Les technologies automatiques de la parole et du langage restent fortement biaisées en faveur des langues dotées de ressources importantes, ce qui limite leur applicabilité aux contextes dialectaux et à faibles ressources tels que le dialecte algérien. Cette langue présente des défis supplémentaires, notamment l'absence d'orthographe normalisée, une alternance codique fréquente avec le français et la rareté des ressources vocales annotées. Cet article aborde le problème de la construction d'un système conversationnel complet de parole à parole (speech-to-speech) pour le dialecte algérien. Nous proposons un pipeline modulaire intégrant la reconnaissance automatique de la parole (ASR), la compréhension du langage naturel (NLU), la génération augmentée par récupération (RAG) et la synthèse de la parole (TTS) au sein d'une architecture unifiée. Ce travail s'inscrit dans la continuité de nos travaux précédents sur les systèmes conversationnels dialectaux algériens, en l'étendant d'une modélisation de dialogue textuelle à une interaction vocale complète. Nous avons construit des ensembles de données dédiés pour l'ASR, la NLU et la TTS dans le domaine des télécommunications et affiné des modèles pré-entraînés pour chaque composant. Le système ASR repose sur une adaptation de Whisper, tandis que le module NLU combine des plongements lexicaux basés sur des transformers avec un cadre de dialogue orienté tâche. Un système TTS neuronal est entraîné sur un corpus dialectal nouvellement collecté pour permettre la génération de réponses parlées. Les résultats expérimentaux montrent de solides performances pour l'ensemble des composants, notamment un faible taux d'erreur sur les mots pour l'ASR, des scores élevés de classification des intentions et de reconnaissance des entités pour la NLU, ainsi qu'une qualité stable de synthèse de la parole.