OpenAI simplifie les agents vocaux avec un backend de raisonnement séparé

OpenAI a lancé deux briques destinées aux développeurs d’agents: GPT-Live-1 pour la voix et l’Agents API en bêta publique pour les tâches longues. Ensemble, elles séparent la conversation en temps réel du raisonnement plus lourd, afin d’éviter les silences, les empilements de systèmes et les intégrations bricolées. Pour les entreprises, l’enjeu est simple: produire des agents plus naturels sans réécrire toute la plomberie. La facture, elle, reste liée à l’usage.

Deux lancements qui visent le même problème

GPT-Live-1, annoncé le 10 septembre 2026, reprend l’architecture vocale native de ChatGPT Voice Mode et la met à disposition via l’API. Le modèle sert de première ligne conversationnelle, puis délègue le calcul plus lourd à un autre modèle si nécessaire. L’Agents API, de son côté, expose en bêta publique le harness qui fait tourner Codex, c’est-à-dire l’ensemble des mécanismes qui gèrent contexte, outils et sous-agents. Les deux annonces racontent la même chose sous deux angles: OpenAI veut réduire le travail d’assemblage côté développeurs.

Dans la pratique, cela change la forme des assistants. GPT-Live-1 permet de tenir un échange pendant qu’un backend réfléchit, sans couper la parole toutes les deux secondes. L’Agents API apporte, elle, une couche d’exécution durable pour des tâches qui peuvent durer des heures, voire des jours. Autrement dit, OpenAI essaye de rendre l’agent moins “enchaînement de gadgets” et davantage système cohérent. Le métier de développeur ne disparaît pas, mais une partie du bricolage, oui.

Ce que l’API d’agents prend en charge

L’Agents API est organisée autour de quatre blocs: Agent, Environment, Session et Events and items. L’agent regroupe le modèle, les instructions, les outils et les serveurs MCP; l’environnement sert de sandbox optionnelle; la session conserve l’état durable; les événements portent les entrées et sorties. OpenAI indique que le service est live pour tous les développeurs en bêta publique, avec données réservées aux États-Unis et sans support du Zero Data Retention.

La valeur ajoutée est moins spectaculaire qu’un démonstrateur de salon, mais plus utile au quotidien. Compaction automatique des longues sessions, chargement sélectif des outils, appels parallèles, sous-agents: ces fonctions évitent aux équipes de réécrire la logique de maintien de contexte à chaque nouveau projet. OpenAI précise aussi que le harness est maintenu par la société, avec accès versionné à chaque lancement de modèle. Cela donne un cadre plus stable, mais aussi plus centralisé.

Le prix de la fluidité reste la dépendance à la pile OpenAI

Le nouveau modèle vocal coûte 0,05 dollar par minute, soit environ 3 dollars de l’heure, hors coût du modèle de raisonnement appelé en arrière-plan. OpenAI présente ce découplage comme une façon de mieux contrôler les dépenses: une tâche simple peut être envoyée vers un modèle léger, une demande complexe vers un modèle plus puissant. Dans les faits, la facture grimpe dès que l’agent doit réfléchir davantage. Le confort a un prix, ce qui n’est pas exactement une surprise en informatique.

Cette logique a aussi une conséquence stratégique. Plus OpenAI gère la conversation, plus les équipes lui confient une part critique de leur produit. Les architectures en cascade laissaient davantage de liberté pour panacher les fournisseurs; GPT-Live-1 resserre ce choix. En échange, les développeurs récupèrent des interactions plus naturelles, notamment quand l’utilisateur coupe la parole ou hésite. OpenAI dit que GPT-Live-1 surpasse GPT-Realtime-2.1 de 30 points de pourcentage sur Full Duplex Bench, et qu’avec GPT-6 Astra il prend la tête du benchmark 𝜏³.

Des clients qui réduisent déjà leur code

Les premiers retours mis en avant par OpenAI vont dans le même sens. EliseAI, une société de santé, affirme avoir supprimé 23 000 lignes de code après adoption de GPT-Live-1, avec une réduction de 80 % de sa base de code selon Tony Stoyanov, cofondateur et CTO. Speak dit avoir observé, en tests, que GPT-Live-1 interrompait 80 % moins souvent un utilisateur qui marque une pause pour réfléchir. Yelp l’utilise déjà dans Yelp Host et Hatch, et dit obtenir davantage d’appels gérés par l’IA avec des phrases plus naturelles.

Les chiffres restent fournis par OpenAI ou ses clients, donc à lire comme des retours commerciaux, pas comme des mesures indépendantes. Mais la tendance est claire: les agents vocaux montent en crédibilité quand ils cessent de parler comme des répondeurs trop pressés. Pour les usages de réservation, de support ou d’assistance, cela peut faire la différence entre un outil adopté et un outil rangé au fond d’un onglet. Et un agent qui écoute vraiment, dans ce domaine, finit presque par faire oublier qu’il s’agit d’un agent.