OpenAI lance une IA vocale qui sait aussi se taire

Avec GPT‑Live‑1, OpenAI propose aux développeurs une couche vocale qui peut écouter et parler en même temps. L’architecture vise à éviter les délais créés par l’enchaînement classique transcription, modèle de texte et synthèse vocale. Le raisonnement approfondi peut être confié à un modèle en arrière-plan sans figer la conversation. C’est une avancée d’ingénierie, pas de démonstration : elle ne se voit sur aucun benchmark, elle s’entend.

Le bon indicateur n’est pas la voix, c’est le silence

L’indicateur le plus parlant ne mesure pas la beauté de la voix. Dans des évaluations initiales citées par OpenAI, Speak dit avoir réduit de près de 80 % les interruptions de son tuteur lorsque les élèves prennent le temps de réfléchir, par rapport à une génération précédente fondée sur des tours de parole. Il s’agit d’une mesure rapportée par un partenaire, pas d’un résultat universel. Elle pointe pourtant la seule chose qui compte en usage réel : un tuteur qui coupe la parole à un élève en train de réfléchir est inutilisable, quel que soit son score.

L’arrivée dans l’API rend cette logique disponible à des produits variés. Elle ouvre surtout la question qui décidera de la qualité : qui fixe le ton, le temps de pause, le moment où l’agent prend une initiative ? Le prochain palier des agents vocaux ne viendra pas d’un modèle plus gros, mais de règles de conversation mieux écrites. Bonne nouvelle : cela se travaille tout de suite, sans attendre la génération suivante.

Découvrir la présentation de GPT‑Live‑1 ↗