Block Dessa est un modèle d'IA vocale entraîné uniquement sur des enregistrements de personnes qui parlent, sans aucun texte, et vous ne pouvez pas encore l'utiliser. Block l'a annoncé le 23 octobre 2026 comme un aperçu de ses recherches : il écoute et parle en même temps, rit et soupire spontanément, a été entraîné sur un seul rack NVIDIA GB200 NVL72 et fonctionne sur un MacBook Pro M4 Max. Il existe une liste d'attente et un accès anticipé pour les chercheurs en sécurité, mais pas d'API, pas de prix, pas de poids du modèle ni de résultats de benchmarks.
Mon avis après avoir parcouru la page de Block, ses 21 démos répertoriées et un fil Hacker News de 199 commentaires : Dessa est le modèle vocal au rendu le plus naturel dont j'aie entendu parler, mais aussi celui qui est le plus loin d'être un produit. Les commentateurs qui développent des agents vocaux revenaient toujours à la même lacune. Il parle à merveille, mais rien de ce que Block a montré jusqu'ici ne lui permet de rechercher une commande, de suivre un script ou d'appeler un outil.
Pour les équipes de support, cette lacune représente tout le travail. Dans les files de tickets pour lesquelles je développe des agents chez eesel, le plus difficile n'a jamais été d'avoir l'air humain, mais d'agir à partir de données de compte réelles. Swiftreg répond aux tickets concernant les plaques d'immatriculation à partir de données de commande en temps réel, selon des règles qu'il a lui-même rédigées, sur environ 2 100 tickets Zendesk par mois. Suivez Dessa comme une étape importante de la recherche ; si votre file de tickets a besoin d'aide ce trimestre, un coéquipier IA pour votre service d'assistance sur les e-mails et le chat est la solution que vous pouvez déployer.
Pourquoi je me suis penché sur Dessa
Je suis ingénieur logiciel chez eesel et je passe mes journées à développer les agents IA qui s'intègrent aux services d'assistance de nos clients. Tous les quelques mois, un nouveau modèle vocal sort avec une démo qui pousse un responsable du support à m'envoyer un message pour me demander « est-ce qu'on devrait passer à l'IA téléphonique maintenant ? ». Après GPT-Live-1, Grok Voice Think Fast 2.0 et Decagon Voice 3, c'est au tour de Dessa.
J'ai donc fait ce que je fais à chaque lancement : lire tout ce que le fournisseur a réellement publié, écouter les extraits et distinguer ce que Block a dit de ce que les autres ont supposé. Cette deuxième partie compte encore plus que d'habitude ici, car Block a publié remarquablement peu d'informations, et une bonne partie de la couverture médiatique comble les lacunes par des suppositions.
Qu'est-ce que Block Dessa ?
Dessa est un modèle de parole à parole en duplex intégral, développé par un petit laboratoire de recherche en IA au sein de Block, l'entreprise derrière Square, Cash App et Afterpay. Selon les mots de Block, c'est "audio in, audio out", et "everything it knows came from human speech."
Trois choses le distinguent de la plupart des IA vocales que vous avez utilisées :
- Il se passe complètement de texte. Block affirme que l'équipe l'a entraîné "from scratch on nothing but human conversation", avec "no text, no pretrained models." La plupart des assistants vocaux reposent sur un modèle textuel.
- Il fonctionne en duplex intégral. Il "listens and talks at the same time, like you do," et a appris à partir des données quand intervenir et quand ponctuer l'échange d'un "yeah!" ou d'un "got it!".
- Il perçoit et exprime des émotions. Block affirme qu'il "natively hears and speaks emotion, sarcasm, laughter, a frustrated sigh, a voice cracking with sadness."
Le laboratoire est tout petit. La page de Block mentionne un responsable, Ragavan Thurairatnam, six chercheurs, trois stagiaires et deux anciens stagiaires, et indique que le laboratoire rend directement compte à Jack Dorsey. L'équipe a été fondée par d'anciens membres de Dessa, la startup torontoise spécialisée en deep learning que Square a acquise, d'où son nom. Cette startup d'origine était connue pour la détection de deepfakes, un passé intéressant pour une équipe qui développe aujourd'hui le modèle vocal au rendu le plus humain qui soit.
"We made the first AI model you can have a realistic conversation with that was trained entirely on speech! Dessa is a full-duplex speech-to-speech model that you can run on consumer GPUs. This is a GPT3 moment for speech."
Cette publication de lancement a récolté 16 807 mentions J'aime, et celle de Jack Dorsey, qui le qualifie de "the most authentic full-duplex speech model ever built", a dépassé les 68 000. L'engouement est bien réel. La question est de savoir ce qu'il y a derrière.
En quoi le fonctionnement de Dessa diffère-t-il de celui des autres IA vocales ?
