Présentation de GPT‑Live

Nous lançons GPT‑Live, une nouvelle génération de modèles vocaux qui rendent les échanges avec l’IA beaucoup plus semblables à une vraie conversation.

GPT‑Live repose sur une architecture en duplex intégral, ce qui signifie qu’il peut écouter et parler en même temps. Pendant les conversations, GPT‑Live peut montrer qu’il prête attention avec des expressions comme « mhmm » ou « oui », enchaîner rapidement les échanges ou simplement rester silencieux lorsque vous avez besoin d’un moment pour réfléchir. Il en résulte une expérience vocale avec laquelle il est étonnamment facile d’échanger.

GPT‑Live est aussi notre modèle vocal le plus intelligent à ce jour. Pour les questions qui exigent une recherche Web, un raisonnement plus approfondi ou un travail plus complexe, il délègue en arrière-plan à notre plus récent modèle de pointe, puis ramène le résultat dans la conversation lorsqu’il est prêt. Pendant ce travail, GPT‑Live peut continuer à parler avec vous et maintenir le fil de la conversation. Au lancement, GPT‑Live utilisera GPT‑5.5 en arrière-plan. À mesure que nous publierons de nouveaux modèles de pointe, nous mettrons continuellement à jour le modèle utilisé par GPT‑Live.

Ces avancées alimentent une nouvelle expérience ChatGPT Voix, plus intelligente et plus naturelle à utiliser. Avec le temps, nous pensons que ces recherches permettront aussi d’utiliser la voix pour des travaux de plus en plus complexes, plus longs et plus agentiques.

Nous commençons aujourd’hui à déployer deux versions de GPT‑Live – GPT‑Live‑1 et GPT‑Live‑1 mini – auprès des utilisateurs de ChatGPT partout dans le monde. Nous prévoyons aussi de les proposer bientôt dans l’API, et les développeurs ainsi que les entreprises peuvent s’inscrire pour être avisés à l’aide de ce formulaire⁠.

Notre vision consiste à permettre une interaction entre les humains et l'IA vraiment naturelle : un monde où collaborer avec l’IA est aussi fluide et réactif que travailler avec une autre personne, tandis que le raisonnement et l’exécution de tâches complexes se font de façon transparente en arrière-plan.

Les générations précédentes de systèmes d’IA vocale nous ont rapprochés de cette vision, mais avec d’importants compromis.

Les systèmes vocaux en cascade reposent sur une série de modèles qui agissent les uns après les autres pour traiter chaque tour. Le ChatGPT Voix original enchaînait trois modèles : un modèle parole-texte pour transcrire votre voix, un grand modèle de langage pour produire une réponse, et un modèle texte-parole pour la reconvertir en parole. Cette approche nous a permis de parler pour la première fois à des modèles d’IA de pointe, mais cette complexité avait un coût : de l’information pouvait se perdre d’un modèle à l’autre, et les réponses étaient lentes et moins fluides.

Les modèles vocaux à tours de rôle comme le mode vocal avancé de ChatGPT traitaient et généraient l’audio dans un seul modèle, ce qui réduisait la latence et rendait les conversations plus fluides, mais ils fonctionnaient encore par tours distincts. Le modèle devait attendre que l’utilisateur ait fini de parler avant de répondre, ce qui donnait des échanges rigides. De plus, comme la détection des tours repose sur le silence, même une brève pause ou du bruit de fond pouvait être interprété à tort comme la fin du tour, ce qui amenait le modèle à interrompre à des moments peu naturels.

GPT‑Live répond à ces limites grâce à deux changements architecturaux.

Premièrement, nous avons conçu GPT‑Live pour l’interaction continue au moyen d’une architecture en duplex intégral. Au lieu de traiter une séquence de messages distincts, GPT‑Live traite les entrées en continu tout en générant des sorties. Le modèle peut donc prendre des décisions d’interaction plusieurs fois par seconde : parler, continuer à écouter, faire une pause, interrompre ou invoquer un outil.

Cela permet au modèle de participer à des échanges plus naturels, de mieux percevoir le temps et même d’effectuer de la traduction en direct.

