OpenAI annonce de nouvelles capacités de conversation plus naturelles pour son assistant vocal IA

OpenAI a annoncé le 24 mars qu’elle déployait des mises à jour pour rendre l’assistant vocal IA de ChatGPT plus convivial et réactif, avec moins d’interruptions en milieu de phrase. Les mises à jour positionnent désormais ChatGPT comme un concurrent plus sérieux face à ses rivaux Sesame et Alexa.

OpenAI a publié mises à jour lundi pour le Mode Vocal Avancé, sa fonction vocale IA qui permet des conversations en temps réel dans ChatGPT, afin de rendre l’assistant IA plus convivial et d’interronper moins fréquemment les utilisateurs. La mise à jour récente a deux points d’accent : un assistant IA plus engageant et moins d’interruptions.

Manuka Stratta, chercheuse en post-entraînement chez OpenAI, a annoncé les changements dans une vidéo de démonstration publiée lundi sur les canaux officiels de réseaux sociaux de l'entreprise. Dans cette vidéo, Manuka a démontré que le nouveau modèle donnait aux utilisateurs le temps de réfléchir et de parler sans interruptions.

OpenAI améliore l'assistant vocal IA pour des conversations plus naturelles 

OpenAI a publié une annonce présentant une version mise à jour du mode vocal de ChatGPT qui interrompt moins, permettant des pauses naturelles, disponible pour tous les utilisateurs, les abonnés payants bénéficiant en outre d'une personnalité de modèle améliorée, décrite comme engageante, directe et concise.

— Tibor Blaho (@btibor91) Mars 24, 2025

ChatGPT a lancé un nouveau mode vocal avancé accessible aux utilisateurs gratuits et aux abonnés payants — y compris ceux des plans Plus, Teams, Edu, Business et Pro. Cette fonctionnalité mise à jour permet des conversations en temps réel au sein de ChatGPT, améliorant la flexibilité de l'assistant IA et minimisant les interruptions lors des interactions avec les utilisateurs.

Cette mise à jour intervient dans un contexte de concurrence croissante dans le domaine des assistants vocaux IA. OpenAI fait face à la pression de nouveaux venus comme Sesame — une startup soutenue par Andreessen Horowitz qui a connu un succès viral grâce à ses voix IA naturelles, Maya et Miles — et Amazon, qui prépare une mise à niveau alimentée par un modèle de langage large (LLM) pour Alexa. 

« Comme il vous interrompt moins, vous aurez plus de temps pour rassembler vos idées et ne ressentirez pas le besoin de combler tous les vides et silences en permanence. »

-Manuka Stratta

Le porte-parole d'OpenAI a déclaré que le nouvel assistant vocal IA pour les utilisateurs payants était « plus direct, engageant, concis, spécifique et créatif dans ses réponses ». 

OpenAI a également annoncé la sortie de nouveaux modèles pour la reconnaissance automatique de la parole (ASR) et la synthèse vocale (TTS), marquant une autre avancée dans la technologie vocale pilotée par l'IA. Ces nouveaux modèles promettent précision et accessibilité, offrant une alternative pour les entreprises souhaitant déployer des agents vocaux alimentés par l'IA. 

Les nouveaux modèles ASR — gpt-4o-transcribe et gpt-4o-mini-transcribe — représentent un bond significatif par rapport à Whisper, le précédent modèle de transcription de pointe d'OpenAI. Ces modèles offrent des taux d'erreur de mots améliorés et une meilleure gestion des langues diverses, des accents et du bruit de fond. Les nouveaux modèles TTS peuvent générer des voix très réalistes avec des intonations et une expressivité naturelles. Les modèles peuvent façonner le ton, l'émotion et la livraison d'une voix à l'aide d'invites en langage naturel.

L'assistant vocal IA de ChatGPT rend les utilisateurs plus solitaires

Une nouvelle étude menée par OpenAI en collaboration avec le MIT Media Lab a révélé montre que la plupart des utilisateurs de ChatGPT s'appuyaient sur l'assistant IA à des fins pratiques. L'étude, qui a analysé près de 40 millions d'interactions sur ChatGPT, a divisé les utilisateurs en différents groupes ; certains utilisaient uniquement le texte, tandis que d'autres ont expérimenté l'interaction vocale avec des personnages IA — l'un étant conçu pour être plus émotionnel, tandis que l'autre restait neutre..

Les données ont révélé que ceux qui s'appuyaient fortement sur le mode vocal avancé ont développé une connexion émotionnelle plus forte avec ChatGPT, certains le considérant comme un « ami ». Les effets de la fonction vocale variaient, les interactions courtes améliorant l'humeur des utilisateurs, tandis qu'une utilisation quotidienne prolongée avait parfois l'effet inverse.

Les résultats de l'étude ont révélé que les conversations personnelles étaient associées à des niveaux plus élevés de solitude mais à une dépendance émotionnelle plus faible. En revanche, les conversations impersonnelles ont montré un schéma différent, les niveaux de dépendance émotionnelle augmentant avec une utilisation intensive.

Jason Phang, chercheur en sécurité chez OpenAI impliqué dans le projet, a affirmé que beaucoup de ce qu'a fait OpenAI était préliminaire, mais que l'entreprise cherchait à amorcer la conversation sur la mesure de ces impacts et des effets à long terme sur les utilisateurs. Kate Devlin, professeure en IA et société au King's College London, a déclaré que les gens n'utilisaient peut-être pas nécessairement ChatGPT de manière émotionnelle, mais qu'ils ne parvenaient pas à séparer leur humanité de leurs interactions avec la technologie.