---
title: "Architecture d’un chatbot WhatsApp arabe : vocal et LLM"
description: "Une architecture éprouvée pour un assistant WhatsApp en arabe : webhook, file, transcription des vocaux, réponse LLM, règles et coûts, avec du Python à adapter."
url: https://broadrouter.com/fr/blog/arabic-whatsapp-chatbot-architecture/
lang: fr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/blog/arabic-whatsapp-chatbot-architecture/) (mis à jour le 2026-11-16).

# Chatbot WhatsApp en arabe : du message vocal à la réponse

Par l’équipe BroadNet Inference · 5 min de lecture · Publié 2026-11-14 · Mis à jour 2026-11-16

Un assistant WhatsApp en arabe comporte cinq parties : un webhook qui reçoit les messages de la WhatsApp Business Platform, une file d’attente, du speech-to-text pour les messages vocaux, un LLM qui rédige la réponse et un expéditeur qui répond via l’API. Convertir un message vocal et le transcrire avec BroadNet Transcribe Arabic coûte $0.0042 par minute d’audio.

## À retenir

-   Accusez réception du webhook immédiatement et traitez le travail lent (téléchargement, transcription, LLM) depuis une file d’attente.
-   Les messages vocaux WhatsApp arrivent en audio Ogg/Opus. Convertissez-les en WAV mono 16 kHz avec ffmpeg, puis transcrivez avec language=ar.
-   N’écrivez qu’aux personnes qui ont donné leur accord, et répondez dans la fenêtre de service client. N’envoyez jamais de messages non sollicités.
-   Gardez les premières réponses aux nouveaux contacts courtes, en texte brut et sans liens.
-   Transcrire 10 000 messages vocaux de 30 secondes coûte $21.00 avec BroadNet Transcribe Arabic.

**Sur cette page**

1.  Quelles sont les parties d’un chatbot WhatsApp en arabe ?
2.  Quelles règles WhatsApp s’appliquent à un chatbot ?
3.  Combien coûte l’exploitation d’un bot WhatsApp en arabe ?
4.  Comment préserver la confidentialité des messages vocaux ?
5.  Check-list de lancement

Un chatbot WhatsApp en arabe a besoin de cinq parties : un webhook qui reçoit les messages de la WhatsApp Business Platform officielle, une file d’attente, du speech-to-text pour les messages vocaux, un LLM qui rédige les réponses en arabe et un expéditeur qui répond dans la fenêtre de 24 heures de WhatsApp. Les messages vocaux comptent, car beaucoup de clients arabophones parlent en dialecte plutôt que de taper.

BroadRouter est géré par BroadNet ; les exemples utilisent donc BroadNet Inference. Tout fournisseur de speech-to-text et de chat compatible OpenAI s’insère aux mêmes endroits.

## Quelles sont les parties d’un chatbot WhatsApp en arabe ?

```
WhatsApp user
   │  text or voice note
   ▼
WhatsApp Business Platform (Cloud API)
   │  webhook POST
   ▼
1. Webhook receiver ── verify signature, store event, return 200
   │
   ▼
2. Queue (Redis, SQS, a database table)
   │
   ▼
3. Worker
   ├─ voice note? download media → ffmpeg → speech to text
   ├─ build prompt: system rules + recent history + new message
   └─ LLM drafts reply (or hands over to a human)
   │
   ▼
4. Sender ── POST /messages on the Cloud API
   │
   ▼
5. Store ── conversation state, opt-in status, audit log
```

### 1\. Récepteur de webhook

La WhatsApp Cloud API livre les messages entrants sous forme de requêtes HTTPS POST vers un webhook que vous enregistrez. Deux règles gardent cette partie en bonne santé :

-   **Vérifier chaque requête.** La documentation de Meta indique de calculer un HMAC-SHA256 de la charge utile JSON avec le secret de votre application et de le comparer à l’en-tête `X-Hub-Signature-256`. Rejetez tout ce qui ne correspond pas.
-   **Renvoyer 200 rapidement.** Stockez l’événement et accusez réception. Ne téléchargez pas d’audio et n’appelez pas de LLM dans le gestionnaire du webhook. Si la livraison échoue, Meta réessaie « immediately, then a few more times with decreasing frequency over the next 7 days » (traduction : « immédiatement, puis quelques fois encore à une fréquence décroissante pendant les 7 jours suivants ») et vous laisse gérer la déduplication.

Utilisez l’identifiant du message WhatsApp comme [clé d’idempotence](https://broadrouter.com/fr/glossary/idempotency-key/), pour qu’un webhook relivré ne produise jamais deux réponses.

