Mode vocal ChatGPT : la conversation orale en 2026

Le mode vocal de ChatGPT a franchi une étape majeure le 8 juillet 2026 avec GPT-Live. L’interface séparée avec l’« orbe bleu » a cédé la place à une voix intégrée directement dans le chat. Vous parlez, le texte apparaît en temps réel, et vous passez de la voix au clavier sans interrompre la conversation. Avec la traduction simultanée, les cartes visuelles, l’enregistrement de réunions et ChatGPT sur CarPlay, l’assistant vocal va bien au-delà de ce que proposent Siri ou Alexa.

GPT-Live désigne une nouvelle génération de modèles vocaux à architecture full-duplex. Ces modèles écoutent et parlent en même temps.

GPT‑Live is built on a full-duplex architecture, meaning it can listen and speak at the same time.

Deux versions coexistent. Depuis le 9 septembre 2026, GPT-Live-1 mini équipe les forfaits Free et Go, tandis que GPT-Live-1 équipe Plus, Pro, Business, Enterprise et Edu. Le fonctionnement repose sur deux couches. Une couche d’interaction gère la conversation en continu. L’autre confie les questions complexes, comme une recherche web ou un raisonnement approfondi, à un modèle plus puissant en arrière-plan, puis réintègre la réponse dans le fil sans casser le rythme.

Ce modèle d’arrière-plan a changé le 9 septembre. Depuis, vous choisissez le modèle et l’effort de réflexion de la voix avec le même sélecteur que dans le chat texte, et les anciens niveaux d’intelligence propres au vocal, Instant, Medium et High, ont disparu. La note d’OpenAI du 9 septembre cite GPT-5.6 et GPT-6 Astra. Le 7 octobre, ce sélecteur est passé à GPT-6 dans le chat, mais OpenAI n’a pas précisé si la voix suit le même changement. Certains sites spécialisés affirment qu’elle s’appuie désormais sur GPT-6 Astra, Sol ou Luna, sans citer de texte d’OpenAI.

Live, Advanced ou Standard : trois modes vocaux

GPT-Live alimente l’expérience par défaut, mais ChatGPT propose toujours trois modes vocaux. Vous passez de l’un à l’autre dans Paramètres > Voix.

Comment le mode vocal fonctionne

La voix est intégrée dans le chat, sans écran séparé. Vous appuyez sur l’icône micro à côté du champ de texte, vous parlez, et ChatGPT répond à l’oral. Avec Live, ses réponses s’affichent en texte dans la conversation pendant qu’il les prononce. Grâce à l’architecture full-duplex, il peut glisser des acquiescements naturels (« mmh », « oui ») pendant que vous parlez. Il gère aussi une interruption sans vous couper et reste silencieux quand vous prenez un temps de réflexion.

Pendant que la voix continue, ChatGPT peut afficher des cartes pour illustrer un sujet, comme la météo, des résultats sportifs, un cours de bourse ou un plan. Vous gardez ainsi la conversation orale tout en ayant l’information à l’écran. Le mode Live utilise la recherche web et la mémoire, et il travaille avec le texte et les images de la conversation. Depuis le 23 septembre 2026, il sait aussi utiliser vos plugins et vos apps connectées sur le web, iOS et Android : vous pouvez par exemple demander à voix haute ce que contient votre agenda de la journée. Il faut parfois connecter l’app et vous identifier avant, et les validations s’affichent à l’écran, car vous ne pouvez pas les donner à la voix. Live ne prend toujours pas en charge la vidéo ni le partage d’écran.

Sur iOS et Android, le mode Advanced propose un bouton « cc » qui affiche les réponses de ChatGPT en sous-titres pendant la conversation. Cette option aide dans les environnements bruyants, ou quand vous préférez lire en même temps.

Choisir sa voix

ChatGPT propose neuf voix au ton naturel, remasterisées pour GPT-Live, avec des tonalités et des personnalités distinctes. Deux voix supplémentaires sont réservées aux utilisateurs du Brésil. Vous choisissez la vôtre lors de votre première conversation vocale ou dans Paramètres > Voix. Certaines voix sont plus chaleureuses, d’autres plus neutres, alors testez-en deux ou trois pour trouver celle qui ne vous fatigue pas à l’écoute. La voix adapte aussi son style, c’est-à-dire la longueur, le débit et le ton, aux instructions que vous donnez en cours de conversation.

