La fonction vocale de ChatGPT bénéficie d'une mise à jour « GPT Live » pour des conversations en temps réel

OpenAI a amélioré ChatGPT Voice grâce au nouveau système GPT Live, offrant des conversations plus naturelles, la possibilité d'écouter et de parler simultanément, ainsi que des réponses plus intelligentes générées par ses modèles d'IA les plus récents. Cette mise à jour introduit GPT Live 1 et GPT Live 1 mini, remplaçant l'ancienne expérience vocale pour les utilisateurs de toutes les formules d'abonnement. Le déploiement concerne également ChatGPT sur iOS, Android, le Web et CarPlay. Selon OpenAI, ce nouveau mode vocal permet des interactions plus riches, des réponses visuelles et une meilleure gestion des conversations prolongées.

Déploiement mondial de la mise à jour GPT Live pour ChatGPT Voice
D'après un communiqué de presse d'OpenAI, l'entreprise a lancé GPT Live, une nouvelle famille de modèles vocaux qui propulse désormais ChatGPT Voice. Cette mise à jour vise à rendre les interactions orales plus fluides tout en permettant à l'assistant de continuer à traiter des requêtes complexes en arrière-plan. OpenAI a commencé à rendre GPT Live 1 et GPT Live 1 mini accessibles aux utilisateurs de ChatGPT dans le monde entier, une disponibilité via API étant prévue pour plus tard.

Le nouveau système vocal repose sur une architecture en duplex intégral qui lui permet d'écouter et de répondre simultanément. Au lieu d'attendre que l'interlocuteur ait fini de parler, le modèle traite en continu le flux audio entrant et décide s'il doit répondre, marquer une pause, poursuivre l'écoute, interrompre l'interlocuteur au moment opportun ou recourir à un autre outil. Cette approche favorise des conversations plus fluides et rapides tout en prenant en charge des fonctionnalités telles que la traduction en temps réel.

OpenAI a indiqué que GPT Live dissocie l'interaction vocale des tâches de traitement avancées. Lorsqu'une requête nécessite une recherche sur le Web, un raisonnement approfondi ou des capacités d'agent autonome, le modèle vocal confie la tâche à un autre modèle d'IA tout en poursuivant la conversation. La version initiale s'appuie sur GPT 5.5 comme modèle de raisonnement sous-jacent, bien qu'OpenAI ait précisé que de futurs modèles de pointe viendraient le remplacer au fil du temps.

L'entreprise a expliqué que GPT Live remplace les technologies vocales antérieures, qui reposaient sur une chaîne séquentielle de modèles de transcription (parole vers texte), de traitement du langage et de synthèse vocale (texte vers parole). Il succède également au mode « Advanced Voice Mode », basé sur une alternance stricte de la parole (tour de parole), qui obligeait les utilisateurs à cesser de parler pour recevoir une réponse et risquait d'interpréter à tort des pauses ou des bruits de fond comme la fin de la conversation.

Selon OpenAI, des évaluations humaines ont montré que GPT Live 1 et GPT Live 1 mini surpassaient « Advanced Voice Mode » en termes de qualité globale de conversation. Les tests ont porté sur la fluidité de l'échange, les interruptions, la gestion des tours de parole, le naturel de l'interaction et les préférences des utilisateurs. L'entreprise a également fait état de performances accrues sur les benchmarks GPQA (pour le raisonnement scientifique), BrowseComp (pour la recherche web autonome) et son propre test de référence interne dédié à la téléphonie vocale.

La version actualisée de la fonctionnalité vocale de ChatGPT permet des conversations plus naturelles en reconnaissant les pauses sans interruptions inutiles. Les utilisateurs peuvent interrompre l'assistant, lui demander de ralentir ou lui ordonner de rester silencieux jusqu'à ce qu'il soit sollicité. Le modèle peut également signaler qu'il est à l'écoute grâce à de brèves réponses verbales. OpenAI a par ailleurs mis à jour les neuf voix intégrées de ChatGPT pour GPT Live.

Le nouveau système peut accéder aux derniers modèles de pointe d'OpenAI pour générer des réponses plus performantes. Les utilisateurs ont le choix entre trois modes de raisonnement — Instantané, Moyen et Élevé — selon qu'ils privilégient la rapidité de réponse ou un raisonnement plus approfondi. ChatGPT Voice peut également afficher des cartes visuelles pour des sujets tels que la météo, la bourse et le sport, tout en prenant en charge la recherche, la mémoire, le traitement d'images et le téléchargement de fichiers.

OpenAI a indiqué que ce mode vocal amélioré offre de meilleures performances dans les environnements bruyants en se concentrant sur la voix de l'utilisateur. Il est également capable de patienter durant des pauses plus longues au lieu de répondre immédiatement, rendant ainsi les conversations moins rigides qu'auparavant.

L'entreprise a indiqué que GPT Live intègre des mesures de sécurité spécifiques conçues pour les interactions vocales. Elle a élargi ses tests en recourant à des évaluations audio et à des scénarios simulés couvrant des domaines tels que l'automutilation, la psychose, la phase maniaque, la violence, les contenus à caractère sexuel et la dépendance émotionnelle vis-à-vis de l'IA. Des équipes internes ont également effectué des tests de type « red team » afin d'identifier les risques propres aux conversations orales.

OpenAI a ajouté que GPT Live est capable d'intervenir en cours de conversation s'il détecte des réponses potentiellement dangereuses. Selon la situation, le système peut orienter l'échange vers une réponse plus sûre, fournir des informations de sécurité complémentaires ou mettre fin à l'interaction dans les cas présentant un risque élevé. Pour les conversations impliquant un risque d'automutilation, le système peut également proposer des ressources d'aide en cas de crise, validées par des experts. Le dispositif adopte un comportement adapté aux adolescents, tandis que des outils de contrôle parental permettent aux parents de gérer l'accès et de recevoir des notifications dans certaines situations à risque.

L'entreprise a indiqué qu'elle continuerait à surveiller la dépendance émotionnelle après le lancement afin d'améliorer ses mesures de protection au fil du temps. Elle a également précisé que GPT Live est conçu pour utiliser des voix ChatGPT prédéfinies et intègre des protections empêchant l'imitation de la voix d'une personne réelle.

Le déploiement concerne ChatGPT sur Android, iOS, le Web et l'interface CarPlay d'Apple. GPT Live 1 devient le modèle vocal par défaut pour les abonnés aux formules Go, Plus et Pro, tandis que GPT Live 1 mini est celui par défaut pour les utilisateurs de la version gratuite. OpenAI a indiqué que les modèles ont été optimisés pour de nombreuses langues très répandues, bien que certaines puissent encore présenter des limitations en matière d'accent ou de fluidité. La version initiale n'inclut ni les appels vidéo ni le partage d'écran en mode vocal, bien qu'OpenAI ait précisé que ces fonctionnalités sont en cours de développement.