### 2\. File d’attente

Une file découple le rythme de livraison de WhatsApp de votre temps de traitement. Elle permet aussi de plafonner la concurrence selon vos limites d’inférence. Une clé BroadNet en paiement à l’usage autorise 30 requêtes par minute et 4 simultanées : un petit pool de workers avec nouvelles tentatives sur les 429 est donc la bonne forme. Voyez [erreurs et nouvelles tentatives](https://broadrouter.com/fr/guides/errors-and-retries/) et [comment gérer les limites de débit 429](https://broadrouter.com/fr/blog/handle-llm-api-429-rate-limits/).

### 3\. Worker : des messages vocaux au texte

Pour un message vocal, le webhook vous fournit un objet `audio` avec un `id` de média, un `mime_type` tel que `audio/ogg; codecs=opus`, et `voice: true` pour les enregistrements faits dans WhatsApp. Le worker fait un GET sur l’identifiant du média pour obtenir l’URL de téléchargement, télécharge le fichier avec votre jeton d’accès, puis le convertit et le transcrit. L’endpoint de BroadNet accepte le WAV ou le MP3 ; convertissez donc d’abord :

```python
import os, subprocess, tempfile
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

def transcribe_voice_note(ogg_bytes: bytes) -> str:
    with tempfile.TemporaryDirectory() as d:
        src, wav = os.path.join(d, "in.ogg"), os.path.join(d, "in.wav")
        open(src, "wb").write(ogg_bytes)
        subprocess.run(["ffmpeg", "-y", "-loglevel", "error", "-i", src,
                        "-ar", "16000", "-ac", "1", wav], check=True)
        with open(wav, "rb") as audio:
            return client.audio.transcriptions.create(
                model="broadnet/cohere-transcribe-arabic",
                file=audio,
                language="ar",   # without it, Arabic can come back in Latin letters
            ).text
```

Le répertoire temporaire disparaît après l’appel, ce qui évite de laisser de l’audio sur vos disques. Le [guide des messages vocaux WhatsApp](https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/) propose une version par lots pour les conversations exportées, et le [guide speech-to-text arabe](https://broadrouter.com/fr/guides/arabic-speech-to-text-api/) couvre formats et limites. Les fichiers doivent rester sous 26 214 400 octets (25 Mio) ; les messages vocaux ordinaires en sont très loin.

### 3b. Worker : rédiger la réponse

Traitez une transcription exactement comme un message tapé, mais indiquez au modèle qu’elle vient de la parole : les transcriptions n’ont pas de ponctuation et peuvent contenir des erreurs de reconnaissance.

```python
SYSTEM = """You are the WhatsApp assistant of a clinic in Dubai.
Customers write or speak in Gulf Arabic, other dialects, MSA, English or Arabizi.
Reply in simple Modern Standard Arabic unless the customer used English.
Keep replies under 60 words. Plain text only: no links, no markdown.
You can: answer opening hours, explain how to book, collect name and preferred time.
If the message is a complaint, medical question or you are unsure, reply that a
staff member will follow up, and set handover=true."""

def draft_reply(history: list[dict], text: str, from_voice: bool) -> str:
    note = "(transcribed voice note, may contain errors) " if from_voice else ""
    r = client.chat.completions.create(
        model="broadnet/qwen3.8-27b",
        max_tokens=1500,
        messages=[{"role": "system", "content": SYSTEM}, *history[-10:],
                  {"role": "user", "content": note + text}],
    )
    return r.choices[0].message.content
```

Pour le routage, demandez au modèle une [sortie structurée](https://broadrouter.com/fr/glossary/structured-output/) (`intent`, `handover`, `reply`) plutôt que du texte libre, et agissez sur les champs ; le [générateur de JSON Schema](https://broadrouter.com/tools/json-schema-generator/) gratuit écrit le schéma à partir d’un exemple de réponse. Lors des tests de BroadNet, [Qwen3.8 27B](https://broadrouter.com/fr/models/qwen3.8-27b/) a compris les dialectes du Golfe et égyptien et écrit un arabe fluide ; [DeepSeek V4.1 Flash](https://broadrouter.com/fr/models/deepseek-v4.1-flash/) coûte moins cher par token et c’est le modèle des forfaits illimités de BroadNet. Les deux raisonnent avant de répondre : laissez de la marge dans `max_tokens`. Le traitement des dialectes est détaillé dans [l’arabe du Golfe, égyptien et levantin avec les LLM](https://broadrouter.com/fr/blog/arabic-llm-gulf-egyptian-dialects/).

