Bien que l’Internet se développe rapidement, le téléphone reste encore le favoris du public en matière de communication. Plus convivial car le contact est presque réel, il reste plus simple d’utilisation. Pourtant, il fusionne de plus en plus avec le matériel informatique.

Les utilisateurs du téléphone ont depuis toujours été habitués à payer leurs communications en fonction de la distance et de la durée de celles-ci, mais depuis l’émergence et l’extraordinaire développement de l’Internet, les mentalités changent et on s’habitue au principe de réseau informatique et de son accès forfaitaire. On peut ainsi communiquer, par écran interposé, n’importe où dans le monde sans aucune considération financière puisque le prix est toujours celui d’une communication locale.
C’est évidemment cet aspect financier qui est à l’origine de la téléphonie sur IP. Car c’est une révolution au niveau des tarifs qui s’annoncent démesurément bas.

Déjà opérationnelle, la téléphonie sur Internet est d’une qualité médiocre, mais les prix et les perspectives d’amélioration sont là pour masquer les faiblesses, ainsi une communication Paris - New York coûterait moins de 1F/Minute, chose inconcevable en France sur le réseau classique. Le véritable enjeu de la VoIP dépasse le cadre de la téléphonie bon marché sur l’Internet. En effet, la possibilité de combiner voix, données et vidéo sur le même réseau de transport permet d’imaginer de nouvelles applications. Par exemple la vidéo conférence sur Internet. D’autres applications sont en gestation, telle la messagerie unifiée pour envoyer indifféremment des messages voix sur IP, électroniques ou télécopie via l’Internet.

La voix sur IP permet d’enrichir le travail coopératif. Celui-ci mêlant la voix aux données sur IP affranchit les utilisateurs des contraintes liées à l’éloignement. Après le groupware de données, voici le temps du groupware multimédia; Avec ces applications coopératives, les utilisateurs peuvent dialoguer avec un correspondant, tout en consultant simultanément les mêmes données sur leur ordinateur, grâce aux infrastructures Internet. Le développement actuel des technologies IP devrait faciliter le travail de coopération multimédia. Avant 1996, les solutions de voix sur IP reposaient sur des architectures propriétaires. Ces solutions présentaient des défauts parmi lesquels :
- le manque d’interopérabilité des équipements
- l’impossibilité de raccordement au réseau public (seuls les ordinateurs pouvaient communiquer entre eux)
- l’absence d’architecture générale pour la connexion de n’importe quel type de terminal. Chaque architecture était définie pour deux équipements d’extrémité spécifiques et ne pouvait pas interopérer avec d’autres équipements.

De nombreuses organisations ont alors pris part à l’élaboration d’un standard suffisamment général pour décrire toutes les possibilités de service de voix sur IP. Ils se sont regroupés au sein d’un groupe de travail de l’UIT.

Les organismes de normalisation impliqués dans la définition de standards pour la voix sur IP sont :
- UIT-T (Union Internationale des Télécommunications, secteur Télécoms)
- IETF (Internet Engineering Task Force)
- IMTC (International Multimedia Teleconferencing Consortium)
- ECTF (Entreprise Computer Telephony Forum)
- ETSI (European Telecommunication Standards Institute)
- International Teleconferencing Association
- International Multimedia Association.

Ces organismes ont participé à l’élaboration de la norme H.323 dont le respect permet de garantir l’interopérabilité des équipements et la qualité de service. La norme H.323 traite des systèmes de communication multimédia en mode paquet, et normalise la transmission de la voix, de la vidéo, des conférences audio ou vidéo sur IP. Les principaux apports de H.323 sont les suivants :

- Définition des normes de compression des flux audio et vidéo que les équipements doivent nécessairement supporter ;
- Définition des protocoles de signalisation pour l’interopérabilité des équipements
- Limitation de la bande passante réservée pour chaque type de communication
- Indépendance vis-à-vis des applications et systèmes d’exploitation
- Indépendance vis-à-vis du réseau physique supportant la communication. D’autres normes existent, telles que SIP (Session Invitation Protocol) adoptée par l’IETF, ou en cours d’élaboration GLP (Gateway Location Protocol) pour déterminer les passerelles les plus proches d’un correspondant. Mais la large majorité de l’industrie et les solutions actuelles ont misé sur H.323.