GPT-Live-1 est le nouveau modèle vocal d'OpenAI, et la version en une phrase est la suivante : il écoute et parle en même temps. Cette astuce « full-duplex » est toute l'histoire. Les anciennes IA vocales attendaient que vous cessiez de parler avant de répondre, ce qui explique pourquoi elles vous coupaient sans cesse. GPT-Live-1 peut glisser un « mhm », vous laisser faire une pause pour réfléchir, ou continuer à discuter pendant qu'il cherche quelque chose en arrière-plan.
Il est disponible de deux façons. Dans ChatGPT, GPT-Live-1 est devenu la voix par défaut des utilisateurs Go, Plus et Pro (avec GPT-Live-1 mini pour l'offre Free) à partir du 8 juillet 2026. Et depuis le 10 septembre, il est dans l'API à 0,05 $ la minute pour la couche vocale, avec une prise en charge de la téléphonie visant directement le service client par téléphone.
Voici ce qu'il faut bien intégrer avant de vous enthousiasmer pour le support vocal : GPT-Live-1 est les oreilles et la bouche, pas le cerveau. Il délègue la vraie réflexion à un modèle distinct comme GPT-5.5 ou GPT-6 Astra. Le modèle offre donc une conversation au son naturel, mais résoudre un vrai ticket exige toujours un agent qui connaît votre entreprise. C'est exactement là qu'un outil comme eesel trouve sa place.
Ce qu'est vraiment GPT-Live-1
Je construis des agents IA pour vivre : quand un nouveau modèle vocal sort, je saute la vidéo de démonstration et je vais droit à l'architecture. GPT-Live-1 mérite l'attention, car le changement est structurel, pas cosmétique.
OpenAI lance deux versions : GPT-Live-1 et GPT-Live-1 mini. Toutes deux sont ce qu'OpenAI appelle une « nouvelle génération de modèles vocaux pour une interaction naturelle entre humains et IA », et toutes deux se trouvent désormais sous ChatGPT Voice, utilisé chaque semaine par plus de 150 millions de personnes. GPT-Live-1 est le modèle par défaut pour Go, Plus et Pro ; le mini est celui par défaut pour Free.
Le modèle repose sur une conception full-duplex, et c'est aussi le modèle vocal le plus intelligent qu'OpenAI ait lancé. Lorsqu'une question demande une recherche web ou un raisonnement plus poussé, GPT-Live-1 confie discrètement ce travail à un modèle de pointe en coulisses (GPT-5.5 au lancement dans ChatGPT) et maintient la conversation pendant l'attente. Vous obtenez aussi neuf voix remasterisées et des cartes de réponse visuelles pour la météo, la bourse, le sport et les cartes. C'est un grand pas par rapport à la dernière génération de logiciels de service client IA qui greffaient une voix comme une réflexion après coup.
Un bon point côté sécurité : depuis le 31 juillet, l'audio généré via GPT-Live porte un filigrane SynthID, et OpenAI a publié un outil public pour détecter ses signaux de provenance. Le modèle utilise aussi un ensemble fixe de voix prédéfinies et est conçu pour ne pas imiter une personne réelle, ce qui évite le problème du clonage de voix qui poursuit ce domaine.
Pourquoi le full-duplex est le vrai changement
Pour comprendre pourquoi cela compte, il faut regarder ce qui existait avant. L'IA vocale a traversé deux générations maladroites, et GPT-Live-1 est la troisième.
La première génération était en cascade. Le ChatGPT Voice d'origine enchaînait trois modèles distincts : la reconnaissance vocale pour vous transcrire, un modèle de langage pour réfléchir et la synthèse vocale pour répondre. Cela fonctionnait, mais chaque transmission ajoutait de la latence et faisait perdre un peu de contexte, si bien que les réponses arrivaient lentes et guindées.
La deuxième génération était au tour par tour, comme le mode vocal avancé de ChatGPT. Elle traitait l'audio dans un seul modèle, ce qui était plus fluide, mais fonctionnait toujours par tours distincts. Elle devait attendre que vous cessiez de parler pour répondre, et comme elle détectait les tours à partir du silence, une brève pause ou une voiture qui passe pouvait être prise pour « votre tour est terminé ». C'est le modèle qui vous coupe au milieu d'une idée.
GPT-Live-1 supprime entièrement ces tours. Au lieu de traiter une suite de messages séparés, il reçoit l'audio en continu tout en générant de l'audio, et prend une décision d'interaction plusieurs fois par seconde : parler, continuer à écouter, faire une pause, interrompre ou appeler un outil. C'est ce qui permet un va-et-vient naturel, un sens du rythme et même la traduction en direct.
L'astuce de la délégation : un orateur rapide avec des coulisses intelligentes
Le second changement d'architecture est le plus ingénieux, et c'est celui que la plupart des articles passent sous silence. OpenAI a découplé la partie qui gère la conversation de celle qui fait la réflexion.