Ce que GPT-Live change à l’oral

Les générations précédentes de la voix fonctionnaient en tour par tour. Vous parliez, le système attendait la fin, calculait, puis répondait. Ce schéma produisait des temps morts et des coupures gênantes sur une simple pause. GPT-Live traite le son en continu : il amorce une réponse plus vite et module son débit pendant que vous reprenez la parole. Il gère aussi les chevauchements comme dans une vraie conversation. Le gain le plus net porte donc sur la gestion du tour de parole, qui rend l’échange fluide.

Les capacités visuelles : photo, vidéo, partage d’écran

Le mode vocal dépasse l’audio. Sur mobile, trois capacités visuelles s’ajoutent à la conversation, dont deux passent par le mode Advanced.

• Envoi de photos : prenez une photo ou importez une image pendant la conversation vocale, et ChatGPT l’analyse avant d’en parler. Un ticket de caisse, une étiquette de produit ou un plan d’architecture se prêtent à l’exercice, y compris avec Live.
• Vidéo en temps réel : appuyez sur l’icône caméra pendant une conversation vocale en mode Advanced. ChatGPT voit ce que vous montrez, qu’il s’agisse d’une machine à café inconnue, d’une fuite sous l’évier ou d’un devoir de maths, puis vous guide étape par étape à voix haute.
• Partage d’écran : en mode Advanced, ouvrez le menu, puis choisissez le partage d’écran. ChatGPT voit votre écran et commente ce qui s’y affiche, ce qui aide sur une interface, un tableur ou un bug visuel.

GPT-Live-1 does not support video or screen sharing at this time; eligible subscribers can continue using those capabilities with Advanced Voice Mode.

La vidéo et le partage d’écran fonctionnent uniquement dans les applications iOS et Android, pour les abonnés éligibles. OpenAI ne publie pas de plafond quotidien pour ces deux fonctions. Sur le web, le mode vocal se limite à la conversation avec transcription.

La voix dans Work et Codex, et la fin des Custom GPTs

Depuis le 23 juillet 2026, la voix fonctionne dans l’application de bureau ChatGPT, sur macOS et Windows, directement dans ChatGPT Work et Codex. Le 23 septembre, elle est aussi arrivée dans ChatGPT Work sur le web et sur mobile. Vous y lancez une tâche à l’oral, et Work crée le document, la présentation ou le tableur demandé, utilise vos apps connectées ou travaille dans un navigateur. Si vous raccrochez avant la fin, la tâche continue en texte. Il faut un forfait qui donne accès à la fois à la voix et à Work, donc à partir de Plus, et ces tâches comptent dans l’usage normal de Work. Sur le bureau, chaque minute de voix est décomptée du budget de Codex, à 0,05 $ ou 1,25 crédit, en plus de ce que consomme le modèle qui traite la tâche.

Les Custom GPTs, eux, vivent leurs derniers mois. Leur création est bloquée sur les comptes personnels depuis le 16 août 2026, et OpenAI a annoncé le 11 septembre leur retrait sur tous les forfaits, prévu le 11 décembre 2026. Ils migrent vers les plugins, que le mode Live sait désormais utiliser à la voix. Le guide consacré aux Custom GPTs explique comment préparer cette migration.

La traduction en temps réel

La traduction compte parmi les usages les plus immédiatement utiles du mode vocal. Dites à ChatGPT « Traduis ce que je dis en espagnol » et il devient interprète : vous parlez en français, il traduit à l’oral en espagnol. Avec GPT-Live, il peut même traduire une phrase pendant qu’elle est encore prononcée. La traduction continue jusqu’à ce que vous demandiez d’arrêter ou de changer de langue.

Le système couvre une large palette de langues. La qualité est bonne pour les conversations courantes et professionnelles. Pour les échanges techniques très spécialisés ou les langues à tons comme le mandarin, la précision peut varier, surtout dans un environnement bruyant. L’intonation hors anglais reste par ailleurs perfectible.

Prenons un cas concret. Vous recevez un partenaire étranger dans vos locaux et vous posez votre téléphone sur la table, mode vocal activé. ChatGPT traduit alors la conversation dans les deux sens. Pour une réunion à fort enjeu, un interprète professionnel reste préférable, mais pour un échange informel ou une réunion de cadrage, la traduction de ChatGPT fait l’affaire.