Deuxièmement, nous avons dissocié GPT‑Live – qui assure les interactions en continu – du travail plus approfondi. Lorsqu’une question exige de la recherche, du raisonnement ou des capacités plus agentiques, GPT‑Live peut déléguer la tâche à un autre modèle comme GPT‑5.5. Cela lui permet de poursuivre la conversation, même pendant qu’il traite plusieurs tâches en arrière-plan.

Ce changement d'architecture permet aussi à GPT‑Live d’utiliser continuellement les plus récents modèles et agents, en combinant une intelligence de pointe à une interaction naturelle.

Nous avons conçu de nouvelles évaluations humaines pour mesurer le caractère agréable et la fluidité des conversations. Dans ces comparaisons directes, GPT‑Live‑1 et GPT‑Live‑1 mini sont nettement préférés au mode vocal avancé dans des conversations comparables de 5 à 10 minutes qui mesurent la préférence globale, la prise de tour de parole, les interruptions, la fluidité conversationnelle et le naturel de chaque interaction.

• GPQA : GPT‑Live‑1 surpasse nettement le mode vocal avancé sur GPQA, qui teste le raisonnement scientifique de niveau expert en biologie, en chimie et en physique.
• BrowseComp : GPT‑Live‑1 affiche des gains importants par rapport au mode vocal avancé sur BrowseComp, qui teste la recherche Web agentique et la capacité de trouver de l’information difficile à repérer.
• τ³-Voice Telecom** : GPT‑Live‑1 surpasse le mode vocal avancé sur τ³-Voice Telecom, qui teste des agents vocaux sur des tâches réalistes de soutien en télécommunications comportant plusieurs échanges.

Chaque semaine, plus de 150 millions de personnes parlent à ChatGPT à l’aide de fonctionnalités comme Voix et Dictée. Elles l’utilisent pour obtenir de l’aide au quotidien sans les mains, pratiquer des langues, raconter des histoires avant le dodo ou simplement discuter pendant leurs déplacements.

Dès aujourd’hui, lorsque vous touchez le bouton Voix pour parler avec ChatGPT, vous profitez d’une expérience améliorée propulsée par GPT‑Live : des conversations plus naturelles, des réponses plus intelligentes, une meilleure écoute et des réponses visuelles.

Parler avec ChatGPT devrait maintenant ressembler beaucoup plus à une vraie conversation. Vous pouvez l’interrompre avec une question, faire une pause pour rassembler vos idées ou demander à ChatGPT de ralentir. Il reconnaît naturellement ce que vous dites avec des expressions comme « mhmm » ou « compris », pour que vous sachiez qu’il suit la conversation. Nous avons aussi retravaillé les neuf voix distinctes de ChatGPT pour GPT‑Live.

ChatGPT Voix peut maintenant s’appuyer sur nos plus récents modèles de pointe pour vous donner des réponses plus intelligentes lorsque vous en avez besoin. Vous pouvez aussi choisir le niveau de raisonnement qui correspond à vos besoins : Instantané pour des réponses rapides, ou Moyen et Élevé lorsque vous voulez que ChatGPT prenne plus de temps pour réfléchir.

Si vous prenez un moment pour réfléchir, ChatGPT Voix attend désormais au lieu d’intervenir et de vous interrompre. Si vous lui demandez de rester silencieux et d’écouter, il le fera. Et lorsqu’il y a du bruit de fond, comme de la circulation ou des conversations à proximité, ChatGPT arrive mieux à se concentrer sur votre voix plutôt que de se laisser distraire.

Certaines réponses sont plus utiles quand on peut les voir. Pendant que vous parlez, ChatGPT peut maintenant afficher des cartes visuelles enrichies sur des sujets comme la météo, les actions, les sports et plus encore. Voix continue aussi de prendre en charge la recherche, la mémoire, les images et les téléversements de fichiers.

Il en résulte une expérience ChatGPT Voix plus naturelle, plus performante et plus utile au quotidien.

GPT‑Live a été conçu pour être sécuritaire par défaut. Il s’appuie sur les avancées en matière de sécurité de nos plus récents modèles, tout en ajoutant une formation de sécurité dédiée dans les principaux domaines de risque et de nouvelles protections conçues spécialement pour la voix.