GPT-Live-1 mène la conversation en direct. Quand une question demande de la recherche, un vrai raisonnement ou un travail agentique, il délègue la tâche à un modèle backend distinct et continue de vous parler entre-temps. Dans ChatGPT, ce backend est GPT-5.5. Dans l'API, vous le choisissez vous-même : GPT-6 Astra pour les cas complexes, un modèle plus léger pour les tâches à fort volume comme la planification ou la consultation de commandes, voire un modèle tiers.
L'avantage pratique va au-delà de « ça paraît intelligent ». Comme la couche de conversation et la couche de raisonnement sont séparées, vous pouvez régler l'effort de raisonnement à chaque interaction. ChatGPT propose trois niveaux : Instant pour des réponses rapides, puis Medium et High quand vous voulez qu'il réfléchisse vraiment. GPT-Live-1 Instant et le mini tournent sur GPT-5.5 Instant en arrière-plan, tandis que Medium et High font appel à GPT-5.5 Thinking. C'est la même idée sur laquelle je m'appuie pour construire des agents IA : ne demandez pas à un seul modèle de tout faire, adaptez la profondeur à la tâche.
Est-il vraiment bon ?
OpenAI a mené des évaluations humaines en face-à-face, et les chiffres sont franchement déséquilibrés contre l'ancien mode vocal avancé (AVM). Voici l'essentiel.
| Benchmark | Ce qu'il mesure | AVM | GPT-Live-1 mini | GPT-Live-1 (high) |
|---|---|---|---|---|
| Préférence par paires | Quelle conversation les gens ont préférée | (référence) | 69,2 % | 75,7 % |
| Fluidité de la conversation | Note moyenne sur 7 | 3,80 | 4,33 | 4,96 |
| Agrément | Note moyenne sur 7 | 3,82 | 4,47 | 5,19 |
| GPQA | Raisonnement scientifique de niveau expert | 45,3 % | 74,9 % | 84,2 % |
| BrowseComp | Recherche web agentique | 0,7 % | 31,6 % | 75,2 % |
Ce bond sur BrowseComp saute aux yeux : de quasiment zéro à 75,2 %. C'est l'architecture de délégation qui fait son travail, puisque la recherche agentique est exactement le genre de « travail de fond » que GPT-Live-1 confie au modèle backend.
Le lancement de l'API a ajouté deux chiffres de plus auxquels je me fierais pour juger spécifiquement des agents vocaux. GPT-Live-1 améliore Full Duplex Bench de 30 points de pourcentage par rapport à GPT-Realtime-2.1, et associé à GPT-6 Astra avec un effort de raisonnement moyen, il se classe n° 1 sur Tau3, un benchmark d'intelligence d'agents vocaux de pointe sur des tâches de bout en bout dans le support des compagnies aériennes, du commerce, des télécoms et de la banque. Si le support vous importe, ce sont les tâches qui correspondent à votre travail réel, et celles qui feront vraiment bouger vos indicateurs de service client IA.
Ce que les gens en disent vraiment
Les benchmarks sont une chose, vivre avec le modèle en est une autre. Le fil Hacker News qui interroge les gens sur leur expérience est une lecture bonne et sans fard. Le consensus : « la qualité de conversation est un vrai bond, l'intelligence est inégale ».
Celui qui a lancé le fil a résumé l'avantage simplement :
"Its conversational skills are an incredible leap from its predecessor: The acknowledgments it makes, and the natural flow it exhibits overall are awesome."
La traduction en direct et l'usage mains libres semblent être là où il brille le plus pour les utilisateurs ordinaires :
"I use it to help with learning a language (French) and have been leaning into the CarPlay app. The model has done surprisingly well in conversations where it has to go back and forth across languages in the same response."
Mais les mêmes signaux d'écoute qui le rendent humain peuvent agacer. Un commentateur a pointé l'envers de tous ces « mhm » :
"The new gpt-live feature tends to interrupt with 'human' sounding injections like 'hmm', 'huh' a bit too much."
Cela rejoint la franchise d'OpenAI sur les limites : au lancement, il ne prend pas en charge la voix avec vidéo ou partage d'écran dans ChatGPT, et certaines langues autres que l'anglais présentent encore un accent non natif ou des lacunes de fluidité. À savoir avant de promettre un service client multilingue avec lui.
GPT-Live-1 dans l'API : la partie intéressante pour les développeurs
La sortie de l'API le 10 septembre est le moment où GPT-Live-1 cesse d'être une fonction de ChatGPT pour devenir quelque chose sur quoi l'on peut construire. L'argument aux développeurs : il condense l'ancienne pile reconnaissance vocale, raisonnement et synthèse vocale en une seule couche vocale, de sorte que vous n'avez pas à coder à la main ce qui se passe quand quelqu'un interrompt ou s'arrête au milieu d'une phrase.
Les principales capacités mises en avant par OpenAI :
- Gestion des interruptions en raisonnant sur l'audio entrant et sortant dans un seul modèle, ce qui évite les transmissions fragiles des architectures en chaîne.
- Délégation du raisonnement et des appels d'outils à un modèle texte backend ou à un modèle tiers.
