OpenAI intègre Bidi 1 à ChatGPT : un modèle vocal qui parle et écoute en même temps

OpenAI accélère la transformation de ChatGPT en superapplication : l'entreprise développe en même temps le modèle vocal bidirectionnel Bidi 1, intègre l'assistant pour programmeurs Codex et élargit les capacités de ses agents.

Qu'est-ce que GPT Bidi 1 ?

Des chercheurs ont découvert dans le code de l'application mobile ChatGPT des traces d'un nouveau modèle audio, nommé de code GPT Bidi 1. « Bidi » est l'abréviation de bidirectional, c'est-à-dire bidirectionnel.

C'est une approche radicalement différente du mode vocal actuel, où le modèle alterne successivement entre écoute et réponse : il écoute d'abord, puis parle, comme un talkie-walkie avec son bouton « réception ». Le mode duplex change la dynamique même de la conversation. L'utilisateur pourra couper la parole à l'assistant en pleine phrase, et l'assistant pourra réagir en temps réel à l'intonation, aux pauses et au rythme de la parole, sans attendre un silence. Le délai entre les répliques diminue nettement et l'échange paraît moins robotique.

C'est ainsi que fonctionnent les interfaces vocales les plus avancées : Apple Intelligence sous iOS 18 et Google Duplex prennent en charge depuis longtemps un échange duplex complet.

Ce qui change avec Bidi 1 :

• la voix et l'écoute fonctionnent simultanément, sans file d'attente pour « l'antenne »
• l'utilisateur peut interrompre la réponse à tout moment
• le temps de réponse entre les répliques diminue
• l'assistant perçoit l'intonation et réagit aux pauses
• la conversation sonne plus naturelle et plus proche d'un dialogue avec une personne

Aucune date de sortie précise n'a encore été annoncée pour Bidi 1, mais la présence du modèle dans le code de production de ChatGPT laisse penser que le lancement est proche.

Codex dans ChatGPT

Parallèlement au travail sur la voix, OpenAI intègre à ChatGPT son assistant pour programmeurs, Codex. Jusqu'ici, Codex existait comme produit distinct, avec sa propre interface. Après l'intégration, il sera possible d'écrire, de déboguer et d'expliquer du code directement dans la fenêtre principale du chat, sans changer d'onglet.

Pour les développeurs qui ont déjà fait de ChatGPT un élément de leur flux de travail, c'est une simplification notable : un espace de travail unique remplacera deux outils distincts. Codex sera disponible dans la même conversation que la recherche web, la génération d'images, l'analyse de fichiers et, bientôt, le mode vocal Bidi 1.

Agents : le troisième front

Le troisième volet de cette vaste mise à jour concerne les outils pour agents IA. ChatGPT passe progressivement du statut de chatbot réactif à celui d'assistant proactif, capable d'exécuter seul des tâches en plusieurs étapes : réserver des billets, comparer des produits sur des places de marché, remplir des formulaires en ligne, rechercher et synthétiser des informations issues de différentes sources.

«

Nous voulons faire de ChatGPT l'application qui fait pour vous tout ce que vous faites habituellement sur Internet », rapportent des sources proches de la stratégie d'OpenAI.

Les trois composants (la voix naturelle de Bidi 1, Codex intégré et les agents autonomes) se renforcent mutuellement. Un agent doté d'une voix duplex et capable d'écrire du code constitue une classe d'outil radicalement différente, et pas seulement un chatbot mis à jour.

Ce que cela signifie

OpenAI se dirige délibérément vers le format de la superapplication : un produit unique couvrant la plupart des usages quotidiens, dont la voix, le code, l'automatisation des tâches et la recherche d'informations.

Pour l'utilisateur ordinaire, la conséquence la plus immédiate est que dialoguer avec ChatGPT deviendra nettement plus vivant et plus naturel. Pour les entreprises, cela ouvre un nouveau niveau d'automatisation des tâches opérationnelles qui exigeaient auparavant une personne ou un assemblage d'outils SaaS distincts.

Les concurrents, de Google à Anthropic, devront de nouveau accélérer.