Pour mieux refléter la façon dont les gens utilisent les interactions vocales en situation réelle, nous avons d’abord élargi nos tests de sécurité afin d’inclure de nouvelles évaluations propres à l’audio. Nous avons aussi créé des évaluations synthétiques qui utilisent de l’audio généré pour se concentrer plus intensivement sur les principaux domaines de sécurité, en nous appuyant sur ce que nous avons appris du mode vocal avancé. Ces domaines comprennent l’automutilation, la psychose et les épisodes maniaques, la dépendance émotionnelle envers l’IA, la violence et le contenu sexuel. Des experts internes ont aussi soumis le modèle à des exercices de simulation afin d'évaluer les risques propres aux interactions vocales.

Dans nos tests, GPT‑Live a obtenu des résultats comparables ou supérieurs au mode vocal avancé dans presque tous les domaines évalués. Vous pouvez en savoir plus sur nos tests et nos protections dans la fiche système⁠(s'ouvre dans une nouvelle fenêtre) de GPT‑Live.

Comme les conversations vocales se déroulent en temps réel, nous avons aussi intégré des protections qui peuvent agir pendant que le modèle parle. Lorsque le système détecte une sortie potentiellement dangereuse, il peut orienter le modèle vers une réponse plus sûre, afficher des messages ou des ressources de sécurité supplémentaires, ou mettre fin à la conversation vocale dans les cas plus risqués. Pour les conversations portant sur l’automutilation, nous avons adapté les parcours d’aide de ChatGPT à la voix, notamment en offrant un soutien par ligne d’aide en situation de crise vérifié par des experts.

Nous avons conçu des protections supplémentaires pour les utilisateurs adolescents et entraîné directement le modèle à adopter un comportement adapté à l’âge afin de réduire le risque de réponses inappropriées. Les parents peuvent choisir si leur adolescent peut utiliser ChatGPT Voix au moyen du contrôle parental, et les parents liés peuvent être avisés dans les situations plus risquées où il y a des signes d’automutilation potentielle ou d’intention suicidaire.

Nous déployons aussi des mesures à plus long terme et une surveillance après le lancement axées sur la dépendance émotionnelle, afin de continuer à améliorer notre compréhension de cet enjeu et à renforcer nos mesures de protection. En nous appuyant sur nos recherches précédentes sur l’utilisation affective et le bien-être émotionnel, cette démarche nous aidera à repérer les tendances émergentes et à améliorer la façon dont le système réagit lors d’interactions à caractère émotionnel.

Enfin, GPT‑Live est conçu pour la conversation, et non pour l’imitation vocale. Il utilise un ensemble de voix prédéfinies dans ChatGPT, avec des protections pour l’empêcher d’imiter la voix d’une personne réelle.

Nous nous engageons à soutenir la sécurité et le bien-être, et nous continuerons à renforcer ces protections à mesure que nous apprendrons de l’utilisation réelle.

GPT‑Live est maintenant déployé auprès des utilisateurs de ChatGPT partout dans le monde sur iOS, Android et ChatGPT.com⁠(s'ouvre dans une nouvelle fenêtre). GPT‑Live‑1 deviendra le modèle par défaut qui alimente ChatGPT Voix pour les utilisateurs Go, Plus et Pro, et GPT‑Live‑1 mini deviendra le modèle par défaut pour les utilisateurs Free. Vous trouverez plus de détails sur la disponibilité dans notre centre d’assistance⁠(s'ouvre dans une nouvelle fenêtre).

Nous avons optimisé GPT‑Live pour certaines des langues les plus populaires dans ChatGPT. Pour certaines langues, le modèle peut avoir un accent non natif ou des lacunes de fluidité. Nous travaillons activement à améliorer l’expérience dans toutes les langues.

Au lancement, GPT‑Live ne prendra pas en charge la voix avec vidéo ou partage d’écran dans ChatGPT, mais nous travaillons à offrir bientôt ces capacités. Vous pouvez toujours accéder aux anciennes versions de ChatGPT Voix, y compris Standard et le mode vocal avancé, là où ces fonctionnalités sont disponibles.