GPT-Bidi-1 : Tout savoir sur le modèle vocal bidirectionnel d'OpenAI pour ChatGPT

Précision importante : OpenAI n'a pas émis d'annonce officielle. Le nom final du modèle, le comportement exact de ses niveaux et sa date de déploiement restent non confirmés par l'entreprise.

En quoi la voix bidirectionnelle diffère des modèles en tour-parole

Les modes vocaux actuels de ChatGPT — Voix Standard et Mode Vocal Avancé — fonctionnent selon un paradigme de tour-parole (turn-based). Le modèle doit attendre que l'utilisateur ait fini de parler pour pouvoir répondre. L'architecture bidirectionnelle (BiDi) de GPT-Bidi-1 permet au modèle de traiter deux flux audio simultanément : le vôtre et le sien.

Les principales différences de comportement rapportées dans les démonstrations :

• Gestion des interruptions : Le modèle peut absorber les interruptions en plein milieu d'une phrase et ajuster dynamiquement sa réponse sans se figer ni couper la piste audio.
• Correction en temps réel : Lors des tests, GPT-Bidi-1 a compté avec un utilisateur de 1 à 10, puis est immédiatement passé au compte à rebours lorsque l'utilisateur l'a interrompu en cours de route.
• Chevauchement naturel : L'assistant peut parler pendant que l'utilisateur parle encore, rendant les échanges plus proches d'une conversation humaine.

L'objectif interne d'OpenAI était de combler le fossé entre la partie vocale de ChatGPT — qui accusait un retard sur ses modèles de texte (déjà au niveau de raisonnement GPT-5.5) — et d'offrir une parité d'intelligence conversationnelle en temps réel.

Trois niveaux d'intelligence sélectionnables

GPT-Bidi-1 est le premier modèle vocal d'OpenAI à introduire trois niveaux d'intelligence et de vitesse sélectionnables pour la voix :

Ce système de niveaux permet aux utilisateurs d'adapter la profondeur d'interaction par rapport à la latence en fonction de la tâche, un peu comme les modèles de texte de ChatGPT offrent différents niveaux de raisonnement. Par exemple, une simple requête météo utiliserait le mode Instant, tandis qu'une session de brainstorming approfondie passerait en mode High.

Changements visuels de l'interface vocale

Lorsque GPT-Bidi-1 est sélectionné, la bulle vocale / l'indicateur de forme d'onde devient jaune au lieu de la couleur par défaut actuelle. Le modèle apparaît dans le sélecteur de modèles des paramètres comme une nouvelle option intitulée "Bidi (Dernière version)" aux côtés de la Voix Standard et du Mode Vocal Avancé existants, sans les remplacer.

Chronologie du développement et contexte concurrentiel

• Début 2026 : OpenAI commence à développer l'architecture BiDi en interne.
• 5 mars 2026 : The Information rapporte qu'OpenAI développe un modèle audio bidirectionnel pour améliorer ses assistants vocaux.
• 7 mai 2026 : OpenAI annonce GPT-Realtime-2 dans l'API — son premier modèle vocal avec un raisonnement de classe GPT-5, qui jette les bases des capacités bidirectionnelles.
• 16-17 juin 2026 : M1Astra et TestingCatalog repèrent publiquement les premières références de code pour gpt-bidi-1.
• 22-24 juin 2026 : Des rapports d'utilisateurs et des vidéos de démonstration émergent, montrant un comportement bidirectionnel fonctionnel. Plusieurs médias rapportent qu'un déploiement plus large pourrait avoir lieu dans la même semaine.

Contexte concurrentiel : Cette poussée vers la voix bidirectionnelle répond directement aux avancées de Google (Gemini Live et ses interruptions), d'Anthropic et des agents vocaux en temps réel des startups. OpenAI est en course pour offrir à sa partie vocale une parité avec son intelligence textuelle, qui atteint déjà un niveau de raisonnement GPT-5.5.