GPT-Live-1 est le modèle vocal le plus naturel que j'aie utilisé, sans réserve. Il écoute et parle en même temps, gère les interruptions avec aisance et abandonne l'alternance robotique qui faisait ressembler l'ancienne IA vocale à un talkie-walkie.
Le hic, c'est ce qu'il n'est pas. GPT-Live-1 est une couche vocale, pas un moteur de raisonnement. Il délègue la réflexion difficile à un modèle backend distinct et, dans l'API, facture un tarif fixe de $0.05 par minute pour la seule couche vocale. Le modèle est donc excellent dans la seule tâche qu'il a, et il vous reste à construire (et à payer) l'intelligence qui se trouve derrière.
Pour les utilisateurs ordinaires de ChatGPT, le verdict est simple : il est gratuit avec les offres payantes et c'est une nette amélioration. Pour les développeurs, et surtout pour ceux qui l'envisagent pour le support client, l'histoire est plus nuancée, car la facturation à la minute vous fait payer le temps de parole, pas les problèmes résolus.
Pourquoi je rédige cet avis, et d'où je parle
Chez eesel, je construis des fonctionnalités produit et des agents IA, et mon équipe passe depuis plus de trois ans à mettre des agents IA sur de vraies files de support. Ce point de vue façonne ma manière d'évaluer un modèle vocal. J'ai vu un bot à l'air sûr de lui donner discrètement la mauvaise réponse à un client, c'est pourquoi nous simulons désormais chaque déploiement sur les tickets historiques d'une entreprise avant qu'il ne parle à une vraie personne. Donc quand je teste quelque chose comme GPT-Live-1, je ne me demande pas seulement « est-ce que ça sonne bien », je me demande « que se passe-t-il quand il se trompe, et qui paie pour les parties qui le rendent juste ».
Il s'agit d'un avis concret sur le modèle lui-même : ce que ça fait de l'utiliser, comment il fonctionne réellement, où il brille, où il trébuche, et ce que cela implique si vous envisagez la voix pour le support conversationnel. Je m'appuierai sur les documents de lancement d'OpenAI pour le mécanisme et sur de vrais retours d'utilisateurs pour l'accueil.
Ce qu'est réellement GPT-Live-1
GPT-Live-1 est le modèle vocal de troisième génération d'OpenAI, d'abord livré dans ChatGPT Voice en juillet 2026 puis publié dans l'API le 10 septembre 2026. La fonctionnalité phare est une architecture full-duplex : le modèle peut écouter et parler en même temps, au lieu d'attendre que vous ayez fini, de deviner que c'est le cas, et de ne commencer à réfléchir qu'ensuite.
Cela paraît anodin. Ça ne l'est pas. Les anciens systèmes vocaux s'appuyaient sur un minuscule modèle de « détection de tour de parole » pour décider quand vous aviez cessé de parler. Il devine trop tôt, il vous coupe ; trop tard, il semble lent. GPT-Live retire totalement ce détecteur du chemin audio, de sorte que les échanges se rapprochent du rythme humain. En pratique, il lâche un « mhmm » pendant que vous parlez encore, se tait quand vous faites une pause pour réfléchir, et vous laisse l'interrompre en pleine phrase sans perdre le fil.
Il remplace l'ancien pipeline en cascade, celui qui exécutait reconnaissance vocale, puis un modèle, puis synthèse vocale comme une pile vocale chaînée en série. Si vous avez déjà chiffré une pile vocale en associant par exemple ElevenLabs ou Cartesia Sonic à un modèle de raisonnement distinct, GPT-Live-1 en condense l'essentiel dans un seul modèle. Un développeur du secteur de la santé, Tony Stoyanov, a déclaré que le passage à GPT-Live-1 avait permis à son équipe de supprimer 23 000 lignes de code et de simplifier sa base de code d'environ 80 %.
Comment il fonctionne sous le capot
C'est la partie que je trouve vraiment astucieuse, et c'est aussi la clé pour comprendre le prix et les limites. GPT-Live-1 confie la conversation au modèle vocal et pousse tout le reste hors du chemin en direct.
Quand une question nécessite une recherche web, un vrai raisonnement ou un appel d'outil, le modèle vocal délègue à un modèle de pointe en backend (GPT-5.5 au lancement) sur un chemin asynchrone distinct, et continue de vous parler pendant que ce travail s'exécute en arrière-plan. OpenAI a réécrit le frontend média en Go pour remplacer une ancienne implémentation en Python, en utilisant WebRTC pour le transport, et indique que la latence p95 du nouveau système égale la p50 de l'ancien. Le résultat est une séparation nette : une petite boucle vocale rapide qui ne doit jamais caler, et un « cerveau » plus lent qui peut prendre son temps sans figer la conversation.
