L'interaction vocale souffre d'une latence frustrante. GPT-Live d'OpenAI résout ce problème avec une architecture full-duplex native et le protocole WARP. Pour les entreprises, cela permet d'intégrer des assistants vocaux ultra-fluides gérant les interruptions en direct, augmentant l'engagement client et l'efficacité opérationnelle. Le marché des assistants vocaux connaît une mutation importante. Les architectures reposant sur des tours de parole discrets peuvent produire des pauses artificielles ou interpréter trop tôt un silence comme une fin d'intervention. Avec GPT-Live, dont le déploiement dans ChatGPT Voice a commencé mondialement en juillet 2026, OpenAI place directement le modèle vocal au cœur de la gestion de l'interaction continue. GPT-Live va plus loin que l'Advanced Voice Mode sur la gestion du dialogue : OpenAI décrit ce dernier comme un modèle audio natif restant organisé autour de tours de parole, alors que GPT-Live traite continuellement le flux et peut déléguer les tâches plus lourdes à des modèles comme GPT-5.5. ChatGPT Voice prend également en charge les fichiers et les Projects, tandis que l'application desktop permet d'utiliser la voix avec Work et Codex pour lancer ou coordonner des tâches selon les outils et permissions disponibles. Alors que des technologies comme Scribe v2 Realtime ont contribué à faire progresser les usages vocaux temps réel, l'approche de GPT-Live se distingue par la séparation du chemin média et des opérations de raisonnement ou d'outillage plus lentes. Les équipes produit et ingénierie disposent ainsi d'une nouvelle architecture de référence pour concevoir des interfaces vocales moins dépendantes d'un dialogue strictement séquentiel. L'avènement du duplex intégral marque une évolution psychologique importante dans notre relation aux modèles de langage, en faisant évoluer l'interaction de commandes successives vers une conversation plus continue. L'observation de l'explorateur Réduire la latence conversationnelle n'est pas une simple optimisation de bande passante : c'est rendre la frontière entre parler à la machine et travailler avec elle beaucoup moins visible. Cette diminution des barrières conversationnelles me renvoie directement aux premières générations d'assistants vocaux. Pendant plus d'une décennie, nous avons souvent adapté notre manière de parler aux contraintes de systèmes attendant une fin de phrase clairement identifiable. En voyant GPT-Live maintenir le chemin vocal pendant que d'autres opérations peuvent être déléguées en arrière-plan, on entrevoit une interface dans laquelle la voix devient davantage un flux de coordination qu'une succession de commandes. Cette fluidité m'inspire un usage particulièrement intéressant : le "pair programming" vocal. Un développeur pourrait réfléchir à voix haute, hésiter, préciser son intention ou interrompre l'assistant pendant qu'un environnement agentique comme OpenAI Codex travaille sur les fichiers et outils auxquels il est autorisé à accéder. L'économie de l'API et des tâches agentiques devra être mesurée avec soin, mais pour certaines équipes d'ingénierie, le duplex intégral pourrait devenir une nouvelle interface de coordination particulièrement pertinente.