OpenAI ouvre GPT-Live-1, la voix full-duplex qui délègue le raisonnement à un autre modèle
Le 10 septembre, OpenAI a porté GPT-Live-1 dans son API : un modèle vocal full-duplex qui tient la conversation et délègue les questions lourdes à un backend de raisonnement. Pour les équipes qui construisent des agents vocaux, le gain est mesurable — moins 80 % de code chez un client — mais il se paie en dépendance à la plateforme.
10 septembre 2026. OpenAI lance GPT-Live-1 dans son API et porte, pour la première fois, l’architecture vocale native de ChatGPT en dehors de ses propres produits. Tony Stoyanov, CTO de EliseAI, résume le gain d’un chiffre : 23 000 lignes de code supprimées, soit 80 % de sa base. Le mécanisme central tient en une idée : un seul modèle tient la conversation, et le raisonnement lourd est délégué ailleurs.
La pile vocale classique est une chaîne fragile
Un agent vocal n’est presque jamais un modèle unique. C’est une chaîne de systèmes qui se passent la conversation : la voix est transcrite en texte, un modèle décide d’une réponse, puis le texte est re-synthétisé en parole. Chaque maillon ajoute de la latence, et le budget est impitoyable — une conversation humaine tolère mal un délai au-delà de quelques centaines de millisecondes. Le résultat sonne vite robotique, pas seulement par la voix, mais par la mécanique des tours de parole.
GPT-Live-1 cherche à écraser cette pile. Il agit en première ligne conversationnelle : natif full-duplex, il suit la conversation en temps réel, y compris quand quelqu’un coupe la parole en pleine phrase, sans que le développeur orchestre des systèmes séparés. La différence avec le half-duplex des générations précédentes — où chacun parle à son tour, comme sur une radio — est précisément ce qui change la perception : un interlocuteur qui peut être interrompu est un interlocuteur crédible.
La délégation du raisonnement
Le modèle vocal n’a pas à tout faire seul. Quand une requête demande plus de temps ou de traitement, GPT-Live-1 la délègue à un autre modèle en arrière-plan : GPT-6 Astra, un modèle plus petit comme Luna, ou un modèle d’un autre fournisseur.
C’est la réponse au problème de silence qui plombe les agents vocaux : poser une question difficile et rester en silence pendant que le modèle réfléchit. GPT-Live-1 tient la conversation pendant ce temps — il comble les pauses, accuse réception — puis intègre la réponse une fois le backend terminé. Le raisonnement devient invisible à l’interlocuteur, qui ne perçoit qu’une conversation fluide.
Sur les chiffres, OpenAI annonce 30 points de pourcentage de mieux que GPT-Realtime-2.1 sur Full Duplex Bench, et la première place sur le benchmark τ³-benchmark associé à GPT-6 Astra en raisonnement moyen.
Ce que produit la délégation, concrètement
La délégation passe par une interface pilotée par événements : la session vocale génère un delegation_id, envoie le contexte au backend qui traite le travail lourd, et récupère le résultat via l’événement session.commentary.append. Le modèle vocal plie ce résultat dans la conversation en cours au lieu de lire un bloc de texte à voix haute. Les développeurs gardent la visibilité sur ce que le modèle entend et dit, et contrôlent quand il prend la parole — ils n’ont simplement plus à assembler toute la conversation à partir de systèmes séparés.
Les premiers clients chiffrent le gain.
- EliseAI, plateforme de santé, a supprimé 23 000 lignes de code et réduit sa base de 80 %, du temps réinvesti dans l’expérience patient — prise de rendez-vous et navigation dans les soins.
- Speak, application d’apprentissage des langues, mesure que GPT-Live-1 interrompt 80 % moins souvent un apprenant qui marque une pause pour réfléchir. Pour apprendre une langue, ces quelques secondes font la différence entre trouver sa réponse et se faire couper.
- Yelp l’utilise déjà dans Yelp Host et Hatch : Alex Levy, son CTO, constate plus d’appels menés à bien par l’IA et des phrases plus naturelles et plus complètes.
