Gemini gagne en fluidité avec deux modèles voix plus ambitieux

Google a présenté le 15 septembre 2026 Gemini 3.8 Live et Gemini 3.8 Live Extended Thinking, deux modèles vocaux pensés pour rendre l’échange avec l’IA plus fluide, plus réactif et plus utile dans des tâches complexes. Le premier vise les conversations rapides à grande échelle, le second ajoute un raisonnement multi-étapes sans casser le fil de la discussion. Les deux arrivent dès aujourd’hui dans l’API Gemini, Google AI Studio et, selon les cas, dans Search Live, Gemini Live et Google Workspace. Derrière le vocabulaire de laboratoire, l’enjeu est simple : faire accepter à la voix un rôle plus central dans les usages pros, sans transformer chaque demande en rendez-vous administratif.

Deux versions, deux promesses très différentes

Gemini 3.8 Live est présenté comme le modèle le plus adapté aux dialogues fluides, avec prise en charge du contexte visuel en temps réel et un positionnement “scale and cost efficiency”. Gemini 3.8 Live Extended Thinking cible, lui, les tâches à forte complexité, avec raisonnement multi-étapes et exécution simultanée de la parole et du calcul. Google insiste sur une continuité de conversation : le modèle peut dire “Let me check that…” pendant qu’il traite la requête, puis reprendre sans interruption.

La différence compte pour les usages métiers. Dans un scénario de support, de recrutement ou de vente assistée, la voix n’est plus seulement une interface de commande. Elle devient une couche d’orchestration. Le modèle écoute, comprend, appelle des outils, puis revient au dialogue. C’est moins spectaculaire qu’un démonstrateur qui parle vite, mais bien plus utile quand il faut terminer la tâche.

Des benchmarks flatteurs, mais à lire avec le périmètre en tête

Google met en avant plusieurs résultats de tests pour Gemini 3.8 Live Extended Thinking. Le modèle prend la première place du classement Artificial Analysis Speech to Speech Quality Index avec un score de 82,6, atteint 68,6 % sur τ-Voice et 35,1 % sur le benchmark bancaire τ-Voice-banking de Sierra, et affiche 97,7 % sur Big Bench Audio. Gemini 3.8 Live, de son côté, obtient une deuxième place dans la Speech Agent Arena. Ces chiffres décrivent des environnements de test précis, pas une performance universelle [à vérifier] dans tous les usages réels.

Le message stratégique reste clair : Google veut montrer qu’il peut tenir ensemble qualité conversationnelle, exécution d’outils et coût d’usage. Pour les entreprises, ce trio pèse souvent plus lourd qu’un score isolé. Une IA vocale qui répond bien mais coûte trop cher ne passe pas la porte des déploiements. Une IA bon marché mais qui se perd au milieu d’une requête longue non plus.

La voix s’invite dans Workspace, Search et les outils des développeurs

Les modèles ne restent pas cantonnés à une démo dans un coin de blog. Google annonce leur disponibilité dans Gemini API et Google AI Studio pour les développeurs. Côté entreprise, 3.8 Live arrive en préversion privée dans Gemini Enterprise, puis bientôt dans Gemini Enterprise for Customer Experience. Extended Thinking est aussi annoncé en préversion privée dans Gemini Enterprise, avec un déploiement à venir dans Google Workspace pour les clients professionnels, ainsi que dans Docs, Gmail et Keep selon les offres mentionnées.

Search Live doit aussi profiter de l’arrivée de Gemini 3.8 Live pour fournir une aide au dépannage en temps réel. Dans Workspace, Google évoque Docs Live, Gmail Live et Keep Live. L’objectif est assez lisible : faire de la voix une porte d’entrée transversale, du moteur de recherche à l’environnement de travail, sans obliger l’utilisateur à changer d’application à chaque étape.

Le vrai sujet : convaincre que la voix peut faire plus que répondre

Google n’avance pas seul. L’entreprise cite des plateformes comme Agora, Fishjam, LangChain, LiveKit, Pipecat, Vercel et Vision Agents pour montrer que l’écosystème développeur peut brancher ses interfaces vocales sur Gemini Live API. Elle cite aussi Salesforce, Genspark et Lumeris comme partenaires intéressés par la latence, la fluidité et le “tool-calling”, c’est-à-dire l’appel automatique à des outils ou API pendant l’échange.

Un autre point pèse dans la balance : tous les fichiers audio générés par les produits IA de Google sont marqués avec SynthID, un tatouage numérique imperceptible conçu pour signaler qu’un contenu a été produit par une IA. Dans un marché où les voix synthétiques se multiplient, cette brique de transparence devient presque aussi importante que la qualité sonore. Sinon, la conversation peut vite tourner au karaoké sans programme.