OpenAI a présenté GPT-Live, qu'elle décrit comme une nouvelle génération de modèles vocaux et qui devient la version tout nouvelle de ChatGPT Voice. Son déploiement commence aujourd'hui pour les utilisateurs de ChatGPT partout dans le monde, en deux déclinaisons, GPT-Live-1 et un GPT-Live-1 mini plus léger. L'entreprise l'a presente comme le tout nouveau ChatGPT Voice avant une diffusion en direct, et l'argumentaire porte moins sur le fait que l'assistant en sait davantage que sur le fait qu'il parle enfin d'une manière qui ressemble moins à donner des ordres et davantage à tenir une conversation.

Le changement qui compte, c'est l'audio full-duplex. La plupart des assistants vocaux, y compris le mode vocal précédent d'OpenAI, fonctionnent à tour de rôle, vous parlez, le système attend que vous ayez fini, puis il répond, ce qui crée cette impression un peu figée, façon talkie walkie, qui a toujours rendu l'IA vocale un peu maladroite. GPT-Live écoute et parle en même temps. Concrètement, cela veut dire qu'il peut vous signaler qu'il vous suit avec un rapide mhmm ou yeah alors que vous êtes encore au milieu d'une phrase, gérer un échange rapide dans les deux sens sans longues pauses, intervenir ou se faire interrompre, ou simplement rester silencieux quand c'est le bon choix. C'est une différence qui semble minime mais qui change la texture de toute l'interaction.

La façon dont OpenAI l'a construit mérite aussi qu'on s'y arrête, car GPT-Live est conçu comme une couche conversationnelle rapide plutôt que comme un modèle unique censé tout faire. Lorsqu'une requête demande quelque chose de plus lourd, une recherche web, un raisonnement plus poussé, ou un travail plus complexe, GPT-Live délègue cette tâche à des modèles de pointe qui tournent en coulisses, et au lancement il utilise GPT-5.5 pour ces transferts. Le modèle vocal reste réactif et garde une voix humaine pendant que la réflexion plus ardue se fait ailleurs et revient dans la conversation. ChatGPT Voice peut désormais aussi afficher des cartes visuelles pour des choses comme la météo, la bourse, et le sport pendant que vous parlez, de sorte que l'expérience parlée n'est plus purement audio.

Il est utile d'être précis sur ce que ce lancement est et n'est pas. GPT-Live est une expérience vocale reconstruite, pas un nouveau modèle de pointe, et l'intelligence brute sur les questions difficiles provient du modèle auquel il délègue plutôt que de la couche vocale elle meme. Il arrive aussi avec de vraies limites, au lancement GPT-Live ne prend pas en charge la voix combinée à la vidéo ou au partage d'écran dans ChatGPT, deux fonctionnalités qu'OpenAI dit travailler encore à ajouter. L'avancée ici se situe donc dans l'interaction et l'architecture, dans la manière dont l'assistant parle et dont le travail est réparti, plutôt que dans un bond de l'intelligence du système de base.

Si cela compte, c'est que la voix est devenue discrètement l'un des fronts les plus disputés de l'IA grand public, avec Google, la voix Grok de xAI, et une vague de jeunes pousses qui poussent toutes pour rendre l'interaction parlée naturelle. Livrer un modèle vocal full-duplex à chaque utilisateur de ChatGPT d'un seul coup est un geste important dans cette course, et le choix de conception d'une façade rapide, toujours à l'écoute, qui délègue le gros du travail à un modèle de pointe est le genre de schéma que d'autres produits vont probablement copier. Rien de tout cela ne rend l'assistant plus intelligent en soi, mais cela relève nettement la barre de ce que représente le fait de lui parler, ce qui, pour bien des gens, est l'élément qui décide s'ils utilisent la voix tout court.