Le prix de la couche vocale
GPT-Live-1 coûte 0,05 $ par minute, soit environ 3 $ de l’heure — auquel s’ajoute le coût du backend de raisonnement. Chaque fois que l’agent appelle GPT-6 Astra, la facture grimpe d’autant. Plus l’agent sollicite un modèle de raisonnement, plus le coût total monte vite.
OpenAI a taillé dans ses prix face à la concurrence d’Anthropic, de Google et des laboratoires chinois, mais le raisonnement de pointe reste payant. L’intérêt du découplage est la sélectivité : une prise de rendez-vous simple peut partir sur Luna, une question à raisonnement multi-étapes ou à appels d’outils sur Astra. GPT-Live-1 donne aux équipes un endroit où appliquer cette logique de coût à la voix, appel par appel.
Ce que full-duplex veut dire en pratique
Le full-duplex n’est pas un détail de spécification. Dans un système half-duplex, le modèle attend la fin de la phrase de l’utilisateur avant de traiter : il faut détecter la fin de tour de parole, déclencher la transcription, inférer, puis synthétiser. Chaque étape ajoute de la latence, et le système échoue sur l’interruption — le barge-in, quand l’utilisateur coupe la parole. Un modèle full-duplex écoute et parle en même temps : il peut commencer à répondre pendant que l’utilisateur parle encore, et se faire interrompre proprement. C’est ce qui distingue une conversation d’une alternance de monologues.
Le gain se mesure dans les cas où l’interruption coûte cher — un centre d’appel, un rendez-vous médical, une leçon de langue. Speak en donne la preuve chiffrée : 80 % d’interruptions en moins quand l’apprenant marque une pause pour réfléchir.
La voix devient une arène
Le coût, lui, se calcule vite. Un appel de support de dix minutes revient à 0,50 $ de couche vocale pure ; si l’agent délègue la moitié du temps à GPT-6 Astra en raisonnement moyen, la facture grimpe d’autant selon le tarif du backend. La structure récompense les équipes qui réservent le raisonnement aux questions qui le méritent, et punit celles qui branchent un modèle de pointe sur chaque tour de parole.
GPT-Live-1 n’arrive pas dans un vide. Google, Anthropic et les laboratoires chinois poussent leurs propres modèles vocaux temps réel, et OpenAI a taillé ses prix face à cette pression. La voix est en train de devenir la prochaine interface de masse — pas seulement pour les assistants, mais pour la réservation, le support et la santé. Dans cette course, le découplage « un modèle qui parle, un modèle qui pense » est l’architecture qui gagne, parce qu’elle optimise le coût et la latence séparément. GPT-Live-1 est la première implémentation majeure de ce découplage exposée en API.
Le compromis de contrôle
Avec l’ancienne approche en cascade, chaque maillon de la pile pouvait venir d’un fournisseur différent et être remplacé à la carte. GPT-Live-1 prend en charge plus de conversation — ce qui revient à confier plus de la pile à OpenAI.
Le pari est explicite : les développeurs céderont un peu de contrôle si la voix tient enfin le rythme de l’interlocuteur. C’est un pari raisonnable, mais il se signe en connaissance de cause.
Verdict
GPT-Live-1 est la première vraie tentative de faire de la voix d’agent un produit API unique plutôt qu’un assemblage maison.
Si vous construisez un agent vocal sensible à la latence, le saut est chiffrable et justifié : 30 points sur Full Duplex Bench, 80 % de code en moins chez EliseAI, et une interruption quasi éliminée chez Speak. Testez-le sur un cas où l’interruption coûte cher — réservation, santé, apprentissage. Si vous devez rester multi-fournisseur, mesurez le coût de sortie avant de signer : GPT-Live-1 verrouille plus de la pile chez OpenAI, et le tarif à la minute n’inclut pas le backend de raisonnement. Le gain de latence est réel ; la dépendance aussi.