiement.
8. Connectez-vous à la surveillance des appels en production, et configurez les alertes, le traitement des informations personnelles, la conservation des journaux et le contrôle d’accès.
9. Transformer les échecs fréquents en nouveaux cas de test, corriger les instructions ou l’infrastructure, puis valider à nouveau.

Guide d'utilisation pour les débutants

1. Après vous être inscrit gratuitement, créez un nouveau projet et connectez d’abord un agent vocal ou de chat en environnement non de production.
2. Commencez par l’étape la plus importante du parcours de l’utilisateur, et précisez les objectifs de l’utilisateur simulé, les informations autorisées et les conditions de réussite.
3. Créez de trois à cinq scénarios couvrant respectivement une exécution normale, une interruption par l’utilisateur, un manque d’informations et une défaillance de l’outil.
4. Ajouter des indicateurs tels que l’achèvement de la tâche, la justesse des faits, le retard, la qualité vocale et la conformité.
5. Exécuter un petit nombre de tests et écouter ou lire les résultats un par un pour vérifier si les notes correspondent au jugement humain.
6. Ajuster les indicateurs flous et les personnages simulés, puis ajouter des accents, du bruit, ainsi que des conditions linguistiques et de bord.
7. Une fois la stabilité testée, créez des kits de tests de dégradation et de retour complet en fonction des étiquettes, et mettez en place des contrôles de déploiement.

Intégration dans le processus CI/CD

1. Créez une clé API dans Cekura et stockez-la dans les secrets chiffrés de la plateforme de hébergement de code.
2. Enregistrer l’ID de l’agent cible, et sélectionner l’ensemble de tests à exécuter à l’aide de l’ID de scénario ou d’une étiquette.
3. Appeler une Action officielle dans un workflow GitHub Actions, et définir la fréquence d’exécution, les délais de timeout et un numéro de téléphone optionnel.
4. Laissez le flux de travail s’exécuter lors d’une demande de pull, d’un push sur la branche principale, d’une tâche planifiée ou d’une déclenchement manuel.
5. Vérifier les journaux de fonctionnement et les résultats des tests, et n’autoriser le déploiement ultérieur que lorsque les indicateurs clés atteignent le seuil.
6. Effectuer une rotation régulière des clés, et éviter d’enregistrer directement les numéros de téléphone, les données des clients et les identifiants dans le stockage.

À qui s’adresse-t-il

• Équipe de développement d’IA vocale : exécution de tests de régression automatiques après chaque modification du prompt, du modèle, de la pile vocale ou de l’outil.
• Ingénieur qualité et tests : transformer les exigences métier du dialogue en scénarios, indicateurs et critères de déploiement.
• Équipe des produits et des opérations : identifier les processus défaillants, les points de déconnexion et les problèmes d’expérience client à partir des appels produits.
• Plateforme de service client et d’appels externes : test des réservations, remboursements, vérification des qualifications, transferts et voies d’escalade vers un agent humain.
• Secteur médical et entreprises réglementées : vérification de l’identité, enregistrements d’information, informations sensibles et règles de conformité commerciale.
• Fournisseurs de plateformes vocales : comparaison des modèles, de la couche d’orchestration et de l’infrastructure de communication dans le même contexte.
• Équipe de conseil et de mise en œuvre en IA : gère des projets isolés, des rapports et des actifs de tests répétitifs pour différents clients.

Scénarios d'utilisation typiques

• Simuler des centaines de dialogues de réservation, de report, d’annulation et d’upgrade d’urgence avant la publication.
• Comparez les performances de Vapi, Retell, ElevenLabs, LiveKit ou d’une stack vocale personnalisée dans le même scénario.
• Vérifier si l’agent peut appeler correctement les outils de calendrier, de CRM, de paiement ou de base de connaissances.
• Tester la robustesse vocale avec des accents, du bruit de fond, des interventions, de longs silences et des interruptions réseau.
• Rejouer les pannes réelles de production en tant que tests de régression pour éviter qu’elles ne se reproduisent après la correction.
• Surveiller un grand nombre d’appels réels et les regrouper par raison d’échec, afin de réduire l’écoute manuelle appel par appel.
• Exécuter des tests de fumée dans les demandes de pull de GitHub pour empêcher la mise en ligne de versions qui détériorent des workflows critiques.

