Google lance Gemini 3.5 Live Translate : un modèle parole-à-parole pour plus de 70 langues

Google a lancé Gemini 3.5 Live Translate, un modèle de streaming pour la traduction simultanée de la parole en temps réel, compatible avec plus de 70 langues. D'après MarkTechPost, qui en a fait état le 9 juin 2026, le nouveau modèle traduit directement la parole en parole, génère l'audio en flux continu et ne reste en retard sur le locuteur que de quelques secondes. Il est disponible via la Gemini Live API et intégré à Google Meet et à l'application Google Translate.

Comment fonctionne la traduction en streaming

Les systèmes classiques de traduction automatique commencent par reconnaître l'énoncé entier, traduisent ensuite le texte, et ne synthétisent l'audio qu'à la fin. Gemini 3.5 Live Translate fonctionne en flux : le modèle traite le son entrant par fragments et commence à générer la parole traduite presque immédiatement, sans attendre que le locuteur ait terminé sa phrase. C'est pourquoi le décalage tombe à quelques secondes, comparable à celui d'un interprète simultané professionnel en conférence, et non à la pause habituelle des applications de traduction qui traitent l'enregistrement en entier.

Principaux faits sur le lancement :

• Le modèle s'appelle Gemini 3.5 Live Translate et appartient à la famille Gemini de Google.
• Il prend en charge la traduction de la parole dans plus de 70 langues.
• Il fonctionne en mode streaming parole-à-parole, avec quelques secondes de retard sur l'original.
• Il est accessible aux développeurs tiers via la Gemini Live API.
• Il est intégré à Google Meet et à l'application Google Translate.

Où le modèle va apparaître

Google intègre Gemini 3.5 Live Translate à plusieurs de ses produits à la fois. Dans Google Meet, le modèle pourra traduire la conversation entre participants à des visioconférences parlant des langues différentes, pratiquement sans délai. Cela comble une lacune ancienne des services de visioconférence : jusqu'ici, la plupart s'appuyaient sur des sous-titres traduits plutôt que sur une traduction vocale en direct. Dans l'application Google Translate, le nouveau modèle remplace ou complète les anciens mécanismes d'interprétation orale, ce qui rend le mode conversation plus naturel pour les voyageurs et les négociations d'affaires.

Le modèle est par ailleurs ouvert aux développeurs via la Gemini Live API, une interface qui permet d'intégrer des fonctions en temps réel (audio, vidéo, texte) à des applications tierces. Autrement dit, la traduction parole-à-parole pourra être utilisée non seulement par les produits de Google, mais par toute entreprise qui conçoit des centres d'appels, des plateformes éducatives, des assistants de support client ou des systèmes pour des événements internationaux.

Un long chemin vers la traduction vocale en direct

L'idée de la traduction automatique simultanée de la parole n'est pas nouvelle : les oreillettes traductrices et les applications de type « guide de conversation » existent depuis des années. Presque toutes souffraient du même problème, une pause sensible entre la réplique et la traduction, qui transformait le dialogue naturel en échange de monologues entrecoupés d'attente. Chaque maillon de la chaîne classique (reconnaissance vocale, traduction du texte, synthèse vocale) ajoutait son propre retard et sa propre source d'erreurs, et les décalages entre étapes pouvaient déformer l'intonation, les pauses et même le sens de ce qui était dit.

L'architecture en flux, qui fusionne toutes ces étapes dans un seul modèle, répond précisément à ce problème. Et le fait que Google la déploie directement dans des produits grand public comme Meet et Translate, au lieu de la laisser au stade de fonction expérimentale, indique que l'entreprise se tient prête à étendre la technologie à des millions d'utilisateurs.

Ce que cela change pour les développeurs et les entreprises

Un modèle de traduction en streaming accessible par API abaisse le seuil d'entrée pour les entreprises qui devaient jusqu'ici soit employer une équipe d'interprètes, soit intégrer séparément des services de reconnaissance vocale, de traduction de texte et de synthèse vocale, avec le retard propre à chaque étape. Un modèle unique parole-à-parole simplifie l'architecture de ces produits et peut réduire la latence globale et les coûts d'exploitation.

Pour les utilisateurs finaux, l'effet principal est de rapprocher la traduction automatique de l'expérience d'un interprète simultané humain dans les situations du quotidien : visioconférences, voyages, négociations. Comme Google développe Gemini comme un écosystème de modèles et intègre de nouvelles capacités à ses produits grand public (Meet, Translate, services de recherche et de bureautique), la traduction vocale en streaming pourrait assez vite devenir une fonction standard plutôt qu'une capacité de niche réservée à des services spécialisés d'interprétation simultanée.

La question de la qualité de la traduction dans les scénarios difficiles reste ouverte : propos de plusieurs locuteurs qui se chevauchent, fort bruit de fond ou terminologie très spécialisée, où même les interprètes professionnels font des erreurs. Le décalage de quelques secondes annoncé par Google est un compromis entre vitesse et précision : moins le modèle a accumulé de contexte avant de générer la traduction, plus le risque d'imprécisions augmente sur les phrases longues et syntaxiquement complexes. Il n'en reste pas moins que cette fonction est désormais intégrée à des outils du quotidien comme Google Meet, sans exiger de matériel spécialisé à part, ce qui abaisse nettement la barrière à la communication internationale dans les affaires comme dans la vie courante.