- Contrôle du ton, du rythme et du style via le prompt système.
- Prise en charge de la téléphonie, pour déployer des agents vocaux full-duplex sur des appels, des réservations au service client.
- Transcriptions ASR natives, compréhension alphanumérique et biais de mots-clés, ainsi que la détection de tours pour les équipes qui veulent encore des frontières de tour explicites.
Les premiers utilisateurs rapportent de vrais gains d'ingénierie, pas seulement des impressions. L'application d'apprentissage des langues Speak a constaté que GPT-Live-1 réduisait de presque 80 % les interruptions pendant les pauses de réflexion par rapport aux systèmes précédents au tour par tour, selon le cofondateur et directeur technique Andrew Hsu. Alex Levy, de Yelp, a déclaré que l'utiliser pour répondre aux appels de réservation et de commande de repas avait entraîné des « améliorations significatives des taux de traitement des appels ». Une équipe du secteur de la santé a même indiqué avoir « simplifié notre base de code de 80 % et supprimé 23 000 lignes de code » par rapport à sa version en cascade.
Le prix est étonnamment simple à énoncer et facile à sous-estimer : 0,05 $ la minute pour la couche vocale frontale, et vous apportez le modèle backend et l'agent harness adaptés à votre produit. Cette seconde moitié est le vrai moteur du coût, car la couche vocale est bon marché et le raisonnement que vous y associez ne l'est pas. OpenAI a aussi orienté les entreprises vers OpenAI Presence, une manière de plus haut niveau de déployer des agents vocaux de confiance sur le même modèle.
Ce que cela change pour le support client
C'est ici que je freinerais, car « OpenAI a lancé un excellent modèle vocal » et « vous pouvez désormais assurer un support vocal par IA » ne sont pas la même phrase.
GPT-Live-1 résout le problème de conversation, et le résout bien. Le rythme saccadé qui rendait les bots téléphoniques robotiques a en grande partie disparu. Sur les benchmarks de support oral comme Tau3 et sa variante télécoms, GPT-Live-1 surpasse nettement la génération précédente. Si votre blocage était que « l'expérience vocale ressemble à un serveur vocal interactif de 2019 », cela le corrige.
Ce qu'il ne résout pas, c'est le problème de résolution. Le modèle, par conception, est les oreilles et la bouche. Il ne sait pas quelle est votre politique de remboursement, si la commande de ce client a bien été expédiée, ni lequel de vos 400 articles d'aide répond à sa question. Tout cela vit dans le modèle backend, l'agent harness et le contexte métier que vous branchez, ce qui est la partie vraiment difficile de l'IA pour l'automatisation du service client. C'est la différence entre une démo léchée et un véritable copilote IA pour le service client.
La lecture honnête est donc la suivante : GPT-Live-1 est une infrastructure. C'est une belle couche vocale sur laquelle tout produit de support peut désormais s'appuyer. Le facteur de différenciation monte d'un cran, vers le coéquipier qui connaît vraiment votre entreprise et peut résoudre le ticket. C'est la même raison pour laquelle la question construire ou acheter reste importante : brancher la voix, c'est les 20 % faciles, et obtenir un agent fiable à qui vous confieriez de vrais clients, ce sont les 80 % restants. Si vous cartographiez cela, notre guide de mise en œuvre de l'IA pour le support client parcourt la moitié la plus difficile.
Essayer eesel
Si vous regardez GPT-Live-1 en pensant au support, ce qu'il faut résoudre n'est pas la voix, c'est le coéquipier derrière elle. C'est ce sur quoi je travaille. eesel est une plateforme de coéquipiers IA où vous recrutez un coéquipier de support IA prêt à travailler, qui apprend de votre centre d'aide, de vos anciens tickets et de vos macros, rejoint votre helpdesk existant et commence à résoudre des conversations.
Ce qui s'associe naturellement à un modèle comme GPT-Live-1, c'est la discipline qui l'entoure. Avant qu'un coéquipier eesel ne touche un client réel, vous pouvez le simuler sur des milliers de vos propres tickets historiques pour voir exactement ce qu'il aurait dit et ce qu'il aurait résolu. J'ai vu des bots à l'air sûr d'eux donner discrètement de mauvaises réponses, et c'est précisément pourquoi cette répétition sur l'historique réel existe, plutôt que d'actionner un interrupteur en espérant que tout aille bien.
Et puisque le thème de GPT-Live-1 est la voix programmable, sachez qu'eesel se pilote de la même manière. Au-delà du tableau de bord, il existe une CLI eesel et un serveur MCP, pour que vous puissiez piloter le même coéquipier depuis un terminal, l'intégrer à des scripts ou laisser un agent de code comme Claude Code ou Codex inspecter ses instructions, proposer une modification et relire les réponses de test avant que quoi que ce soit ne soit livré. C'est la façon adaptée aux agents de gérer la couche de résolution devant laquelle se place un modèle vocal comme GPT-Live-1. Vous pouvez essayer eesel gratuitement et le simuler sur vos propres tickets en quelques minutes.