GPT-Live-1 : OpenAI ouvre son modèle vocal full-duplex aux développeurs

OpenAI a annoncé la disponibilité générale de GPT-Live-1 dans son API le 10 septembre 2026, et non le 11 septembre. Cette sortie donne aux développeurs une couche vocale pour créer des agents capables d’écouter et de parler en même temps, plutôt que de faire avancer l’échange par tours de parole rigides et successifs. 116

Ce que change le « full-duplex »

De nombreux agents vocaux reposent sur une chaîne en trois étapes : la parole est d’abord transcrite en texte, un modèle de langage prépare une réponse, puis un système de synthèse vocale la prononce. GPT-Live-1 est présenté comme une couche vocale unifiée pour gérer la partie conversationnelle en temps réel. 1

La différence concrète concerne la prise de parole. Selon OpenAI, GPT-Live-1 peut écouter tout en parlant, suivre les pauses et les changements de rythme, puis décider s’il doit répondre ou continuer d’écouter. L’objectif est que les interruptions et les brefs signes d’acquiescement — parfois appelés backchannels — soient traités comme des éléments normaux d’une conversation, et non comme des erreurs. 1915

Cela ne signifie pas que le modèle vocal doit accomplir seul toutes les tâches. Une conversation GPT-Live-1 peut se poursuivre pendant qu’un modèle ou agent backend effectue un raisonnement plus approfondi ou utilise des outils. OpenAI prévoit la délégation via Responses avec un modèle OpenAI, ainsi que la délégation côté client vers le propre backend du développeur. Les équipes peuvent donc choisir le système de raisonnement qui soutient leur expérience vocale. 116

Une couche vocale à l’avant, le raisonnement à l’arrière

GPT-Live-1 joue le rôle d’interface conversationnelle : il écoute, parle et gère le rythme de l’échange. Le backend peut, lui, prendre en charge le raisonnement complexe, la recherche d’informations, l’exécution de workflows ou les appels d’outils. Dans les notes produit d’OpenAI, GPT-6 Astra est cité comme une option pour les tâches de recherche et de raisonnement plus difficiles ; les développeurs API peuvent également relier leur propre backend grâce à la délégation côté client. 416

Pour les développeurs, cette séparation implique que :

• GPT-Live-1 gère l’échange vocal en direct : écoute, parole et timing conversationnel ;
• un modèle ou agent backend peut traiter les décisions complexes et les outils ;
• le coût et le comportement de l’agent complet dépendent de ces deux couches, et non du seul modèle vocal. 1618

OpenAI met aussi en avant un meilleur suivi des instructions, des voix personnalisées et la prise en charge de la téléphonie. 13

Tarif : 0,05 $ par minute pour la voix, plus le backend

Les sessions vocales GPT-Live-1 coûtent 0,05 $ par minute. La facturation se fait à la seconde, sans arrondi à la minute supérieure. 1618

Ce prix couvre la session vocale, pas nécessairement le coût total d’un agent vocal. L’utilisation du modèle backend et des outils est facturée séparément. Pour établir un budget de production, il faut donc tenir compte à la fois de la durée des conversations et du travail délégué en arrière-plan. 1618

Performances : ce que les sources permettent réellement d’affirmer

OpenAI indique que GPT-Live-1 a progressé de 30 points de pourcentage sur son test Full Duplex Bench par rapport à GPT-Realtime-2.1. L’entreprise précise également que GPT-Live-1 associé à GPT-6 Astra, avec un niveau de raisonnement moyen, est arrivé premier sur Tau3. 1

En revanche, les éléments fournis ne corroborent pas indépendamment les chiffres précis évoqués dans la question initiale concernant la latence de prise de parole ou la comparaison exacte des taux de réussite sur Tau3. Ces valeurs ne doivent donc pas être considérées comme vérifiées ici.

Ce que rapportent les premiers utilisateurs

OpenAI présente plusieurs déploiements en production comme illustrations de l’intérêt d’une gestion plus naturelle des tours de parole :

• Yelp indique avoir amélioré la prise de parole et la précision après l’intégration de GPT-Live-1 dans Yelp Host et Hatch. Pour les appels de réservation et de commande de repas, l’entreprise rapporte des formulations plus complètes et plus naturelles de la part des appelants, ainsi qu’une amélioration du traitement des appels. 1
• Speak affirme que les apprenants disposent de davantage de temps pour réfléchir avant qu’un tuteur ne réponde, ce qui aurait réduit les interruptions de près de 80 % par rapport à ses précédents systèmes à tours de parole. 1
• Une entreprise de santé explique qu’abandonner une architecture en cascade a simplifié sa base de code de 80 % et supprimé 23 000 lignes de code, tout en permettant des échanges plus naturels avec les patients en temps réel. 1

Il s’agit de résultats rapportés par les entreprises concernées, et non d’évaluations indépendantes : ils doivent être lus comme des exemples de déploiement, pas comme des garanties de performance universelles.

Points qui restent à confirmer

Les sources disponibles ne confirment pas l’existence d’un accès entreprise via un produit géré appelé « Presence ». Elles ne permettent pas non plus d’établir une extension précise de la couverture des accents, dialectes ou langues à l’occasion de cette sortie API. Ces éléments devront être vérifiés directement dans la documentation OpenAI à jour avant toute décision d’achat ou d’implémentation.

À retenir

Le changement majeur apporté par GPT-Live-1 est architectural : l’API propose une couche vocale full-duplex, capable de maintenir un échange naturel pendant qu’un autre système exécute un raisonnement plus lent ou appelle des outils. À 0,05 $ par minute pour la couche vocale, avec une facturation à la seconde, le prix du temps de conversation est simple à estimer. Le coût complet d’un agent dépendra toutefois toujours du modèle backend et des outils retenus. 11618