OpenAI vient de lancer un nouveau modèle d’IA conçu pour imiter un véritable partenaire de conversation humain — et l’entreprise affirme que cela marque une étape vers l’IA générale (AGI).
Pendant des années, OpenAI a investi dans le développement d’outils d’IA capables de parler avec des voix humaines. Cela a parfois suscité des controverses, notamment lorsque l’entreprise a dévoilé un assistant vocal qui sonnait de façon étrangement proche de Scarlett Johansson. Les diverses limites des assistants IA, par exemple leur difficulté à comprendre le contexte, sont devenues une source fertile de moqueries sur les réseaux sociaux.
À présent, l’entreprise espère tourner la page sur ses efforts autour des assistants vocaux IA — et, elle l’espère, toucher un public plus large — avec le GPT-Live-1, qu’elle décrit comme son « modèle vocal le plus intelligent à ce jour ».
Présenté mercredi, le modèle est capable de communiquer dans des voix réalistes, parsemées d’intrigues subtiles qui colorent le discours humain, comme des éclats de rire brusques et de brefs souffles avant une phrase. Mais ce qui compte vraiment pour l’objectif d’OpenAI d’accroître l’attrait des assistants vocaux IA, c’est qu’il sait aussi se faire discret: il peut être une simple présence distraite, suivant une conversation avec attention sans intervenir toutes les dix secondes. Pendant ces périodes de silence, il glisse occasionnellement des « D’accord » ou « Mmhmm », pour rappeler aux utilisateurs qu’il écoute.
GPT-Live-1 s’appuie sur GPT-5.5 pour les requêtes plus complexes, ce qui, théoriquement, le rendrait utile non seulement pour des conversations sans objectif mais aussi pour des tâches nécessitant un niveau de raisonnement plus profond. Il bénéficie également de capacités de recherche sur le web en temps réel et de capacités de traduction améliorées, que OpenAI met aussi en avant dans l’espoir de renforcer son attractivité comme assistant polyvalent.
En bref, OpenAI espère que toutes ces nouvelles fonctionnalités viendront augmenter chez les utilisateurs le sentiment d’interagir avec quelque chose de plus qu’un simple moteur de recherche glorifié.
« On peut même oublier qu’on parle à une IA », a déclaré Yuchen Zhang, ingénieur-chercheur chez OpenAI, lors d’une démonstration en direct en chinois, alors que GPT-Live-1 traduisait ses propos en anglais. « Comment dire ? C’est une sensation vraiment, vraiment incroyable. »
L’entreprise s’est donné tant de mal pour souligner la naturalité des capacités conversationnelles de GPT-Live-1 qu’on a presque l’impression qu’elle le présente comme un compagnon plutôt qu’un chatbot traditionnel de questions-réponses. Dans une vidéo marketing publiée sur le compte officiel d’OpenAI sur X mercredi, on voyait trois femmes âgées utiliser le modèle vocal pour diverses tâches, comme obtenir des conseils de tricot, vérifier des retards de transport en commun et traduire l’anglais vers le français. Le choix d’inclure des personnes âgées plutôt qu’un groupe de jeunes branchés pourrait suggérer les efforts de la société pour présenter les assistants vocaux comme une solution à la solitude autant que comme un moyen rapide d’obtenir les prévisions météorologiques hebdomadaires.
Pour l’essentiel, toutefois, OpenAI pousse son nouveau modèle vocal vers un public général, le présentant comme une version plus utile et intuitive de ChatGPT.
« Ce modèle est une étape de plus vers une AGI véritablement accessible, un monde où parler à l’IA commence réellement à ressembler à une vraie conversation », a déclaré Kundan Kumar, un autre chercheur chez OpenAI, lors de la diffusion en direct.
Il convient de rappeler que l’AGI — abréviation de artificial general intelligence — est un terme utilisé aujourd’hui de manière assez librement employée, à la fois comme référence technique et comme mot-clé marketing. L’industrie manque d’une définition claire et unique de ce à quoi ressemblerait une véritable AGI, bien qu’il existe un accord général sur le fait qu’elle devrait être capable d’accomplir une grande variété de tâches intellectuelles au moins aussi bien que le cerveau humain moyen. En présentant ce concept lors de sa démonstration en direct, OpenAI pourrait tenter d’infuser dans l’esprit du public l’idée que « une vraie AGI », quoi que cela signifie, dépendrait de la capacité à parler avec des voix humaines.
OpenAI a déclaré dans son billet d’annonce que le nouveau modèle a été conçu avec des garde-fous pour prévenir certains des dommages causés par les assistants vocaux IA plus anciens. Il n’imitera pas les voix de personnes réelles, et s’il détecte des requêtes vocales sur des sujets dangereux comme l’automutilation ou d’autres formes de violence, il répondra en affichant des informations sur les ressources de santé et de sécurité et, dans certains cas, mettra fin à la conversation.