Cette architecture explique pourquoi votre coût réel est une pile et non un chiffre unique. Dans l'API, vous payez trois couches.
- La couche vocale : les $0.05/min fixes pour GPT-Live-1 lui-même.
- Les tokens du modèle backend : le modèle de raisonnement vers lequel vous routez, facturé séparément et variable selon l'effort de réflexion.
- Le harness d'agent et les outils : votre framework, la recherche d'information et toute écriture dans le système de tickets.
La lecture honnête est donc que $0.05/min est le plancher, pas la facture. Si vous voulez le calcul complet, nous l'avons détaillé dans l'article compagnon sur le coût de l'API OpenAI.
Ce qui est vraiment bon
Rendons à César ce qui est à César, car les progrès sont réels.
Le naturel est un changement de palier. OpenAI indique que GPT-Live obtient environ 30 points de plus sur son Full Duplex Bench que le modèle précédent GPT-Realtime-2.1, et lors de tests en aveugle, les gens l'ont préféré environ 75,7 % du temps face à l'ancien Advanced Voice Mode. Des partenaires qui construisent dessus, comme l'application de langues Speak, ont rapporté une réduction d'environ 80 % des interruptions indésirables. Ces chiffres correspondent à mon impression : c'est le premier modèle vocal où j'ai cessé de gérer consciemment mes tours de parole.
Il est assez intelligent s'il est bien associé. Avec un modèle backend à effort moyen, OpenAI place GPT-Live en tête de son benchmark agentique Tau3. L'astuce de la délégation vous donne un chat à faible latence et un raisonnement de modèle de pointe, tant que vous câblez le backend.
Côté grand public, c'est sans effort. Dans ChatGPT, il n'y a aucun compteur à la minute. GPT-Live-1 est le modèle vocal par défaut sur Go, Plus et Pro, GPT-Live-1 mini est celui par défaut sur Free, et il a été déployé dans le monde entier sur iOS, Android et le web dès le premier jour.
Le modèle peut aussi afficher des réponses visuelles pendant une conversation orale, comme une carte ou un planning, ce qui rend l'usage « lui parler en conduisant ou en cuisinant » plus convaincant qu'avec les assistants vocaux précédents.
Où il trébuche
Un avis honnête nomme clairement les limites, et quelques-unes méritent d'être connues avant de vous engager.
Ce n'est pas le modèle de pointe, et ça se voit. Comme GPT-Live-1 est une couche vocale qui passe la main pour le raisonnement, ses propres réponses peuvent être superficielles ou parfois étranges quand il ne délègue pas. Un utilisateur de Hacker News l'a dit sans détour :
"GPT-Live isn't a particularly intelligent model. It needs to handoff for reasoning and more complex tasks. You shouldn't expect its responses to be as reliable as a frontier model. It will sometimes say odd things."
Les habitudes de conversation peuvent agacer. Les mêmes réflexes qui le rendent humain peuvent basculer dans l'excès de zèle. Une plainte fréquente est qu'il interrompt les pauses de réflexion et vous paraphrase trop :
"The new gpt-live feature tends to interrupt with 'human' sounding injections like 'hmm', 'huh' a bit too much for my liking. Also its crutch is to start by paraphrasing what I just said to it... after every single thing I say it starts to feel a bit much."
Cela dit, une bonne partie de l'usage réel est positive. Un testeur a décrit s'en servir via CarPlay pour pratiquer le français, notant qu'il gérait le passage d'une langue à l'autre en pleine réponse « étonnamment bien ». L'accueil est mitigé, comme souvent avec les nouvelles interfaces, pas uniformément négatif.
Les voix personnalisées et les fonctionnalités entreprise sont verrouillées. Créer votre propre voix de marque passe par un parcours « contacter les ventes », et le produit vocal entreprise d'OpenAI, Presence, se place comme une couche séparée par-dessus. L'API en libre-service vous donne le modèle, pas le produit complet.
Mon verdict, noté
Voici comment je noterais GPT-Live-1 sur les dimensions qui m'importent vraiment pour évaluer un modèle vocal destiné à un usage réel.