La plupart des agents vocaux actuels font intervenir trois modèles à la suite : la reconnaissance vocale transforme votre voix en mots, un modèle textuel rédige une réponse, et la synthèse vocale la lit à voix haute. J'ai décrit cette architecture dans mon comparatif Realtime, Whisper et TTS. Cela fonctionne, et c'est ainsi que sont gérés aujourd'hui la plupart des appels téléphoniques par IA et des agents IA de centre d'appels.
La partie qui parle est souvent assurée par un fournisseur de voix comme ElevenLabs. Sonic 3 de Cartesia est un autre choix courant.
L'argument de Block est que la première étape élimine la partie la plus humaine de la conversation. Sa page le dit sans détour : l'IA vocale actuelle "turns your voice into text and throws away an incredible amount of information text alone can't carry. The most powerful AIs in the world can't hear how you feel."
Dessa remplace toute cette chaîne par un seul modèle qui entend de l'audio et en produit. Comme il ne convertit jamais rien en texte, le rire, la pause et le soupir font partie de ce à partir de quoi il apprend et de ce qu'il produit. Des modèles comme gpt-realtime d'OpenAI traitent eux aussi directement la parole, et GPT-Live-1 délègue les raisonnements complexes à un modèle distinct en arrière-plan, comme GPT-5.5. Ce qui fait la particularité de Dessa, selon Block, c'est qu'il n'a jamais vu le moindre texte.
Ce qui surprend, si les affirmations de Block se vérifient, c'est l'efficacité. Block affirme que :
- Dessa "learned language from hundreds of times fewer words" que les grands modèles textuels.
- Il a été entraîné sur "only one NVIDIA GB200 NVL72", un seul rack plutôt qu'un centre de données.
- L'inférence "runs faster than real time" et il "runs locally on a MacBook Pro M4 Max or better."
Block énumère aussi des questions de recherche ouvertes que l'équipe souhaite explorer : "How efficiently do they learn language and facts compared to text? How efficiently can they learn new languages? What sorts of In-context learning can they perform?" J'apprécie que la page le dise aussi clairement. C'est un laboratoire de recherche qui vous dit qu'il ne sait pas encore.
Que montrent réellement les démos de Dessa ?
La page de Block propose 21 enregistrements : six extraits mis en avant avec des descriptions et 15 autres exemples, d'une durée allant de 1:42 à 5:01. Block précise que "Nobody steers it" et que les sous-titres ont été ajoutés après coup. Chaque extrait est diffusé sous forme de deux pistes synchronisées, une pour l'humain et une pour Dessa.
Voici les extraits mis en avant et ce que chacun montre selon Block :
| Extrait de démo | Durée | Ce que Block met en avant |
|---|---|---|
| Discussion sur le lancement | 2:52 | Rit au milieu d'une phrase, parle plus fort quand on le lui demande |
| Se souvenir d'un film | 2:39 | Complète un titre de film que la personne avait oublié |
| Une surprise d'anniversaire | 1:52 | Lâche un "oh my god" à voix basse, puis semble reconnaissant |
| Conversation expressive | 3:03 | "Huge range in intonation and speed" |
| Conseils de vie | 4:57 | Semble "genuinely empathetic" |
| Dessa en conversation avec GPT-Live-1 | 2:25 | Interruptions, patience, réactions d'écoute rapides |
Ce dernier extrait est ce qui se rapproche le plus d'une comparaison chez Block. Deux voix IA discutent entre elles, avec une note précisant que "the developer of GPT-Live-1 is not affiliated with Block and has not reviewed or endorsed Dessa." C'est amusant à écouter, mais cela donne une impression, pas un benchmark.
Il y a aussi un jeu de devinettes sur X, dans lequel un stagiaire joue avec le modèle et, selon les mots de Block, "the model guesses the first one right straight away, and the second doesn't take long either." Ragavan l'a présenté comme la preuve que Dessa "developed world knowledge" uniquement à partir de l'audio.
Qu'est-ce que Block ne nous a pas encore dit ?
C'est la partie que la plupart des articles sur le lancement passent sous silence, et c'est elle qui détermine si Dessa vous concerne. Au 27 octobre 2026, la page Dessa de Block est la seule présentation officielle. Il n'y a ni rapport technique, ni article scientifique, ni fiche de modèle, ni dépôt GitHub.
Ce qui manque :
- La taille du modèle. Aucun nombre de paramètres, donc impossible de confronter "runs on an M4 Max" aux besoins en mémoire.
- La latence. "Faster than real time" est une affirmation sur le débit. Il n'y a aucun chiffre en millisecondes sur le délai avant le premier son, alors que c'est ce chiffre qui détermine si un appel paraît naturel.
- Les benchmarks. Aucun score face à GPT-Live-1, Grok Voice, Gemini ou aux modèles ouverts. Seulement des formules qualitatives comme "Other models wait for you to finish, then laugh on cue."
