Block dévoile Dessa, un modèle vocal qui parle avant de penser

Block a présenté le 23 octobre 2026 Dessa, un modèle d’IA vocal conçu pour discuter en temps réel à partir de simples conversations humaines. L’entreprise de Jack Dorsey dit l’avoir entraîné sans texte ni modèle préexistant, et veut à la fois montrer ce que la voix peut encore apporter à l’IA et ouvrir une piste de recherche sur la sécurité. L’idée est simple, presque déroutante : faire parler une machine sans lui faire lire une ligne.

Une IA qui écoute et répond sans passer par le texte

Block décrit Dessa comme un modèle speech-to-speech, c’est-à-dire audio entrant, audio sortant, sans détour par une transcription textuelle. Le système est aussi full-duplex : il peut écouter et parler en même temps, au lieu d’attendre la fin d’une phrase pour réagir. Selon la page de présentation, il a appris à couper la parole au bon moment, à émettre des signes d’écoute et à gérer rires, soupirs, sarcasme ou émotion dans la voix.

La société affirme que Dessa a été entraîné “from scratch on nothing but human conversation”, soit à partir de conversation humaine בלבד, sans texte ni modèles préalables. Cette approche diffère des assistants vocaux classiques, qui convertissent souvent la parole en texte avant de traiter la demande. Ici, Block dit vouloir conserver ce que le texte efface : le rythme, les hésitations et les variations de ton.

Sur sa page, l’entreprise va plus loin et présente Dessa comme un modèle capable de fonctionner localement sur un MacBook Pro M4 Max ou plus puissant. Ragavan Thurairatnam, responsable de Dessa, parle sur X d’“a GPT3 moment for speech”. Une formule qui en dit long sur l’ambition, même si la comparaison avec GPT-3 restera, à ce stade, une métaphore plus qu’une mesure scientifique [à vérifier].

Des démonstrations qui veulent prouver l’effet de présence

Block a publié plusieurs enregistrements présentés comme des conversations réelles avec Dessa. Dans l’un d’eux, le modèle se trompe d’abord sur l’identité de son interlocuteur, puis reprend la discussion de manière fluide. Dans un autre, il improvise sur Christopher Nolan, avant de dériver vers les films Superman de Bryan Singer. Rien de tout cela ne ressemble à un démonstrateur parfaitement lisse. C’est même plutôt le contraire, et c’est sans doute le but.

L’entreprise insiste sur le fait que le modèle choisit lui-même quoi dire, quand parler et quelle voix adopter. Les sous-titres ont été ajoutés après coup, précise Block. Dans une vidéo, Dessa éclate de rire en plein milieu d’une phrase ; dans une autre, il réagit à une annonce surprise avec ce que la page décrit comme une gratitude “teary”. Ce n’est pas de la télépathie, juste un effort de synchronisation vocale plus crédible que d’habitude.

Pour autant, ces démonstrations restent des extraits sélectionnés par l’entreprise. Elles montrent surtout ce que le produit cherche à faire : réduire l’impression de latence, de mécanique et de distance émotionnelle qui colle encore à beaucoup d’assistants vocaux.

Pourquoi Block mise sur la voix, et pas seulement pour faire joli

Block donne trois raisons à ce travail : la curiosité, une meilleure compréhension entre humains et IA, et la sécurité. L’argument de sécurité est central. L’entreprise estime que les systèmes vocaux actuels “flatten what we say into text” et ratent des signaux essentiels comme la douleur, l’agacement ou la peur. Dans son scénario type, un assistant continuerait à parler sans comprendre qu’un utilisateur est en souffrance. Pas idéal, même pour une machine polie.

Dans ce contexte, Dessa sert aussi de banc d’essai. Block annonce donner un accès anticipé à un petit groupe de chercheurs en sécurité de l’IA, via une demande qui vise des profils académiques ou de laboratoire. La société ouvre aussi une liste d’attente publique et promet d’autres extraits dans les prochains jours.

Le projet vient d’une petite équipe de recherche interne chez Block, issue de l’ancienne startup torontoise Dessa. Thurairatnam dit avoir fondé puis vendu cette société, avant de rejoindre Block. Le groupe comprend plusieurs chercheurs et anciens stagiaires, et rapporte directement à Jack Dorsey. Autrement dit, le sujet n’est pas une démo de plus sortie d’un lab anonyme, mais un travail que Block rattache explicitement à sa stratégie d’IA maison.

Ce que révèle ce prototype sur la prochaine bataille des assistants

Dessa ne dit pas seulement quelque chose sur Block. Le modèle pointe aussi vers une bataille plus large : qui saura faire de la voix une interface utile, naturelle et fiable, au lieu d’un simple habillage de chatbot. Les modèles textuels ont déjà imposé leur cadence ; les modèles vocaux, eux, cherchent encore la bonne grammaire. Et le timing compte, car la voix redevient centrale dans les usages mains libres, l’assistance embarquée et les interactions plus sensibles.

Block avance ici un pari technique audacieux : apprendre la langue à partir de la parole seule, avec beaucoup moins de mots que les grands modèles textuels, et faire tenir cela en temps réel sur une machine grand public. Reste à voir ce que donnera l’accès limité promis aux chercheurs, puis la diffusion plus large. Pour l’instant, Dessa ressemble moins à un produit fini qu’à une démonstration de direction. Mais une direction où l’IA parle, écoute et coupe moins la parole, ce qui, avouons-le, ne sera pas le cas de tout le monde.