OpenAI vient de lancer GPT-Live : le mode vocal ChatGPT a appris à mieux écouter, se taire et mieux répondre

Greg Brockman a démarré le live OpenAI en faisant quelque chose de très simple : parler à ChatGPT et l’interrompre pendant qu’il répondait. Ce qui comptait, ce n’étaient pas les questions, mais la réaction du système. Au lieu de s’arrêter avec une coupure nette, comme cela pouvait arriver dans les expériences précédentes, dans la démo, la voix semblait ajuster l’interruption de manière plus naturelle. Il s’agissait d’une courte démo, mais elle a servi à montrer la promesse de GPT-Live : le mode vocal de ChatGPT non seulement parle mieux, mais sait aussi quand répondre, quand attendre et quand se taire.

GPT-Live est le nom choisi par OpenAI pour cette nouvelle étape du mode vocal de ChatGPT. Il ne s’agit pas simplement d’une couche sonore plus raffinée, mais d’une famille de modèles conçus pour traiter la parole différemment. Une architecture appelée full-duplex permet à l’IA d’écouter tout en générant une réponse, ce qui, selon l’entreprise, réduit la rigidité des changements traditionnels.

Depuis 2022, OpenAI fait évoluer la relation avec ses modèles du clavier vers des formes d’interaction de plus en plus proches. ChatGPT a marqué un avant et un après dans la relation massive avec les modèles de texte ; les premières fonctionnalités vocales ajoutaient une couche plus naturelle ; et GPT-4o a porté cette ambition vers une expérience beaucoup plus expressive, inévitablement associée à « Elle ». L’annonce de GPT-Live intervient après cette tournée. Sa promesse n’est pas seulement de paraître plus humaine, mais de résoudre une friction moins spectaculaire et plus importante : comment avoir une conversation sans qu’elle ne ressemble à une succession de commandes.

La voix ChatGPT ne fonctionne plus uniquement à tour de rôle

Pour comprendre le changement, il faut regarder comment fonctionnaient les générations précédentes. OpenAI explique que le premier mode vocal de ChatGPT était un système en cascade : un modèle transcrivait la voix, un autre générait la réponse et un troisième la reconvertissait en audio. Le mode vocal avancé a réduit ces frictions en traitant et en générant l’audio au sein d’un seul modèle, tout en fonctionnant à tour de rôle. GPT-Live change cette logique : vous ne travaillez plus uniquement avec des messages séparés, mais avec une interaction continue qui vous permet de décider plusieurs fois par seconde si vous devez parler, écouter, faire une pause ou utiliser un outil.

Alors que pouvons-nous faire en pratique ? Eh bien, la société dirigée par Sam Altman donne plusieurs exemples. Nous pouvons interrompre avec une question, faire une pause pour réfléchir ou demander au système de parler plus lentement. La voix peut également répondre par de brefs signaux tels que « mmm » ou « oui » pour indiquer qu’elle écoute toujours, et la société affirme avoir amélioré sa capacité à se concentrer sur la voix de l’utilisateur en cas de bruit de fond. À cela s’ajoutent les neuf voix ChatGPT remasterisées pour GPT-Live, des réponses visuelles sous forme de cartes pour des requêtes telles que la météo, les sports, les actions et autres données rapides, ainsi qu’une prise en charge de la recherche, de la mémoire, des images et du téléchargement de fichiers.

L’autre élément important est ce qui se passe lorsque la conversation exige plus qu’une réponse rapide. OpenAI explique que GPT-Live peut déléguer des recherches sur le Web, des raisonnements ou des tâches plus complexes à ses modèles frontières, tout en gardant vivante la conversation avec l’utilisateur. Au lancement, cette couche de support sera GPT-5.5, bien que la société indique qu’elle mettra à jour le modèle utilisé en arrière-plan au fur et à mesure de la sortie de nouvelles générations. Le mode vocal de ChatGPT vous permettra également de choisir entre des niveaux de raisonnement : Instantané pour des réponses rapides, et Moyen ou Élevé lorsque vous avez besoin de passer plus de temps à réfléchir.

L’entreprise affirme que le saut ne se limite pas à une impression d’utilisation. Dans leurs évaluations internes, les GPT-Live-1 et GPT-Live-1 mini (la version plus petite du modèle qui arrive sur les comptes gratuits) apparaissent au-dessus du mode vocal avancé dans des conversations comparatives de cinq à dix minutes, à la fois en termes de préférence globale et de fluidité, d’interruptions, de virages et de sensation naturelle. OpenAI cite également les progrès du raisonnement scientifique, de la recherche d’agents et des tâches d’assistance téléphonique simulées. Bien entendu, ces résultats servent de première référence, mais ils proviennent d’OpenAI lui-même et il faudra voir quel impact ils ont dans la vie réelle.

GPT-Live commence aujourd’hui à être déployé auprès des utilisateurs de ChatGPT sur iOS, Android et ChatGPT.com. OpenAI parle d’un déploiement mondial et ne mentionne pas d’exclusion spécifique pour l’Union européenne, même s’il convient de maintenir la nuance : dans d’autres déploiements de fonctions d’IA, il y a eu des doutes ou des retards dans la région. GPT-Live-1 sera le modèle par défaut pour les utilisateurs Go, Plus et Pro, tandis que les comptes gratuits, comme on dit, utiliseront GPT-Live-1 mini. L’API arrivera plus tard, sans date précise pour l’instant.

Désormais, il existe également une limitation importante au lancement : GPT-Live ne prend actuellement pas en charge la voix avec vidéo ou le partage d’écran dans ChatGPT, bien qu’OpenAI indique qu’il travaille à introduire ces fonctionnalités ultérieurement.

Images | OpenAI

À Simseo | Meta a déjà son rival pour Nano Banana 2. Son problème est le même que toujours : envahir sans pitié notre vie privée