François Manens
Ce contenu est réservé aux abonnés La Tribune
Mira Murati, la CTO d'OpenAI, a présenté les nouvelles capacités conversationnelles de ChatGPT.
Capture d'écran d'une vidéo d'OpenAI, sur YouTube
ChatGPT va-t-il réussir là où Siri et Alexa ont échoué ? Au début des années 2010, les assistants vocaux débarquaient sur les smartphones et les ordinateurs. Mais passé l'émerveillement initial des utilisateurs, des limites criantes sont apparues : difficultés à comprendre les propos, lenteurs à répondre, impossibilité d'avoir une vraie conversation... Autant de barrières qui ont rapidement limité leur usage, mais que ChatGPT a d'ores et déjà dépassé.
Ce lundi, OpenAI a présenté la prochaine mise à jour de son célèbre chatbot, nourri avec un nouveau modèle d'IA baptisé GPT4-omni (ou GPT-4o). Grâce à ce nouveau moteur, ChatGPT peut tenir une conversation orale avec la même fluidité qu'un humain, mais aussi lire et commenter des images, ou encore traduire en temps réel. Autrement dit, l'entreprise star de l'IA a réussi à réduire comme jamais auparavant les frictions entre les capacités textuelles, vocales, et de vision des intelligences artificielles. Sam Altman compare ainsi son IA avec celle du film Her (2013), tandis que d'autres enthousiastes y voient un rapprochement avec l'IA Jarvis, assistante du super-héros Iron Man.
Avec GPT-4o, OpenAI introduit un nouveau standard pour les interactions homme-machine. Sa nouvelle IA parvient à lire, écouter et voir, ainsi qu'à générer du texte, du son et de l'image... à la vitesse d'un humain. Plus précisément, l'IA s'exécute très vite, avec un temps de réponse moyen de 0,32 secondes pour les contenus audio par exemple. Résultat : la vitesse de conversation entre ChatGPT et l'utilisateur est aussi rapide que celle entre deux humains, ce qui offre de nouvelles possibilités, comme la capacité de couper efficacement la parole à l'IA, là où Siri et Alexa prenaient le temps (parfois plusieurs secondes) de finir leurs phrases.
À lire également
C'est une première. Avant cette mise à jour, ChatGPT avait déjà un « mode vocal » pour les conversations orales, mais il prenait plus de cinq secondes en moyenne à répondre. La raison ? Il exécutait trois modèles d'IA à la suite : un pour traduire le son en texte, un pour analyser le texte et générer une réponse textuelle, puis un dernier pour traduire le texte en son. En plus d'allonger la durée de calcul, cette chaîne d'information avait pour inconvénient d'appauvrir l'efficacité du modèle d'IA le plus puissant -celui qui perçoit le plus d'information et génère la réponse.
Chaque jour à 13h, l’essentiel de l’actualité tech.
François Manens
