Sommaire
- 1. Qu'est-ce que GPT-Live — la voix full-duplex qui « écoute en parlant »
- 2. En quoi diffère-t-il de l'Advanced Voice Mode classique
- 3. Fonctionnement — des décisions à la seconde et la délégation à GPT-5.5
- 4. Deux modèles et disponibilité par forfait
- 5. Principales avancées
- 6. Limites actuelles — à connaître honnêtement
- 7. Cas d'usage
- 8. Disponibilité de l'API et différence avec GPT-Realtime
- Conclusion
- FAQ
Le 8 juillet 2026, OpenAI a lancé dans le monde entier « GPT-Live », un nouveau modèle qui renouvelle la voix de ChatGPT (annonce officielle d'OpenAI). Cette annonce, faite la veille de la disponibilité générale de GPT-5.6 le 9, met en avant une caractéristique majeure : une architecture full-duplex qui permet « d'écouter et de parler en même temps ».
Jusqu'ici, les voix IA fonctionnaient par tours de parole : « elles attendent que vous ayez fini de parler avant de répondre ». GPT-Live, lui, ponctue la conversation de signaux d'écoute, encaisse les interruptions et ne coupe pas les silences pendant lesquels vous réfléchissez, comme dans une conversation humaine. Dans cet article, nous expliquons, sur la base de l'annonce officielle, ce qu'est GPT-Live, ce qui le distingue de l'Advanced Voice Mode classique, comment il fonctionne, sur quels forfaits il est disponible et ce qu'il ne sait pas encore faire.
La fin des tours de parole
— vers une conversation humaine, qui écoute en parlant
1. Qu'est-ce que GPT-Live — la voix full-duplex qui « écoute en parlant »
GPT-Live est une nouvelle série de modèles vocaux qui prend en charge les conversations vocales de ChatGPT. Il remplace la fonction vocale précédente (Advanced Voice Mode) et a été déployé dans le monde entier sur ChatGPT (iOS, Android et Web) à partir du 8 juillet 2026.
Le cœur du dispositif réside dans sa conception « full-duplex ». Comme au téléphone, il traite l'entrée (votre voix) tout en générant en même temps et sans interruption la sortie (la voix de l'IA). Résultat —
- Pendant que vous parlez, il peut vous renvoyer des signaux d'écoute comme « oui oui » ou « je vois »
- Si vous l'interrompez alors qu'il parle, il vous écoute bel et bien et réoriente son propos
- Si vous restez silencieux pour réfléchir, il ne prend pas cela pour une « fin de tour » et ne vous coupe pas
En somme, GPT-Live rend possible une conversation en temps réel, sans « file d'attente ».
2. En quoi diffère-t-il de l'Advanced Voice Mode classique
Les voix IA précédentes (Advanced Voice Mode) fonctionnaient par tours de parole (half-duplex). Par construction, elles présentaient les faiblesses suivantes.
| Aspect | Avant : Advanced Voice Mode | Nouveau : GPT-Live |
|---|---|---|
| Mode de base | Tours de parole (half-duplex) — attend la fin de votre phrase | Full-duplex — écoute et parle simultanément |
| Détection de la fin de parole | Basée sur le silence | Jugée d'après le ton de la voix et les variations de la respiration |
| Silence de réflexion | Tend à interrompre en croyant à tort que « c'est fini » | Sait attendre sans couper |
| Signaux d'écoute | Absents en principe | Renvoie des « mhmm », « yeah », etc. |
| Interruption | Peut se couper de façon peu naturelle | Encaisse et s'adapte |
| Fréquence de décision | Par tour de parole | Plusieurs fois par seconde (parler / écouter / marquer une pause / interrompre / appeler un outil) |
Selon OpenAI, dans une comparaison où des humains ont évalué des conversations de 5 à 10 minutes menées dans les mêmes conditions, GPT-Live-1 comme GPT-Live-1 mini ont été nettement préférés à l'Advanced Voice Mode. Des améliorations sont également rapportées sur GPQA (raisonnement scientifique spécialisé), BrowseComp (recherche web de type agentique) et les tâches liées au support client.