Ce que GPT-Live-1 signifie pour le support client
C'est ici que je remets ma casquette de support, car la voix pour le support est le point où le modèle à la minute devient intéressant, et un peu risqué.
La facturation à la minute vous fait payer le temps de parole, pas les résultats. Pour un tuteur de langues ou un bot de réservation, ce n'est pas gênant. Pour le support, cela inverse l'incitation souhaitée. Un client frustré lors d'un appel de dix minutes qui se termine par une escalade vous coûte plus qu'un client serein résolu en quatre-vingt-dix secondes, alors que la seconde interaction est la vraie réussite. Si vous suivez la résolution au premier contact, un compteur qui tourne à la minute mesure la mauvaise chose et fausse discrètement vos indicateurs de support.
Il y a aussi l'écart d'intelligence. GPT-Live-1 rend la conversation humaine. À lui seul, il ne connaît pas votre politique de remboursement, ne résout pas un ticket et ne gère pas la déviation de niveau 1 à partir de votre propre documentation. Ce n'est pas un reproche à OpenAI, c'est voulu : ils ont construit une couche vocale et l'ont tarifée comme telle. Le contexte métier et la résolution automatisée des tickets doivent venir de ce que vous construisez par-dessus. C'est la même leçon que je vois avec tout centre d'appels IA brut : la voix est la partie facile et impressionnante, et les connaissances, la recherche d'information et la gestion des escalades sont les parties qui bouclent vraiment la boucle.
Où eesel s'intègre : infrastructure contre coéquipier
La façon la plus claire de le formuler : GPT-Live-1 est une infrastructure, et eesel est l'employé. GPT-Live-1 est un modèle que vous intégrez à votre propre produit. eesel est une plateforme où vous recrutez un coéquipier IA prêt à travailler pour une mission précise, qui arrive déjà doté des compétences, des intégrations et du contexte d'entreprise pour ce rôle.
Pour le support, ce coéquipier est le coéquipier IA pour le helpdesk. Il rejoint votre file existante, apprend de vos tickets passés et de votre centre d'aide et, contrairement à un modèle vocal brut, il est facturé à la résolution et non à la minute de conversation, si bien que votre coût suit les tickets réellement clos. Vous pouvez toujours le brancher sur un frontend vocal comme GPT-Live-1 quand vous voulez des conversations téléphoniques naturelles, et garder un calcul de coût par résolution raisonnable. Et comme nous simulons sur vos tickets historiques avant la mise en production, vous voyez le résultat probable avant qu'un client ne le voie, c'est exactement la question « que se passe-t-il quand il se trompe » par laquelle j'ai commencé.
Comme beaucoup d'équipes qui se tournent vers une API vocale veulent en réalité un contrôle programmatique, sans interface, il est bon de savoir qu'eesel propose une vraie CLI en plus du tableau de bord. C'est le même coéquipier IA et le même espace de travail, piloté depuis un terminal plutôt qu'un navigateur : une personne peut le lancer à la main, des scripts peuvent l'automatiser, et des agents de code comme Claude Code, Codex et Cursor peuvent l'utiliser directement, comme vous piloteriez n'importe quel autre workflow d'agents ChatGPT. Donc si vous regardiez l'API pour le contrôle par script, vous n'avez pas à sacrifier le « programmable » au profit du « connaît déjà mon contexte de support ».
Si vous voulez la comparaison honnête pour votre propre volume, le détail des économies de coûts et notre guide construire ou acheter parcourent tous deux la décision entre facturation à la minute et à la résolution, et le débat plus large IA contre support humain les complète.
Avis GPT-Live-1, en une ligne
GPT-Live-1 est la meilleure couche vocale qu'OpenAI ait livrée, et c'est exactement cela : une couche. Comme interface d'IA conversationnelle, c'est un achat évident, gratuit dans ChatGPT payant et un vrai bond de naturel. Comme fondation d'un produit vocal, rappelez-vous que c'est la moitié de la pile, avec un modèle backend et un harness facturés en plus. Et si la mission est le support, posez la seule question qui compte : payez-vous des minutes, ou des tickets résolus ?
Vous voulez un coéquipier de support qui connaît déjà votre centre d'aide et facture à la résolution, pas à la minute ? eesel se branche sur votre helpdesk existant en quelques minutes, simule sur vos propres tickets passés avant la mise en production et s'essaie gratuitement. Essayez eesel ou réservez une démo pour le voir d'abord sur vos propres données.
Comment GPT-Live-1 se compare-t-il à l'ancienne Realtime API ?