Avantages du produit

• Intégrer la simulation avant mise en ligne et le suivi après mise en ligne dans le même système d’indicateurs facilite le retour des problèmes de production vers des tests reproductibles.
• Prend en charge à la fois les jugements par LLM et les indicateurs Python, en combinant l’évaluation sémantique et les vérifications métier déterministes.
• Couvre les détails vocaux, les appels d’outils, l’infrastructure, la charge, l’équipe rouge et la conformité, sans se limiter aux questions-réponses textuelles.
• Intégration native avec de nombreuses plateformes de voix populaires, ainsi que prise en charge de SIP, WebSocket, Webhook et connexions personnalisées.
• API REST publique, spécifications OpenAPI, SDK Python, CLI, MCP et outils CI/CD : une entrée d’automatisation complète.
• Le plan de quantification permet un siège gratuit, idéal pour créer d’abord un petit ensemble de test avec des agents réels.

Restrictions d'utilisation et précautions

• Les utilisateurs simulés et les juges LLM présentent également une indéterminité ; un seul test ne prouve pas que l’environnement de production sera toujours fiable.
• Une conception floue des indicateurs peut entraîner des erreurs de jugement ; l’équipe doit donc utiliser des échantillons annotés manuellement pour calibrer les règles d’évaluation et les seuils.
• Les minutes de test vocal, les réponses aux messages, la surveillance des appels, les postes et la concurrence influencent respectivement le coût, et les tests de charge peuvent épuiser rapidement les crédits.
• Les formats de transcription, d’enregistrement, d’appel d’outils et de timestamps varient selon les plateformes ; une intégration incomplète limite la profondeur de l’observabilité.
• Les appels de production peuvent contenir des informations personnelles, sanitaires, de paiement ou confidentielles relatives aux clients, ce qui nécessite une configuration en matière de masquage des données, de droits d’accès, de conservation et de clauses contractuelles.
• Le quota du programme Startup est calculé en points partagés, soit environ 2000 minutes de test et environ 10 000 sessions de surveillance ; il ne s’agit pas de deux quotas illimités offerts indépendamment en même temps.
• Les données de référence du site officiel, la précision et l’efficacité pour les clients correspondent aux résultats du fournisseur ou d’un échantillon spécifique, et ne peuvent pas être directement extrapolées à son propre agent intelligent.
• Les correctifs de prompts générés automatiquement peuvent modifier les limites de sécurité ou la logique métier ; ils doivent faire l’objet d’une revue du code et de tests de régression.

Prix et forfaits

Au 21 août 2026, Cekura propose trois forfaits : selon la consommation, Startup et Enterprise. Les nouveaux comptes reçoivent 300 points gratuits, ce qui équivaut à environ 60 minutes d’appel d’essai sur le site officiel ; il n’est pas nécessaire de disposer de carte de crédit pour commencer.

Startup permet une souscription mensuelle avec possibilité d’annulation à tout moment, tandis qu’Enterprise repose sur des contrats annuels et prend en charge les commandes d’achat, les factures ou les virements bancaires. Les tarifs, les taxes, le calcul des points et les droits finaux sont déterminés selon la page de règlement du compte et le contrat.

Différences clés entre les différentes options

Quantité gratuite et méthode de facturation

Chaque plan comprend des simulations d’appels en production, des alertes en production, des rapports téléchargeables, des indicateurs standards, des indicateurs Python, une API, MCP et des fonctionnalités d’assistant de codage IA. 300 points gratuits sont fournis pour commencer, mais des frais s’appliquent pour les crédits supplémentaires ainsi que pour l’utilisation réelle en test ou en surveillance.

Lors de l’estimation des besoins, il convient de calculer séparément les minutes de tests vocaux, les réponses aux messages, le nombre d’appels surveillés, le pic de concurrence, la fréquence de réexécution et la durée de conservation des journaux. Si le jeu de tests est exécuté à plusieurs reprises à chaque soumission, la consommation mensuelle réelle sera nettement plus élevée que celle d’un test manuel unique.