3. Fonctionnement — des décisions à la seconde et la délégation à GPT-5.5
GPT-Live traite l'entrée vocale en continu tout en générant la sortie vocale, et décide plusieurs fois par seconde de « ce qu'il faut faire maintenant » — parler, continuer d'écouter, marquer une pause, interrompre ou appeler un outil. Cette prise de décision à haute fréquence produit un rythme proche de l'humain.
Autre point de conception essentiel : « les traitements profonds sont délégués au modèle en coulisses ». GPT-Live assure la réactivité de la conversation, et lorsqu'une recherche web, un raisonnement approfondi ou une tâche complexe deviennent nécessaires, il transmet le traitement à un modèle plus grand en arrière-plan (GPT-5.5 au lancement), puis revient à la conversation une fois le résultat obtenu. C'est un mécanisme qui concilie « réfléchir » sans jamais interrompre la conversation.
4. Deux modèles et disponibilité par forfait
| Forfait | Modèle vocal par défaut |
|---|---|
| Free (gratuit) | GPT-Live-1 mini |
| Go / Plus / Pro | GPT-Live-1 |
Le point clé, c'est que même le forfait gratuit donne accès à la version mini de GPT-Live. La conversation naturelle en full-duplex n'est pas réservée aux offres payantes. Pour une conversation ou un raisonnement de meilleure qualité, GPT-Live-1 devient le modèle par défaut sur Go/Plus/Pro. La disponibilité concerne ChatGPT sur iOS, Android et ChatGPT.com, avec un déploiement progressif à l'échelle mondiale.
5. Principales avancées
Il réagit par des « oui oui » pendant que vous parlez. On sent qu'il vous écoute vraiment.
La réponse est quasi immédiate. Le rythme se rapproche de celui d'une conversation humaine.
Même si vous le coupez en cours de phrase, il écoute et réajuste son propos.
Il ne prend pas votre temps de réflexion pour une « fin de tour » et sait attendre.
6. Limites actuelles — à connaître honnêtement
Les attentes ont vite fait de s'emballer ; il faut donc aussi cerner honnêtement ce qui n'est pas possible au lancement.
- 🟡 Vidéo et partage d'écran non pris en charge : au lancement, l'accent est mis sur la voix ; l'entrée vidéo et le partage d'écran ne sont pas inclus.
- 🟡 Le multilingue complet reste à venir : le même niveau de qualité n'est pas encore atteint dans toutes les langues (la full multilingual parity n'est pas au rendez-vous).
- 🟡 L'API n'est pas disponible : l'API pour les développeurs est « bientôt disponible » ; à l'heure de cet article, elle n'est ni publiée ni tarifée (détails au chapitre 8).
- 🟡 Déploiement progressif en cours : la mise à disposition de tous les utilisateurs peut connaître un décalage.
Ces points devraient être étendus par de futures mises à jour, mais il vaut mieux comprendre que ce n'est « ni la vidéo ni l'écran tout de suite ».
7. Cas d'usage
- Réflexion et brainstorming mains libres : mettre ses idées en mots pour les organiser, en marchant ou en travaillant. Comme les silences ne sont pas coupés, la pensée s'interrompt moins.
- Entraînement à la conversation en langue étrangère : avec les signaux d'écoute et des interruptions naturelles, on s'entraîne dans des conditions proches d'une vraie conversation.
- Recherche préliminaire et résumé à la voix : la recherche approfondie étant déléguée à GPT-5.5 en coulisses, on peut avancer ses recherches tout en conversant.
- Accessibilité : quand taper au clavier est difficile, une interface vocale au bon rythme se révèle précieuse.
8. Disponibilité de l'API et différence avec GPT-Realtime
L'API de GPT-Live n'est pas proposée à l'heure de cet article (« bientôt disponible », tarification non publiée). Les développeurs et entreprises doivent s'inscrire aux notifications et patienter. Attention : « intégrer dès maintenant la voix full-duplex dans sa propre application » n'est pas encore possible.
