OpenAI dévoile GPT-Realtime-2, doté de raisonnement en conversation vocale en direct

OpenAI a lancé trois nouveaux modèles vocaux pour son API, qui permettent aux développeurs d'intégrer un raisonnement de classe GPT-5 directement dans des applications audio et des interfaces vocales. Ce mouvement est une nouvelle étape dans la lutte pour dominer le marché de l'IA.

GPT-Realtime-2 : le raisonnement en temps réel

GPT-Realtime-2 est le premier à apporter des capacités d'inférence logique complexe à une conversation vocale en direct. Contrairement aux simples assistants vocaux, le nouveau modèle saisit les nuances du contexte de la conversation et peut traiter des tâches en plusieurs étapes sans perdre le fil. C'est important pour les applications de conseil, de planification, d'analyse ou de support technique, où les réponses toutes faites ne suffisent tout simplement pas.

Le modèle traite la parole en temps réel : l'utilisateur peut parler librement, sans attendre une pause pour le traitement. Les réponses arrivent à un rythme naturel, ce qui donne l'impression de parler à un vrai interlocuteur.

Traduction multilingue et transcription

OpenAI a lancé un modèle de traduction distinct, qui prend en charge plus de 70 langues d'entrée. Les développeurs peuvent ainsi créer des applications mondiales sans multiplier les modèles pour chaque langue : un seul modèle couvre la majeure partie de la population mondiale.

L'entreprise a aussi annoncé une version streaming de Whisper pour la transcription. Elle traite l'audio en temps réel et produit le texte au fur et à mesure que le son arrive. C'est essentiel pour des applications comme les appels vidéo, les traducteurs en direct et les assistants vocaux, où la latence pèse directement sur l'UX.

Les trois composants clés :

• GPT-Realtime-2 pour le raisonnement vocal et le dialogue dynamique
• Un modèle de traduction prenant en charge plus de 70 langues d'entrée
• Whisper en streaming pour la transcription audio à faible latence

Stratégie tarifaire : conquérir le marché

OpenAI a fixé des prix agressifs pour les nouveaux modèles, ce qui les rend accessibles aux petites équipes de développeurs et aux startups. L'entreprise vise clairement une prise rapide de parts sur le marché des applications d'IA vocale.

Cette approche contraste avec le positionnement de ses modèles de texte, pour lesquels OpenAI maintient une position tarifaire premium. Investir dans l'accessibilité des modèles vocaux indique qu'OpenAI voit dans la voix la prochaine frontière de l'interaction avec l'IA. Celui qui conquerra le premier les développeurs dans cet espace disposera d'un solide avantage concurrentiel.

Ce que cela signifie

Les interfaces vocales d'IA passent de la phase expérimentale à une composante pratique de la stack des développeurs. Des prix plus accessibles abaissent la barrière d'entrée : une startup peut désormais intégrer de l'IA vocale à son application sans investissement important. Cela accélérera l'arrivée de nouvelles applications vocales sur le marché.