OpenAI présente GPT-Live : une révolution dans le mode vocal de ChatGPT
Greg Brockman a récemment lancé un direct d’OpenAI en réalisant une démonstration captivante : converser avec ChatGPT tout en l’interrompant. L’accent n’était pas sur les questions posées, mais plutôt sur la réaction de l’IA. Contrairement aux précédentes versions qui s’arrêtaient abruptement, la voix de la démonstration a intégré les interruptions de manière fluide. Cela met en lumière la promesse de GPT-Live, qui ne se contente pas d’améliorer la qualité de la voix, mais sait également quand réagir, attendre ou se taire.
Qu’est-ce que GPT-Live ?
GPT-Live représente une nouvelle avancée majeure dans le mode vocal de ChatGPT. Ce n’est pas simplement un rafraîchissement sonore, mais une architecture de modèles conçue pour transformer la manière dont les conversations sont traitées. Grâce à une technologie appelée full-duplex, l’IA peut écouter en générant une réponse, ce qui réduit la rigidité des échanges traditionnels.
Une interaction plus naturelle
Depuis 2022, OpenAI a évolué vers des formes d’interaction plus humaines. ChatGPT a marqué un tournant dans l’utilisation des modèles de texte, et les premières fonctionnalités vocales ont rendu l’interface plus intuitive. Avec GPT-4o, cette ambition s’est traduite par une expérience enrichie, souvent comparée à celle du film ‘Her’. Le lancement de GPT-Live vient couronner ce parcours, visant à assurer des échanges semblables à de vrais dialogues, plutôt qu’à une simple succession de commandes.
Une architecture révolutionnaire
Pour apprécier le saut technologique, il est essentiel de comprendre le fonctionnement des précédentes générations. Le mode vocal initial de ChatGPT utilisait un système en cascade : transcription vocale, génération de réponse, puis reconversion en audio. Bien que la version avancée ait réduit certaines frictions, elle maintenait un fonctionnement basé sur des tours de parole. GPT-Live, en revanche, permet une interaction continue, offrant à l’IA la possibilité de déterminer, plusieurs fois par seconde, si elle doit parler, écouter ou faire pause.
Pratiques de conversation enrichies
OpenAI a fourni plusieurs exemples concrets des fonctionnalités améliorées. Les utilisateurs pourront interrompre l’IA pour poser des questions, prendre des pauses pour réfléchir, ou même demander de modérer la vitesse de la voix. De plus, la voix peut répondre par des sons d’acquiescement comme “mmm” ou “oui” pour montrer qu’elle continue d’écouter. De nouvelles voix ont également été remastérisées, et des réponses visuelles sous forme de cartes seront disponibles pour des requêtes rapides concernant la météo, le sport ou la bourse.
Une assistance dynamique pour des tâches complexes
L’un des aspects notables de GPT-Live est sa capacité à gérer des demandes plus complexes. Il peut déléguer des tâches de recherche, de raisonnement ou d’autres opérations avancées tout en maintenant sa conversation avec l’utilisateur. Pour le lancer, GPT-5.5 servira de support, et OpenAI prévoit d’actualiser le modèle au fur et à mesure que de nouvelles versions seront publiées.
Performances impressionnantes
Selon les évaluations internes d’OpenAI, GPT-Live-1 et sa version mini surpassent la version vocale avancée dans des conversations de cinq à dix minutes, notamment en termes de fluidité et de naturalité. Ces résultats, bien que prometteurs, nécessiteront une validation dans des conditions réelles afin d’évaluer leur impact réel.
Déploiement et limites
GPT-Live est désormais en cours de déploiement pour les utilisateurs de ChatGPT sur iOS, Android, et via ChatGPT.com. OpenAI a annoncé un déploiement mondial, sans exclusions spécifiques pour la zone de l’Union Européenne, bien qu’il y ait souvent des incertitudes à ce sujet lors des lancements. GPT-Live-1 sera le modèle par défaut pour les utilisateurs payants, tandis que les comptes gratuits utiliseront GPT-Live-1 mini. Une API est également prévue ultérieurement.
Cependant, il est important de noter que GPT-Live ne prend pas encore en charge la voix avec vidéo ou le partage d’écran, mais OpenAI travaille à l’introduction de ces capacités dans le futur.