Réunions et enregistrements : Record, Meetings et fichiers audio

ChatGPT propose désormais trois façons de transformer une réunion ou un enregistrement en texte exploitable. La fonction Record enregistre des conversations en direct, comme une réunion, un brainstorm ou une note vocale, puis en produit une transcription et un résumé. Elle fonctionne uniquement dans l’application de bureau sur macOS, pas sur le web ni sur mobile, et chaque session peut durer jusqu’à quatre heures.

Le plugin Meetings, pour les réunions d’équipe

Depuis le 29 septembre 2026, le plugin Meetings, en bêta, propose une autre approche sur les forfaits Pro et Business. Il fonctionne lui aussi dans l’application de bureau macOS, et OpenAI annonce iOS, Android et Windows prochainement. Meetings capte le micro et le son système du Mac, sans ajouter de bot à l’appel, ce qui couvre aussi bien une visioconférence qu’une réunion en présentiel. À la fin, il produit des notes avec les actions à mener, enregistrées comme Pages dans Space. Ces notes restent privées par défaut, et quand vous les partagez, le destinataire reçoit les notes sans la transcription. L’audio est supprimé du Mac et des serveurs une fois les notes prêtes, ce qui empêche de le réécouter. Avant de lancer l’enregistrement, prévenez tous les participants et obtenez leur accord. Sur Business, Space et le plugin doivent être activés dans l’espace de travail. OpenAI ne précise pas encore la disponibilité de Meetings en Europe.

Envoyer un fichier audio

Sans Mac, vous pouvez passer par l’envoi de fichiers audio, ouvert le 6 octobre 2026 sur les forfaits payants et les espaces de travail, mais pas sur Free. Vous importez l’enregistrement d’une réunion, d’un entretien ou d’un cours, et ChatGPT en tire une transcription, un résumé, des notes structurées ou un brouillon d’e-mail de suivi. Vous pouvez ensuite lui poser des questions sur le contenu. ChatGPT accepte les formats WAV, MP3, OGG, FLAC, AAC et M4A, ainsi que le WebM et le MP4 audio, jusqu’à 512 Mo par fichier. Les longs enregistrements sont découpés en morceaux, avec un risque d’échec, et la transcription peut contenir des erreurs qui varient selon la langue.

Pour capturer ponctuellement un brainstorm, une interview ou une longue note vocale, Record fait gagner un temps considérable. Une équipe qui enregistre toutes ses réunions trouvera en revanche dans Meetings des notes plus faciles à partager.

Conversations en arrière-plan et CarPlay

Deux fonctionnalités rendent le mode vocal vraiment exploitable en mobilité.

Les conversations en arrière-plan s’activent dans Paramètres > Voix. Elles permettent de poursuivre une conversation vocale même quand vous verrouillez votre téléphone ou ouvrez une autre application. Vous gardez ainsi ChatGPT comme compagnon de marche, de course ou de trajet, sans maintenir l’app au premier plan. Sur iPhone, la conversation en cours apparaît aussi sur l’écran verrouillé et dans la Dynamic Island depuis le 31 août 2026.

ChatGPT fonctionne aussi sur Apple CarPlay avec un iPhone compatible. Vous pouvez démarrer une nouvelle conversation vocale directement depuis l’interface CarPlay, ou reprendre une conversation commencée en mode vocal sur l’app mobile. OpenAI n’a en revanche rien annoncé pour Android Auto.

En voiture, ChatGPT sert à dicter des e-mails ou des messages, à préparer un sujet à voix haute, à poser des questions factuelles pendant le trajet ou à planifier un itinéraire. Il remplace avantageusement Siri pour les échanges qui demandent du contexte ou du raisonnement.

Les limites du mode vocal

Le mode vocal a des contraintes à connaître avant de bâtir un workflow dessus.

Ce qui reste perfectible

Le raisonnement approfondi passe mieux à l’écrit. La voix délègue les questions complexes au modèle et à l’effort choisis dans le sélecteur. Pour une analyse de données dense ou un problème en plusieurs étapes, vous obtiendrez tout de même de meilleurs résultats en texte. La voix reste idéale pour les tâches conversationnelles.

Des interruptions résiduelles subsistent. L’architecture full-duplex réduit fortement les coupures, sans les supprimer. Parler en phrases claires aide toujours. Sur iPhone, le mode micro « Isolation vocale » du Centre de contrôle réduit les interruptions causées par les bruits ambiants.

