Parler et écouter en même temps : GPT-Live

OpenAI renouvelle la voix de ChatGPT avec GPT-Live, une génération de modèles vocaux pensée pour des échanges plus proches d'une vraie conversation. Le socle est une architecture full-duplex : le modèle écoute et parle en même temps, glisse des marqueurs d'attention (« mhmm », « oui »), relance au quart de tour ou se tait quand l'utilisateur réfléchit.

Deux partis pris techniques sous-tendent le résultat. D'abord l'interaction continue : au lieu de traiter des tours de parole séparés, GPT-Live décide plusieurs fois par seconde s'il parle, écoute, s'interrompt ou appelle un outil, ce qui rend aussi possible la traduction en direct. Ensuite la délégation : dès qu'une question réclame une recherche web ou du raisonnement, le modèle vocal la confie en arrière-plan à un modèle de frontière (GPT-5.5 au lancement) et poursuit la conversation en attendant le résultat, avec trois niveaux d'effort au choix (Instant, Medium, High).

Le mode vocal de ChatGPT hérite de ces changements : neuf voix remastérisées, meilleure écoute en milieu bruyant, attente sans coupure quand on hésite, et cartes visuelles pour la météo, la Bourse ou le sport en cours d'échange. OpenAI revendique une nette préférence face à son précédent Advanced Voice Mode dans ses propres tests.

L'éditeur détaille aussi une sécurité pensée pour la voix : évaluations audio, entraînement dédié (automutilation, psychose, dépendance émotionnelle, violence, contenu sexuel) et garde-fous capables d'agir en cours de parole, jusqu'à mettre fin à l'échange dans les cas à risque, avec des protections pour les mineurs via le contrôle parental. Le modèle reste cantonné à des voix prédéfinies, sans imitation de personnes réelles.

Le déploiement est mondial sur iOS, Android et ChatGPT.com : GPT-Live-1 devient le modèle par défaut des offres Go, Plus et Pro, GPT-Live-1 mini celui de l'offre gratuite, l'accès API étant annoncé pour bientôt. Au lancement, l'accent peut rester non natif selon les langues, sans prise en charge de la vidéo ni du partage d'écran, les modes Standard et Advanced Voice demeurant accessibles.