L'IBM 1750 conçu à La Gaude est la première messagerie vocale commercialisée en 1982 (prix minimum

de 2,5 millions de francs pour quelques accès). Le tout premier serveur vocal interactif pour des services
grand public est apparu en France en 1983. Il servait pour l'horoscope de Madame Soleil et les résultats
des courses de chevaux. Il avait été mis en place par la Société du Journal Télévisé, une société ad-hoc
créée par France-Telecom et deux de ses ingénieurs Alain Bernard et Didier Dupraz, qui pour cela avait
créé le système "kiosque téléphonique" qui facturait chaque appel en fonction du numéro appelé avec
des tranches de tarifs différentes. Ce système existe toujours avec ce couple technique+facturation qui
est à la base de l'importante industrie de fournisseurs de SVI qui s'est alors créée en France, les plus
notables étant FERMA, Alcatel TITN, XCOM utilisant la base d'un serveur du commerce et des cartes
électroniques spéciales ("cartes vocales"). FERMA a été le premier à fournir des systèmes où la parole
était créée par Text To Speech ("synthèse à partir du texte")[3] avec la technologie de diphones du CNET
développée à Lannion et aussi donnant la possibilité de dialogue à partir à la fois de "postes à cadran"
[4] et de postes à touche DTMF. La technologie originale de traitement des signaux transitoires envoyés
par les cadrans était importante compte-tenu du parc limité des postes DTMF et de l'absence de
reconnaissance de parole multi-locuteur de performance suffisante, les utilisateurs en étaient si
convaincus cette fonctionnalité "reconnaissance décimale" faisait partie des obligations dans les appels
d'offres publics audiotels de la fin des années 1990. De nombreuses applications vocales basées sur
l'interactivité par "téléphone décimal" ont pu se développer à Taïwan et en Chine,pays où il y avait très
peu de DTMF à cette époque.

Cette technologie de SVI était cependant considérée comme complexe et coûteuse pour
l’automatisation des tâches en centres d’appels[5]. En 1990 le prix moyen par ligne d'accès à un service
vocal était en effet de 1 200 euros actuels. Les premiers systèmes de réponse vocale de forte capacité
avec la parole enregistrée sur disque dur sont apparus en France en 1987 (les machines Divaphone de
FERMA poussées par la demande pour le kiosque Audiotel de Météo-France [6] . À l'époque la
technologie des disques durs (de la mémoire vive en lecture/écriture aux données vocales numérisées)
avait le niveau nécessaire. Un système pouvait stocker un discours numérisé sur disque, diffuser le
message vocal correspondant et traiter la réponse de la personne par codes DTMF (dual-tone multi-
frequency). Un 2e élan a été la création des 2 premiers opérateurs GSM en France au début 1990
(Itineris de France-Telecom et SFR) avec raccordement ISUP 2 Mbit/s, puis l'éphémère Bi-Bop de France-
Telecom en technologie CT0 et son concurrent le système DECT de St-Maur[7] installé par SFR en 1995,
ces systèmes mobiles nécessitant des grosses Messageries Vocales basées sur la technologie des SVIs,
FERMA étant le fournisseur majeur. [8] . La capacité des plus gros SVI Divaphone 3 [9] à base d'UNIX
standard utilisés dans les messageries vocales en 1995 atteignait 480 accès simultanés (16 faisceaux
2Mbits/sec) dans le projet Organe Serveur Vocal(OSV) de France Telecom. En 1997, il existait des cartes
vocales à interfaces numériques 2 Mbit/s E1(4 MIC dans EPONINE 120 était le maximum atteint pour
120 accès dans une seule carte de PC au format PCI), équipées d'un processeur de traitement du signal
TMS 320 le plus puissant de l'époque; elles suivaient les premières cartes à un seul accès téléphonique
analogique de 1985 (Cosette, EPONINE/FXT, cartes LSI, cartes Brooktrout, Elan Informatique, Acsys,
Dialogic).
Durant la deuxième moitié des années 1990, avec la multiplication des ventes de modems bas débit, le
serveur vocal amateur s'est démocratisé. Ceci parce que certains des modems étaient livrés avec des
logiciels outils, dont une minorité était capable de faire office de répondeur téléphonique évolué, plus
exactement de serveur vocal miniature (sur une seule ligne téléphonique, celle du modem). ex. :
Infoback pro, FotoWin Pro de RTE Software. Ce logiciel avait pour principales utilités de permettre au
modem d'assurer les fonctions de fax (télécopieur), d'accès au mode terminal (pour accès à des Bulletin
board system), et en France de Minitel. Dès 2012, la plupart de ces logiciels ont cessé d'être
commercialisés. Il existe quelques logiciels permettant de faire fonction de serveur vocal via le modem :
IVRPhone (2008)[10].

À partir des années 2000, la réponse vocale est devenue de plus en plus courante, et moins coûteuse à
développer du fait de l’amélioration de la puissance des cartes vocales et de la migration des
applications de reconnaissance et de synthèse vocale d’un code propriétaire à des standards,
notamment VoiceXML.

Le passage à la téléphonie VoIP (plus d'accès analogique ni RNIS offert commercialement) à partir de
2010 et l'augmentation de puissance des serveurs ont supprimé le besoin de cartes vocales spécifiques
pour les SVIs tant du point de vue accès au réseau (tous les serveurs ont une interface IP) que
traitement du signal ou traitement de codage de parole vocal.

Même chez les opérateurs mobiles très conservateurs, les messageries vocales traditionnelles avec
raccordement ISUP par des MICs à 2M/sec sont en voie de disparition complète remplacée par de la
VoIP en SIP. Il n'y a plus besoin de cartes vocale: le DTMF est remplacé par des messages de signalisation
SIP ou "in band" dans le flux RTCP traité par les processeurs principaux du serveur.

https://fr.m.wikipedia.org/wiki/Serveur_vocal_interactif