Conclusion
- GPT-Live est un nouveau modèle qui fait passer la voix de ChatGPT des « tours de parole » au full-duplex (écouter en parlant) (8 juillet 2026, dans le monde entier).
- Avec les signaux d'écoute, la gestion des interruptions et la tolérance au silence, plus une latence <250ms, il atteint un rythme de conversation proche de l'humain. Il a été nettement préféré à l'Advanced Voice Mode.
- GPT-Live assure la réactivité de la conversation, et le raisonnement approfondi et la recherche sont délégués en coulisses à GPT-5.5 (profondeur au choix parmi Instant/Medium/High).
- Par défaut : GPT-Live-1 mini en gratuit, GPT-Live-1 sur Go/Plus/Pro. Utilisable sur ChatGPT (iOS/Android/Web).
- Limites actuelles : vidéo et partage d'écran non pris en charge, multilingue complet non atteint, API non disponible. Pour l'API, GPT-Realtime-2.1 est proposé séparément.
FAQ
Q1. GPT-Live est-il utilisable gratuitement ?
Oui. Sur le forfait gratuit, GPT-Live-1 mini est le modèle vocal par défaut. Sur Go/Plus/Pro, c'est le modèle supérieur GPT-Live-1 qui est par défaut. Il est utilisable sur ChatGPT (iOS, Android, Web) — déploiement progressif.
Q2. Qu'est-ce que le « full-duplex », concrètement ?
C'est un mode où l'on peut écouter et parler en même temps, comme au téléphone. Contrairement aux tours de parole classiques (répondre après avoir attendu que vous ayez fini), il peut renvoyer des signaux d'écoute pendant que vous parlez, encaisser une interruption et attendre sans couper le silence de votre réflexion.
Q3. Quelle est la plus grande différence avec l'Advanced Voice Mode classique ?
La façon de détecter la fin de parole. Avant, c'était basé sur le silence, ce qui poussait à interrompre en croyant à tort qu'un temps de réflexion était « la fin ». GPT-Live juge d'après le ton de la voix et les variations de la respiration et décide plusieurs fois par seconde ; il coupe donc moins et paraît plus naturel. Les évaluations humaines le préfèrent nettement.
Q4. Peut-il répondre à des questions difficiles ?
Oui. GPT-Live assure la réactivité de la conversation, et lorsqu'une recherche web ou un raisonnement approfondi sont nécessaires, il délègue le traitement à GPT-5.5 en coulisses puis ramène le résultat dans la conversation. La profondeur du raisonnement se choisit parmi Instant / Medium / High.
Q5. Peut-on faire de la vidéo ou du partage d'écran ?
Non au lancement. GPT-Live est centré sur la voix ; la vidéo, le partage d'écran et le multilingue complet ne sont pas encore proposés. Une extension est attendue dans de futures mises à jour.
Q6. Puis-je l'intégrer à ma propre application via une API ?
L'API de GPT-Live est non disponible à l'heure de cet article (bientôt prévue, tarification non publiée). Si vous voulez implémenter dès maintenant une voix à faible latence via une API, envisagez la gamme distincte GPT-Realtime-2.1 / mini (socle d'agents vocaux pour l'API). Les rôles sont séparés : GPT-Live pour le grand public, GPT-Realtime pour les développeurs.
Q7. Comment se compare-t-il à Gemini Live de Google ?
Gemini se distingue aussi par un multimodal fort incluant la voix et la vidéo, et prend en charge la conversation en direct. L'atout actuel de GPT-Live est le naturel de la conversation full-duplex et la faible latence, mais Gemini garde l'avantage sur certains terrains, notamment parce que la vidéo et le partage d'écran ne sont pas encore pris en charge par GPT-Live. Pour en savoir plus, consultez aussi la comparaison GPT-5.6 vs Gemini.
Articles liés
- GPT-5.6 : le guide complet de la sortie — les modèles phares de la même période
- GPT-5.6 Sol vs Gemini — axes de comparaison multimodal/voix
- Qu'est-ce que Google Gemini — les bases du concurrent
