GPT-Live d'OpenAI cesse enfin d'attendre que vous ayez fini de parler

OpenAI a livré une refonte fondamentale de la manière dont ChatGPT gère la voix. Le nouveau modèle, appelé GPT-Live, remplace le dialogue à tour de rôle maladroit qui a affecté les assistants vocaux IA depuis le début de cette catégorie. Au lieu d'attendre le silence pour décider que c'est son tour, le système fonctionne désormais en full-duplex, écoutant et parlant simultanément, comme une conversation téléphonique humaine. openais-new-gpt-live-1-wants-to-talk-not-just-take-turns

Plus de 150 millions de personnes utilisent chaque semaine les fonctions vocales et de dictée de ChatGPT, selon OpenAI. Ils pratiquent des langues étrangères, racontent des histoires pour enfants ou passent le temps pendant les trajets. À partir d'aujourd'hui, ces utilisateurs découvriront ce qu'OpenAI décrit comme une mise à niveau « bean-bag ». L'IA ne se comporte plus comme une machine froide à répondre aux questions. Elle utilise des signaux de rétroaction comme « mm-hmm » et « got it ». Elle attend patiemment lorsque l'interlocuteur hésite. Elle peut même rechercher des informations en arrière-plan tout en maintenant un ton décontracté.

L'architecture derrière la sensation naturelle

Les systèmes vocaux précédents, y compris la version originale de ChatGPT Voice, reposaient sur une cascade. Reconnaissance vocale, génération de texte par un grand modèle de langage, puis synthèse vocale. Le décalage était gênant. Même le mode vocal avancé, qui a introduit un modèle de bout en bout traitant directement les flux audio, était encore prisonnier du tour de rôle. Il utilisait la détection du silence. Une fois que vous arrêtiez de parler, l'IA commençait. Cela le rendait fragile dans les environnements bruyants.

L'architecture full-duplex de GPT-Live change tout. Le modèle prend des centaines de micro-décisions par seconde pour savoir s'il doit parler, écouter, faire une pause ou interrompre. Le résultat est un rythme conversationnel qui ressemble enfin à une interaction humaine. Il peut dire « attendez, laissez-moi réfléchir » puis rester silencieux. Il peut traiter une question que vous posez alors que vous êtes à mi-phrase. Et il filtre les bruits de fond bien plus efficacement que ses prédécesseurs. nvidias-audex-packs-five-audio-jobs-into-one-model-and-beats-the-specialists

OpenAI a également remasterisé les neuf voix intégrées de ChatGPT pour offrir une intonation et une gamme émotionnelle plus expressives.

Raisonnement dissocié : conversation en façade, calcul en coulisses

La décision architecturale la plus importante est la séparation des capacités conversationnelles et de raisonnement. GPT-Live lui-même est un modèle léger optimisé entièrement pour une interaction naturelle et à faible latence. Lorsqu'une question nécessite un raisonnement profond, une recherche sur le Web ou des tâches d'agent complexes, GPT-Live confie discrètement le travail au dernier modèle de pointe, dans cette première version, GPT-5.5.

Pendant que GPT-5.5 traite la réponse, GPT-Live maintient le flux de la conversation avec des paroles de remplissage, gagnant du temps jusqu'à ce que le résultat soit prêt. Les utilisateurs peuvent sélectionner l'intensité de l'inférence : Instant pour la rapidité, Medium pour l'équilibre, ou High pour une réflexion approfondie. openais-gpt-56-launch-rewrites-the-economics-of-frontier-ai

Cette dissociation crée une voie de mise à niveau à long terme. Chaque fois qu'un nouveau modèle de pointe est publié, GPT-Live peut commencer à l'appeler. OpenAI a laissé entendre qu'une série GPT-5.6 pourrait arriver dès demain, avec GPT-Live positionné comme compagnon frontal. gpt-56-is-here-three-models-a-tiered-safety-doctrine-and-the-question-nobody-is-answering-yet

Benchmarks : une victoire décisive

Dans des tests en aveugle où les évaluateurs ont tenu des conversations de 5 à 10 minutes, GPT-Live-1 a été préféré 75,7 % du temps par rapport au mode vocal avancé précédent. Même le plus petit GPT-Live-1 mini a obtenu 69,2 %.

Sur des métriques difficiles, l'écart se creuse.

• GPQA (physique, chimie, biologie de niveau expert) : GPT-Live-1 en raisonnement High a atteint 84,2 % de précision, contre 45,3 % pour le mode vocal avancé.
• BrowseComp (recherche Web complexe et tâches d'agent) : le mode vocal avancé a géré 0,7 %. GPT-Live-1 a atteint 75,2 %.
• Test Telecom interne (support client multi-tours) : GPT-Live-1 a mené en termes d'achèvement des tâches dans l'ensemble.

OpenAI prévoit de publier une version API prochainement. Les développeurs peuvent déjà s'inscrire pour un accès anticipé.

Cartes visuelles et garde-fous de sécurité

La voix pure peut être inefficace. GPT-Live affiche désormais des cartes visuelles à l'écran lorsque la conversation bénéficie d'un diagramme, d'une liste ou d'une carte. L'interface vocale devient une passerelle vers la recherche, la mémoire, la reconnaissance d'image et le traitement de fichiers.

La sécurité a été une priorité majeure. Parce que la voix est immédiate, le blocage post-hoc traditionnel est trop lent. OpenAI a introduit une évaluation audio native et un red-teaming avec données synthétiques. Le système peut orienter une conversation dangereuse vers des réponses sûres en cours de route, ou, dans les cas extrêmes, couper l'audio et proposer une ligne d'écoute. the-quiet-finding-on-chain-of-thought-monitoring-that-should-worry-frontier-labs

Des contrôles parentaux sont intégrés pour les utilisateurs mineurs. Et OpenAI interdit explicitement le clonage vocal. GPT-Live utilise uniquement ses neuf voix prédéfinies, pas des imitations de personnes réelles.

Un mécanisme de surveillance à long terme a été établi pour étudier l'attachement émotionnel. Comme le note OpenAI, lorsqu'une voix IA dit « mm-hmm » avec une chaleur apparemment sincère, le risque que les utilisateurs nouent des liens émotionnels est réel.

Disponibilité et limitations

GPT-Live est déployé dès maintenant sur iOS, Android et le Web. Les abonnés ChatGPT Plus et Pro reçoivent la version complète de GPT-Live-1. Les utilisateurs du niveau gratuit reçoivent la variante mini. Le partage d'écran et le chat vidéo ne sont pas pris en charge au lancement. Les utilisateurs qui ont besoin de ces fonctionnalités doivent revenir à l'ancienne interface.

OpenAI précise également que GPT-Live est optimisé pour les langues les plus populaires de ChatGPT. Certaines langues peuvent encore comporter un « accent étranger » ou occasionnellement manquer leur cible. L'entreprise indique qu'elle travaille à étendre la couverture.

Après des années à espérer que l'IA nous comprenne simplement, GPT-Live offre quelque chose de différent : la sensation qu'elle écoute vraiment. the-98-crash-of-the-trump-memecoin-was-predictable-here-is-what-it-reveals-about-crypto-regulation