- Les langues. Les démos sont en anglais. Un exemple s'intitule "Singing nonsense Spanish", ce qui n'équivaut pas à une prise en charge de l'espagnol.
- L'accès. Pas d'API, pas de prix, pas de licence, pas de poids ouverts. Le pied de page indique "Launch links are coming soon."
Rien de tout cela ne remet en cause la recherche. Qu'un petit laboratoire partage des travaux préliminaires est normal. Cela signifie simplement que tout article vous disant que Dessa « bat » un autre modèle fait des suppositions, et que tout projet que vous bâtissez autour de lui aujourd'hui repose sur des extraits de démo.
Que dit-on de Dessa ?
Le fil Hacker News compte 532 points et 199 commentaires, et les extraits de démo ont enflammé X. Les réactions se répartissent en trois catégories.
Le réalisme a impressionné beaucoup de monde. Le commentaire qui a reçu le plus de réponses dans le fil portait sur le matériel, pas sur la voix :
"The conversation examples are impressive but this made me say holy shit out loud: 'it runs locally on a MacBook Pro M4 Max or better. And we figured out how to train Dessa on only one NVIDIA GB200 NVL72.'"
Tout le monde n'a toutefois pas entendu la même chose. Un commentateur a trouvé l'extrait de la page d'accueil "absolutely awful", et un autre a indiqué que sa femme, qui n'a pas de profil technique, avait correctement identifié la voix IA du premier coup.
La voix a une longueur d'avance sur le cerveau. C'était la critique la plus courante chez les personnes qui ont développé des agents vocaux :
"The speech realism is very good, but the intelligence is pretty clearly 2024-level."
Un autre commentateur a repéré un fait inventé dans la démo sur le film, qui associait Bryan Singer à Superman IV. C'est un bon rappel : une voix assurée rend les hallucinations de l'IA plus convaincantes, pas moins.
Arnaques et usurpation d'identité. Plusieurs personnes se sont inquiétées des conséquences d'un modèle vocal convaincant et local sur la fraude téléphonique :
"Block says it runs locally on a high-end MacBook. Once something like that is out, there's no server in the middle to watch it or switch it off. Research preview for now. Soon the only way to know you're talking to a human will be to hang up and call back."
Block semble en avoir conscience. Les raisons qu'il donne pour développer Dessa sont "curiosity (aka fun), better understanding between humans and AI, and safety," et les premiers accès externes seront accordés aux chercheurs en sécurité, pas aux développeurs. Ce que Block n'a pas encore publié, c'est une fiche de modèle, des résultats de tests adversariaux ou un quelconque dispositif de filigrane audio. À l'inverse, OpenAI applique un filigrane SynthID à l'audio de GPT-Live et le limite à des voix prédéfinies : c'est donc le niveau que j'attendrais de Dessa avant une sortie publique.
Dessa pourrait-il gérer les appels de support client ?
Pas sous sa forme actuelle, et les raisons sont précises. Un agent de support téléphonique doit faire quatre choses en plus d'avoir une bonne voix : appeler des outils (rechercher la commande, effectuer le remboursement), suivre un script ou une politique, répondre à partir de votre propre centre d'aide et se connecter à votre système téléphonique via une API. Block n'a annoncé aucune de ces capacités.
Les participants de HN l'ont formulé plus sèchement que je ne le ferais :
"Given that it lacks both broad world knowledge and tool calling integration in any way, that seems kind of like a dead-end."
Je ne pense pas que ce soit une impasse. Un autre commentateur a suggéré de séparer les parties d'écoute et de parole d'un modèle intermédiaire chargé des recherches dans la base de connaissances et des appels d'outils, ce qui me semble être une piste raisonnable. Mais c'est un travail à venir, et Block n'a pas dit qu'il s'y attelait.
Il y a aussi une question d'expérience client à laquelle personne n'a encore de réponse. La marque de fabrique de Dessa, c'est d'interrompre et de ponctuer l'échange de réactions d'écoute comme une personne. Plusieurs commentateurs ont dit que c'était précisément ce qu'ils détesteraient sur une ligne de support :
"I get irrationally angry when actual people interrupt me while I'm talking, I'll start throwing chairs when AI tech support agents start doing it."
D'après ce que j'ai observé dans de vraies files de tickets de support, les clients pardonnent une voix un peu robotique qui résout leur problème. Ils ne pardonnent pas une voix charmante qui n'y arrive pas. Quand je déploie un agent chez eesel, je le teste d'abord en simulation sur les anciens tickets de l'équipe, précisément parce que l'échec qui fait mal, c'est une réponse fausse donnée avec assurance, pas une pause maladroite. Si l'IA téléphonique figure dans votre feuille de route, commencez par ce que votre service d'assistance propose déjà. Zendesk dispose d'agents IA vocaux, et Freshdesk d'agents Freshcaller.