### 4\. Expéditeur

Les réponses partent par l’endpoint messages de la Cloud API, pour l’identifiant de votre numéro de téléphone. Envoyez du texte brut pour les réponses conversationnelles. La mise en forme WhatsApp (gras, listes) s’affiche, mais pas les tableaux ni les titres Markdown : dites au modèle de ne pas en produire.

### 5\. Stockage

Conservez l’état de la conversation (les dix derniers échanges suffisent pour la plupart des bots de support), le statut de consentement du client et un journal d’audit de ce que le bot a envoyé et pourquoi. Ne stockez pas plus que nécessaire : les transcriptions de messages vocaux contiennent souvent des noms, des adresses et des informations de santé.

## Quelles règles WhatsApp s’appliquent à un chatbot ?

WhatsApp est strict sur l’usage qu’en font les entreprises, et ces règles protègent votre numéro autant que vos clients. Lisez la [WhatsApp Business Messaging Policy](https://whatsappbusiness.com/policy/) avant le lancement. En pratique :

1.  **D’abord le consentement.** Les règles ne vous autorisent à contacter des personnes que si elles vous ont donné leur numéro et accepté de recevoir vos messages sur WhatsApp. Un client qui vous écrit ne consent pas pour autant au marketing.
2.  **Aucun message non sollicité.** Les règles disent : « Do not confuse, deceive, defraud, mislead, spam, or surprise people with your communications. » (traduction : « Ne semez pas la confusion, ne trompez pas, n’escroquez pas, n’induisez pas en erreur, ne spammez pas et ne surprenez pas les gens par vos communications. ») N’envoyez jamais de premier message à des personnes qui ne vous ont pas contacté ou n’ont pas donné leur accord.
3.  **Respecter la fenêtre de service client de 24 heures.** Les réponses libres sont autorisées dans les 24 heures qui suivent le dernier message du client. En dehors, vous ne pouvez envoyer que des modèles de message approuvés.
4.  **Proposer un humain.** Les réponses automatiques sont autorisées dans la fenêtre de 24 heures, mais les règles exigent des « prompt, clear, and direct escalation paths » (traduction : « voies d’escalade rapides, claires et directes ») vers une personne.
5.  **Respecter les désinscriptions.** Les règles imposent de respecter toute demande de blocage, d’arrêt ou de désinscription. Traitez « stop » ou « توقف » comme telle.

Une règle de plus vient de nous, pas de Meta : **gardez simples les premières réponses aux nouveaux contacts.** Une réponse courte, en texte brut, sans URL, est la plus sûre. Des messages chargés de liens venant d’une entreprise inconnue ressemblent à du spam pour les utilisateurs, qui peuvent vous bloquer et vous signaler. Partagez les liens plus tard, quand le client les demande.

## Combien coûte l’exploitation d’un bot WhatsApp en arabe ?

Le speech-to-text est facturé à la minute d’audio. Avec BroadNet Transcribe Arabic :

| Volume | Coût |
| --- | --- |
| Une minute de messages vocaux | $0.0042 |
| Une heure de messages vocaux | $0.25 |
| 10 000 messages vocaux de 30 secondes | $21.00 |

Les réponses du LLM sont facturées au token en paiement à l’usage : par million de tokens, Qwen3.8 27B coûte $0.175 en entrée et $2.17 en sortie, et DeepSeek V4.1 Flash $0.175 en entrée et $0.52 en sortie. Une réponse de support avec dix échanges d’historique représente quelques milliers de tokens, raisonnement compris : une réponse coûte donc quelques millièmes des prix par million de tokens indiqués ci-dessus. Saisissez votre volume de messages dans le [calculateur de coût d’API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) gratuit pour obtenir un chiffre mensuel. Si le bot tourne toute la journée sur DeepSeek V4.1 Flash, comparez avec le forfait Full Moon à $60 sur la [page de tarifs](https://broadrouter.com/fr/pricing/).

## Comment préserver la confidentialité des messages vocaux ?

Les messages vocaux comptent parmi les données les plus personnelles qu’une entreprise traite. BroadNet Inference ne conserve ni l’audio, ni les prompts, ni les transcriptions après la requête (voyez [conservation zéro des données](https://broadrouter.com/fr/privacy/)), mais cela ne couvre que l’étape d’inférence. Décidez combien de temps votre file, vos journaux et votre base de données gardent les transcriptions, et supprimez les fichiers médias après traitement.