L’audio est conservé un temps. Les extraits audio de Live et d’Advanced sont gardés 30 jours avec la transcription, alors que l’audio du mode Standard est supprimé une fois transcrit.

L’intonation hors anglais progresse lentement. Les premières démonstrations ont montré des ratés d’accent sur certaines langues. La qualité s’améliore, mais la prosodie multilingue reste perfectible.

Les limites d’usage par forfait

Tous les utilisateurs connectés ont accès au mode vocal. Depuis le 9 septembre 2026, les limites de GPT-Live se calculent sur une fenêtre glissante de 24 heures. Le forfait Go est passé à cette occasion de GPT-Live-1 à GPT-Live-1 mini.

Forfait	Modèle vocal	Limite par 24 heures
Free	GPT-Live-1 mini	Accès limité
Go	GPT-Live-1 mini	Jusqu’à 3 heures
Plus	GPT-Live-1	Jusqu’à 3 heures
Pro 100 (102,99 €)	GPT-Live-1	Jusqu’à 15 heures
Pro 200 (229 €)	GPT-Live-1	Illimité
Pro 500 (509,99 €)	GPT-Live-1	Non précisé par OpenAI
Business Standard	GPT-Live-1	3 heures, puis 1,25 crédit par minute
Business Premium	GPT-Live-1	15 heures, puis 1,25 crédit par minute
Enterprise et Edu	GPT-Live-1	1,25 crédit par minute en tarification au crédit, ou 0,05 $ par minute sur Enterprise en facturation à l’usage

Un changement mérite l’attention des abonnés Plus et Pro. Une fois leur limite atteinte, ils ne basculent plus vers GPT-Live-1 mini et doivent attendre que la fenêtre de 24 heures libère du temps. Pour le Pro 200, l’aide d’OpenAI affiche toujours un usage illimité. Elle ne dit pas si la réduction des allocations du 29 septembre, appliquée aux abonnés existants après le 29 octobre, touche aussi la voix.

Plus and Pro no longer switch to GPT-Live mini after reaching a Voice limit.

Sur Business, Enterprise, Edu et Healthcare, la voix est disponible dans les workspaces éligibles. Live devient l’expérience vocale par défaut dès que le propriétaire du workspace active la voix.

Cinq cas d’usage qui changent votre quotidien

1. Dictez vos messages mains libres. Le mode vocal sert en voiture, en cuisine ou en marchant. Dites par exemple « Rédige un e-mail de relance pour le prospect X en mentionnant notre dernière démo. » Le résultat vous attend en texte dans le chat quand vous êtes prêt à l’éditer. Pour aller plus loin, consultez les techniques de prompt ChatGPT.

2. Réfléchissez à voix haute. Explorez une idée avec ChatGPT, par exemple avec « Je cherche un angle original pour présenter notre bilan du premier trimestre au comité de direction. » La conversation vocale se prête mieux que la saisie à l’exploration d’idées, et le full-duplex la rend naturelle. Basculez en texte quand vous voulez structurer.

3. Entraînez-vous avant une présentation. Répétez votre présentation à voix haute devant ChatGPT. Demandez-lui de critiquer votre argumentation, de poser les questions qu’un investisseur poserait et de signaler les faiblesses. Le mode vocal simule alors un interlocuteur en temps réel.

4. Pratiquez une langue étrangère. Lancez une conversation dans la langue que vous apprenez. ChatGPT adapte son niveau, corrige vos erreurs, puis peut passer en traduction si vous bloquez. Le mode vocal excelle sur cet usage par rapport au texte.

5. Faites-vous guider sur le terrain. Avec la vidéo en temps réel, disponible en mode Advanced, montrez un problème technique, comme une erreur à l’écran, un appareil à configurer ou un document à interpréter. Vous obtenez ensuite une aide vocale immédiate, comparable à l’appel d’un collègue expert, à toute heure.

Ce que vous pouvez faire maintenant

Activez le mode vocal et testez trois choses. Dictez d’abord un e-mail ou un message au lieu de le taper. Lancez ensuite un brainstorm oral sur un sujet que vous repoussez depuis une semaine. Enfin, posez une question difficile en montant l’effort de réflexion dans le sélecteur, puis comparez la réponse avec celle du réglage par défaut. Vous découvrirez un usage que le texte seul ne permet pas.