Pour des outils autonomes que vous pouvez déployer dès maintenant, mes guides sur les agents IA vocaux pour le support et les meilleures IA pour le support téléphonique sont un bon point de départ.
Comment Dessa se compare-t-il aux modèles vocaux utilisables aujourd'hui ?
Puisque Block n'a pas publié de scores, une comparaison honnête porte sur ce que chacun vous permet de faire, pas sur celui dont la voix est la meilleure.
| Block Dessa | GPT-Live-1 | Grok Voice Think Fast 2.0 | |
|---|---|---|---|
| Son architecture | Un modèle uniquement vocal, sans entraînement sur du texte | Couche vocale qui délègue le raisonnement à un modèle en arrière-plan comme GPT-5.5 | Modèle vocal avec raisonnement intégré |
| Pouvez-vous l'utiliser aujourd'hui ? | Liste d'attente et chercheurs en sécurité uniquement | Oui, via API | Oui, via API |
| Prix publié | Aucun | 0,05 $ par minute pour la couche vocale | 0,08 $ par minute |
| Appels d'outils | Non annoncés | Oui | Oui |
| Fonctionne en local | Oui, MacBook M4 Max ou supérieur (selon Block) | Non | Non |
| Benchmarks publiés | Aucun | Oui | Oui |
| Filigrane audio | Non annoncé | SynthID | Non abordé ici |
Fait intéressant, l'architecture de GPT-Live-1 est proche de ce que ce commentateur de Hacker News proposait pour Dessa : une couche vocale pour la conversation et un modèle distinct pour la réflexion et les appels d'outils. Mon avis sur GPT-Live-1 et mon analyse des tarifs approfondissent le sujet.
Le fonctionnement en local est la seule nouveauté du côté de Dessa dans ce tableau. Un modèle vocal qui tourne sur un ordinateur portable ouvre des possibilités pour les assistants hors ligne, les jeux et la pratique des langues que les API cloud n'offrent pas. Si c'est l'IA locale qui vous intéresse, cela vaut la peine de le découvrir en parallèle d'autres nouveautés fonctionnant sur l'appareil, comme Nemotron 3.5 Bolt, ou de ma liste d'agents IA open source.
Pour tout usage en contact avec les clients cette année, toutefois, les modèles dotés d'API et d'appels d'outils l'emportent par défaut, et le modèle vocal n'est qu'une composante d'un agent IA opérationnel. Mon tour d'horizon des agents IA vocaux et mon avis sur Grok Voice Agent Builder sont de meilleurs points de départ qu'une liste d'attente.
Qui devrait s'intéresser à Dessa ?
- Chercheurs en sécurité de l'IA : oui, directement. Block s'adresse explicitement à vous, avec un formulaire d'accès anticipé qui demande une adresse e-mail institutionnelle.
- Développeurs d'IA vocale : suivez-le de près. Si Block publie les poids ou une API, un modèle uniquement vocal fonctionnant en local constituerait une véritable nouvelle option.
- Responsables du support et de l'expérience client : voyez-y un signal, pas un plan. Les gains les plus rapides sur les appels aujourd'hui viennent de choses comme résumer les appels en tickets et, plus largement, de l'automatisation des centres d'appels. L'IA vocale va clairement avoir une voix plus humaine. Savoir si elle peut agir sur vos données est une autre question, à laquelle Dessa ne répond pas encore.
- Toute personne inquiète des arnaques téléphoniques : cette inquiétude est légitime. Un mot de passe familial pour les appels inattendus est une habitude peu coûteuse à adopter dès maintenant.
Essayez eesel
Dessa montre la direction que prend l'IA vocale : plus humaine, plus expressive et, à terme, locale. La partie qu'il n'a pas encore atteinte, agir à partir de données de compte réelles selon vos propres règles, est ce que le coéquipier IA pour le service d'assistance d'eesel fait déjà sur les tickets reçus par e-mail et par chat. Il apprend à partir de votre centre d'aide et de vos anciens tickets, peut rechercher des commandes avant de répondre et passe le relais à une personne quand il le faut.
SamCart utilise un agent pour ses tickets Freshdesk et un autre pour le chat de son site web, qui répondent à partir de 280 articles du centre d'aide. Swiftreg a traité environ 2 100 tickets Zendesk en un mois à partir de données de commande en temps réel, avec environ 1 500 réponses publiques envoyées. Tous deux fonctionnent sur les files de tickets qu'ils utilisaient déjà, sans liste d'attente.
Si votre file de tickets a besoin d'aide avant que l'IA vocale arrive à maturité, essayez eesel gratuitement et testez-le d'abord sur vos propres anciens tickets.
Comment Block Dessa a-t-il été entraîné ?