Agents intelligents pris en charge et intégration

API, SDK Python et MCP

GitHub et le monde du logiciel open source

Le GitHub officiel de Cekura a rendu publiques l’intégration GitHub Actions et le dépôt Skills destiné aux assistants de codage basés sur l’IA, les deux étant soumis à la licence MIT. Skills couvre des workflows tels que la création d’agents, la conception d’évaluations, la génération de scénarios, la correction de problèmes en production et la mise en place de tests d’infrastructure.

Ces entrepôts ne fournissent que des outils d’intégration, des workflows et des instructions, sans inclure le code source complet de la plateforme de tests hébergée par Cekura. La plateforme elle-même reste un service commercial à code fermé ; le fait que le SDK Python puisse appeler une API publique ne signifie pas pour autant que les services principaux soient open source.

Sécurité, vie privée et traitement des données

Le site officiel met en avant les capacités en matière de sécurité et de conformité liées à SOC 2, HIPAA et GDPR. La solution pour startups inclut la signature d’un BAA et d’un DPA, tandis que la solution pour entreprises est personnalisable. Lorsqu’il s’agit d’informations de santé protégées, il est impératif de s’assurer que l’accord a été signé et que les fonctionnalités utilisées relèvent du champ d’application avant de télécharger des appels réels.

Le suivi de la production traite la transcription, l’enregistrement, les numéros de téléphone ou identifiants, les appels d’outils et les métadonnées métier, qui peuvent contenir des informations sensibles. Le document offre une fonction de masquage des informations personnelles, mais l’équipe doit néanmoins décider quels champs doivent être supprimés avant envoi.

Subtraitant

La page des sous-processor publics liste Supabase pour le stockage des données et la gestion de bases de données, ainsi que OpenAI, Anthropic et Replicate pour les capacités des modèles. Les entreprises doivent déterminer quels services seront utilisés dans leurs projets concrets, quelle sera la région des données, la durée de conservation et les modalités de suppression après retrait.

Réservations, comptes et abonnements

La durée de conservation des journaux des forfaits est de 30 jours, 90 jours ou sur mesure selon les besoins de l’entreprise ; la politique de confidentialité applique le principe de conservation nécessaire à la réalisation des finalités concernant les profils des comptes. Les conditions indiquent que l’abonnement se renouvelle automatiquement, l’annulation prend généralement effet à la fin du cycle de paiement en cours, et les prix peuvent également être ajustés après notification légale.

Liste des bonnes pratiques de sécurité

• Privilégiez l’utilisation d’identités synthétiques, de numéros de test et d’informations sensibles fictives pour créer des scénarios de pré-publication.
• Configurer le masquage des PII avant l’accès à la production, et ne transmettre que les transcriptions, enregistrements et métadonnées nécessaires à l’évaluation.
• Utiliser des clés API différentes pour le développement, l’CI et la production, et limiter les permissions, les adresses IP et la portée du projet.
• Conservez la clé dans l’outil de gestion Secrets, sans l’écrire dans le code, les journaux ou les rapports de test.
• Choisir la durée de conservation des journaux en fonction des réglementations et des exigences commerciales, et mettre en place des processus de suppression ainsi que des demandes des personnes concernées.
• Pour les projets médicaux, une BAA est requise ; pour l’Europe ou d’autres régions, une DPA, ainsi que des dispositions concernant le transfert transfrontalier et le stockage des données.
• Audits périodiques, alertes et accès manuel afin d’éviter que la plateforme de test ne devienne un nouveau point de concentration de données sensibles.

Informations de base

Indice de recommandation

Le score de recommandation est de 4,6 sur 5. Cekura intègre la simulation de scénarios, les indicateurs sémantiques et de code, les tests d’infrastructure vocale, la surveillance en production ainsi que CI/CD au sein d’un cycle de vie, ce qui apporte une grande valeur aux équipes prêtes à mettre en ligne ou à itérer continuellement leurs agents intelligents vocaux.

L’obstacle principal est que la forte concurrence et les retours fréquents génèrent rapidement des coûts d’utilisation, et pour obtenir des résultats fiables, il est également nécessaire que l’équipe conçoive des indicateurs clairs et procède à une calibration manuelle. Lors du traitement des enregistrements en production, la protection de la vie privée, les contrats et la gestion des sous-traitants ne peuvent pas non plus se fier uniquement aux valeurs par défaut de la plateforme.