## Check-list de lancement

-   Signature du webhook vérifiée, 200 renvoyé avant le traitement.
-   Idempotence sur l’identifiant du message WhatsApp.
-   Messages vocaux convertis en WAV et transcrits avec `language=ar`.
-   Pool de workers dimensionné selon vos limites de débit, avec backoff sur les 429.
-   Prompt système fixant dialecte, registre, longueur et « pas de liens ».
-   Relais vers un humain, testé.
-   Consentement enregistré ; aucun envoi non sollicité ; modèles uniquement hors de la fenêtre de 24 heures.
-   Transcriptions supprimées selon un calendrier.

Si vous voulez seulement transformer des messages vocaux en tickets plutôt que construire un bot qui répond, [les messages vocaux en texte pour les entreprises](https://broadrouter.com/fr/blog/voice-notes-to-text-for-business/) décrit ce pipeline plus simple.

Outils gratuits sur ce sujet (en anglais)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Outils gratuits (en anglais)](https://broadrouter.com/tools/)

## Termes de cet article

[Token](https://broadrouter.com/fr/glossary/token/)

Un token est l’unité de texte qu’un modèle de langage lit et écrit : un mot, une partie de mot, un signe de ponctuation ou une suite d’octets produite par le tokenizer du modèle. Les API LLM comptent, limitent et facturent généralement l’usage en tokens.

[Speech-to-text (reconnaissance vocale)](https://broadrouter.com/fr/glossary/speech-to-text/)

Le speech-to-text, ou reconnaissance automatique de la parole (ASR), est une technologie qui convertit l’audio parlé en texte écrit. Une API speech-to-text accepte un fichier ou un flux audio et renvoie une transcription, généralement facturée à la minute d’audio. La précision se mesure avec le taux d’erreur de mots et varie selon l’accent, le dialecte et la qualité d’enregistrement.

[Paiement à l’usage (pay-as-you-go)](https://broadrouter.com/fr/glossary/pay-as-you-go/)

Le paiement à l’usage (pay-as-you-go) est un modèle tarifaire où vous ne payez que ce que vous consommez, mesuré par unité, comme les tokens, les requêtes ou les minutes d’audio, sans abonnement ni engagement minimal. La plupart des API LLM facturent ainsi, à partir d’un solde prépayé ou d’une facture périodique.

[Concurrence (requêtes simultanées)](https://broadrouter.com/fr/glossary/concurrency/)

La concurrence est le nombre de requêtes qu’un client a en cours au même moment. Les API de LLM la plafonnent souvent par clé ou par forfait, indépendamment des requêtes par minute, car chaque requête ouverte occupe de la capacité GPU jusqu’à la fin de sa réponse.

[Appel d’outils (tool calling, function calling)](https://broadrouter.com/fr/glossary/tool-calling/)

L’appel d’outils, aussi appelé function calling, est une fonctionnalité des API LLM dans laquelle le modèle renvoie une demande structurée d’exécution d’une fonction définie par le développeur, avec des arguments JSON. L’application exécute la fonction et renvoie le résultat ; le modèle n’exécute jamais de code lui-même.

[Débit (throughput)](https://broadrouter.com/fr/glossary/throughput/)

Le débit (throughput), dans le service de LLM, est la quantité totale de travail qu’un système accomplit par unité de temps sur toutes les requêtes simultanées, généralement mesurée en tokens de sortie par seconde ou en requêtes par seconde. Il se distingue de la vitesse par flux, c’est-à-dire la vitesse à laquelle une seule requête reçoit ses tokens.

[Limite de débit (rate limit)](https://broadrouter.com/fr/glossary/rate-limit/)

Une limite de débit (rate limit) est un plafond qu’une API impose à l’usage d’un client sur une période, par exemple en requêtes ou en tokens par minute. Les requêtes au-delà sont refusées, généralement avec HTTP 429 Too Many Requests, jusqu’à ce que l’usage repasse sous la limite.

[WAV](https://broadrouter.com/fr/glossary/wav/)

Le WAV (Waveform Audio File Format, ou WAVE) est un conteneur audio fondé sur le format RIFF de Microsoft et IBM. Il contient en général des échantillons PCM linéaires non compressés, d’où une taille prévisible : fréquence d’échantillonnage fois octets par échantillon fois canaux, par seconde.

