Dessa, le modèle vocal de Block qui écoute les émotions

Block, la société derrière Square et Cash App, a dévoilé Dessa, un modèle d’IA vocale présenté comme le premier entraîné uniquement sur de la parole humaine, sans texte. L’annonce, datée du 24 octobre 2026 selon Block, vise un usage qui dépasse la simple transcription : comprendre en temps réel les émotions, les pauses, le sarcasme et les rires. Le modèle n’est pas encore public, car l’entreprise cherche d’abord des chercheurs en sécurité pour tester ses risques éventuels.

Un modèle qui traite la voix comme de la voix, pas comme du texte

Dessa fonctionne directement sur l’audio, sans passer par une conversion texte préalable. Ce choix technique change la manière dont le système interprète une conversation, car il peut saisir des indices que les modèles textuels ratent souvent. Block indique aussi que le modèle gère le full-duplex, c’est-à-dire la capacité à écouter et parler en même temps, une fonction utile pour des échanges plus fluides.

Le groupe dit avoir entraîné Dessa sur un seul NVIDIA GB200 NVL72 et précise qu’il peut tourner localement sur un MacBook Pro M4 Max. Ce point compte, car il suggère un modèle optimisé pour l’exécution locale plutôt qu’un simple démonstrateur hébergé dans le cloud. La promesse est nette : réduire le décalage entre ce qu’un humain ressent et ce qu’une machine comprend.

Pourquoi Block s’intéresse aux émotions vocales

Block explique avoir construit Dessa par curiosité, mais aussi pour améliorer la communication homme-machine et pour des raisons de sécurité. Selon l’entreprise, les assistants vocaux actuels négligent des signaux émotionnels qui peuvent pourtant changer le sens d’une phrase. Une demande dite avec un rire nerveux, un silence ou une ironie ne véhicule pas la même intention. Et les machines, jusqu’ici, ont parfois tendance à tout prendre au pied de la lettre. Pas très subtil, mais assez classique.

Cette approche peut compter pour les services clients, les assistants numériques ou les interfaces de paiement, où le ton influence la qualité de l’échange. En revanche, une voix plus expressive ne garantit pas une meilleure intelligence conversationnelle. Block le rappelle indirectement : pour des systèmes vocaux avancés, la capacité à raisonner en répondant pèse souvent plus lourd qu’un simple rendu naturel.

Un terrain déjà occupé, mais sans vainqueur clair

Dessa arrive sur un segment déjà exploré par plusieurs acteurs. En mars 2024, Hume AI a lancé EVI, présenté comme une interface vocale empathique. Kyutai a suivi en septembre 2024 avec Moshi. De son côté, OpenAI a revu son “Advanced Voice Mode” en juin 2025, puis l’a encore affiné depuis, avec une intonation plus travaillée, des pauses mieux placées et une empathie plus crédible selon les descriptions publiques.

LAION travaille aussi depuis la fin de 2023 sur Open Empathic, un projet open source d’entraînement de modèles vocaux empathiques à partir d’un jeu de données audio. Cela montre que l’industrie cherche moins à faire parler les machines qu’à leur apprendre à mieux écouter. Le défi, lui, reste entier : produire une voix qui semble sensible sans donner l’illusion qu’elle comprend tout. C’est subtil, et les démos trop brillantes ont déjà fait trébucher plus d’un produit.

Ce que l’accès restreint dit de la suite

Pour l’instant, Dessa n’est pas disponible au public. Block privilégie une phase d’évaluation par des chercheurs en sécurité afin de repérer des comportements imprévus ou des risques d’usage détourné. Cette prudence est logique pour un modèle vocal capable de détecter des signaux affectifs, car ce type d’IA peut toucher à la confiance, à la persuasion et à la vie privée.

La vraie question n’est donc pas seulement de savoir si Dessa parle bien, mais s’il peut le faire sans manipuler l’utilisateur ou mal interpréter son état émotionnel. Dans ce contexte, Block avance sur un terrain où la performance technique compte autant que les garde-fous. Et c’est probablement là que se jouera la différence entre une belle vitrine et un outil réellement exploitable.