Présentation du Live Dictation

OpenAI a déployé mondialement la fonction Live Dictation dans ChatGPT. La nouveauté consiste à transcrire l’audio provenant du microphone en temps réel, au lieu d’attendre la fin de l’enregistrement. Le service est disponible simultanément sur le site web, l’application de bureau, ainsi que sur les versions iOS et Android, et ce, pour tous les plans (Free, Plus, Enterprise, etc.). En outre, la contrainte de 10 minutes d’enregistrement a été supprimée, ce qui élimine la nécessité de segmenter les sessions longues.

Architecture et flux de données

Le processus repose sur la capture continue du flux audio, découpé en petits paquets (généralement de 20 ms à 100 ms). Chaque paquet est envoyé via une connexion sécurisée à l’infrastructure cloud d’OpenAI où il est traité par le modèle de reconnaissance vocale Whisper en mode streaming. Whisper, entraîné sur des centaines de milliers d’heures d’audio multilingue, génère des tokens textuels dès que le contexte acoustique est suffisant, ce qui explique la latence quasi‑nulle perçue par l’utilisateur. Le texte transcrit apparaît dans une zone de texte superposée à la forme d’onde, permettant une édition immédiate avant l’envoi du prompt.

Le retrait du plafond de 10 minutes implique que le serveur doit gérer des flux plus longs sans interruption. OpenAI a donc dû adapter son orchestrateur de tâches pour maintenir les sessions ouvertes, allouer dynamiquement plus de mémoire GPU et appliquer un mécanisme de « checkpointing » afin de prévenir les pertes de données en cas de coupure réseau. Le modèle fonctionne en mode « batch‑size = 1 », ce qui optimise le débit mais augmente la consommation de ressources, un compromis accepté pour garantir la fluidité de la dictée.

Impacts, fiabilité et limites

La mise à jour s’inscrit après une refonte du mode vocal bidirectionnel de ChatGPT, introduite plus tôt dans l’année, et succède à la fonction « record mode », encore en bêta et réservée aux abonnements Plus, Enterprise, Edu, Business et Pro. En rendant la dictée en direct accessible à tous, OpenAI élargit l’usage de l’IA conversationnelle aux environnements où la rapidité d’interaction est cruciale (ex. : prise de notes en réunion, rédaction de messages à la volée).

Sur le plan de la fiabilité, OpenAI indique que la fonction est « plus fiable », ce qui reflète probablement des améliorations du modèle de désynchronisation audio‑texte et de la gestion des bruits de fond. Néanmoins, la dépendance à une connexion internet stable reste un facteur limitant : une latence réseau élevée peut introduire des retards perceptibles. De plus, la transmission continue d’audio soulève des questions de confidentialité, car chaque fragment est envoyé au serveur avant d’être stocké ou supprimé, ce qui exige une politique de rétention stricte.

En résumé, Live Dictation combine un pipeline de streaming audio‑texte à faible latence avec l’infrastructure de Whisper, supprime la contrainte de durée et ouvre la dictée en temps réel à l’ensemble des utilisateurs de ChatGPT, tout en introduisant des exigences accrues en bande passante et en ressources serveur.