Questions fréquentes

Cekura peut-il être utilisé gratuitement ?

Le nouveau compte dispose de 300 points gratuits, équivalant à environ 60 minutes d’évaluation vocale sur le site officiel ; la première session est gratuite et ne nécessite pas de carte de crédit. Par la suite, des frais s’appliquent en fonction des minutes d’évaluation, des réponses aux messages ou des appels surveillés, et il est également possible de passer à un forfait mensuel.

Ne peut-il tester que des agents vocaux ?

Sa fonction principale est d’être un agent vocal, mais il prend également en charge la simulation de conversations, les SMS, WhatsApp et des tests logiques à faible coût par texte. Les indicateurs audio, de latence et d’interruptions couverts par chaque canal ne sont pas identiques.

Est-il possible de surveiller les appels de production réels ?

Oui. L’intégration native ou les Webhooks peuvent envoyer des transcriptions, des enregistrements et des métadonnées, qui sont ensuite utilisés par des indicateurs, des tableaux de bord et des alertes pour aider l’équipe à détecter les anomalies.

Quelles plateformes de voix sont prises en charge ?

La documentation officielle énumère Retell, Vapi, ElevenLabs, LiveKit, Pipecat, Bland AI, SIP, Agora et les intégrations personnalisées. Les capacités de test et de surveillance spécifiques doivent être vérifiées selon les guides de chaque plateforme.

Des API et SDK sont-ils fournis ?

Des API REST publiques, des spécifications OpenAPI, un SDK Python et une interface CLI sont fournis, ainsi qu’un serveur MCP et GitHub Actions. Les appels API sont soumis à des restrictions liées aux droits de compte, aux points, à la concurrence et au plan choisi.

Cekura est-il open source ?

La plateforme de gestion centrale n’est pas open source. GitHub Action et Skills, l’assistant d’écriture de code basé sur l’IA, sont mis à disposition sous licence MIT par les développeurs officiels, mais cela ne permet pas de qualifier le produit complet de open source.

Les résultats des évaluations des LLM sont-ils fiables ?

Les juges LLM sont adaptés pour évaluer la sémantique et la qualité du dialogue, mais ils peuvent se tromper ou varier en fonction du modèle. Les indicateurs importants doivent être calibrés à l’aide d’échantillons annotés manuellement, et les règles permettant des calculs déterministes privilégient les indicateurs Python.

Le quota de Startup permet-il de tester 2000 minutes en même temps et de surveiller 10 000 communications ?

On ne peut pas le comprendre simplement ainsi. Ces deux valeurs représentent une conversion approximative par le site officiel de la capacité en points pour le même mois ; lorsqu’elles sont utilisées ensemble, les points sont consommés conjointement.

Peut-il être déployé en environnement local ou privé ?

La solution entreprise propose des options VPC et déploiement local, nécessitant un contrat sur mesure et une évaluation technique. Les services hébergés sont utilisés en fonction de la consommation et dans le cadre de la solution Startup.

À quoi faut-il faire attention pour les données de production ?

Vérifier d’abord les bases légales pour l’enregistrement et le traitement, puis restreindre la transcription, l’enregistrement, l’envoi de numéros et d’informations de santé. Il faut également mettre en place des procédures de masquage des données, de conservation, de gestion des droits, de DPA ou de BAA, ainsi que de suppression.

Résumé

Cekura offre aux agents vocaux un système de qualité continu, allant des tests de charge avant publication jusqu’à la répétition des pannes en environnement de production. Il est particulièrement adapté aux équipes disposant déjà de processus métier réels, qui doivent publier à plusieurs reprises et souhaitent intégrer l’évaluation dans leur pipeline de développement.

L’outil en lui-même ne garantit pas automatiquement la fiabilité ; une véritable qualité provient de scénarios clairs, d’indicateurs explicites, d’une calibration manuelle et d’une gouvernance des données stricte. Il est généralement plus facile de gérer les choses en établissant d’abord une ligne de référence à l’aide d’un petit ensemble de tests sur le chemin critique, avant d’élargir progressivement la surveillance concurrentielle et de production.