## Questions fréquentes

### Puis-je écrire à des clients qui ne m’ont jamais contacté ?

Seulement s’ils ont accepté de recevoir des messages de votre entreprise, et uniquement avec des modèles de message approuvés. Les messages non sollicités enfreignent les règles de WhatsApp et peuvent entraîner la restriction de votre numéro.

### Pourquoi convertir les messages vocaux avant de les transcrire ?

Les messages vocaux WhatsApp sont des fichiers Ogg/Opus, et l’endpoint de transcription de BroadNet accepte le WAV ou le MP3. Une seule commande ffmpeg les convertit en WAV mono 16 kHz.

### Quel LLM doit rédiger les réponses ?

Testez sur vos propres messages. BroadNet indique que Qwen3.8 27B a compris les dialectes du Golfe et égyptien et écrit un arabe fluide lors de ses tests ; DeepSeek V4.1 Flash coûte moins cher par token et est disponible en forfait.

### Combien de temps un bot WhatsApp peut-il répondre sans modèle de message ?

Dans la fenêtre de service client de 24 heures qui suit le dernier message du client, vous pouvez envoyer des réponses libres. En dehors, la WhatsApp Business Messaging Policy n’autorise que des modèles de message approuvés.

### Un chatbot WhatsApp doit-il prévoir un relais humain ?

Oui. Les règles autorisent l’automatisation mais exigent des voies d’escalade rapides, claires et directes, comme le transfert vers un agent dans la conversation, un numéro de téléphone, une adresse e-mail ou un formulaire de support.

### BroadNet conserve-t-il les messages vocaux ?

Non. BroadNet Inference traite l’audio et les transcriptions pour la requête et ne les conserve pas. Vos propres serveurs et WhatsApp en gardent des copies : prévoyez aussi la conservation de ce côté.

## À lire ensuite

-   [Classification de texte arabe par LLM : sentiment, intention, tri](https://broadrouter.com/fr/blog/arabic-text-classification-llm/)
-   [Messages vocaux en texte : de WhatsApp et Telegram aux tickets](https://broadrouter.com/fr/blog/voice-notes-to-text-for-business/)
-   [Arabe du Golfe, égyptien et levantin : les LLM face aux dialectes](https://broadrouter.com/fr/blog/arabic-llm-gulf-egyptian-dialects/)
-   [Prompt engineering en arabe : registre, RTL, chiffres et texte mixte](https://broadrouter.com/fr/blog/arabic-prompt-engineering/)
-   [L’arabizi et les LLM : traiter le franco-arabe et ses chiffres 3 et 7](https://broadrouter.com/fr/blog/arabizi-llm-handling/)
-   [Gérer les erreurs 429 d’une API LLM : backoff, jitter et limiteurs](https://broadrouter.com/fr/blog/handle-llm-api-429-rate-limits/)
-   [Vocaliser un texte arabe avec un LLM : prompt, contrôles, DER](https://broadrouter.com/fr/blog/arabic-diacritization-llm/)
-   [Correction grammaticale et orthographique de l’arabe par LLM : guide](https://broadrouter.com/fr/blog/arabic-grammar-spelling-correction-llm/)
-   [Guide : Transcrire les messages vocaux WhatsApp en texte avec une API](https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/)
-   [Guide : API speech-to-text pour l’arabe, étape par étape](https://broadrouter.com/fr/guides/arabic-speech-to-text-api/)
-   [Guide : Codes d’erreur de BroadNet Inference : quand réessayer ?](https://broadrouter.com/fr/guides/errors-and-retries/)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-whatsapp-chatbot-architecture&utm_content=page-cta) ·

**Sources**

-   [Meta, WhatsApp Cloud API : créer un endpoint de webhook (X-Hub-Signature-256, nouvelles tentatives pendant 7 jours ; consulté le 2026-11-14)](https://developers.facebook.com/documentation/business-messaging/whatsapp/webhooks/create-webhook-endpoint)
-   [Meta, référence des webhooks de la WhatsApp Cloud API : messages audio (consultée le 2026-11-14)](https://developers.facebook.com/documentation/business-messaging/whatsapp/webhooks/reference/messages/audio)
-   [WhatsApp Business Messaging Policy (consultée le 2026-11-14)](https://whatsappbusiness.com/policy/)
-   [Référence de l’API de BroadNet Inference, transcription et conversion avec ffmpeg (consultée le 2026-11-14) (en anglais)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-whatsapp-chatbot-architecture&utm_content=sources)
-   [Tarifs lisibles par machine de BroadNet Inference, pricing.json (consultés le 2026-11-14) (en anglais)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-whatsapp-chatbot-architecture&utm_content=sources)
