Google, OpenAI et Microsoft investissent activement dans les technologies permettant de communiquer par la voix avec des agents IA, anticipant une popularité croissante de l'échange oral avec l'IA par rapport aux requêtes textuelles. Cette orientation est de plus en plus souvent appelée IA vocale. L'intérêt des investisseurs est confirmé par les données de PitchBook, rapportées par le Financial Times : les startups du secteur de l'IA vocale ont levé environ 7 milliards de dollars au premier trimestre 2026 — soit sept fois plus que sur la même période en 2025.
Le calcul repose sur l'idée que la parole va progressivement supplanter la saisie textuelle comme principal mode de communication avec l'IA. Les indicateurs des grands acteurs du marché le confirment.
Google constate une croissance des requêtes vocales et visuelles
Selon Google, le nombre de requêtes en mode AI Mode a plus que doublé chaque trimestre depuis le lancement du service et jusqu'en avril-mai 2026. Aux États-Unis, la voix ou les images sont désormais utilisées dans plus d'une requête de recherche sur six, et le nombre de requêtes utilisant des images augmente de plus de 40 % par mois. L'entreprise attribue cette dynamique au fait que les utilisateurs choisissent de plus en plus un format de communication proche du langage naturel plutôt que la saisie de texte.
Le pari d'OpenAI sur la voix
Sur les quelque 900 millions d'utilisateurs actifs hebdomadaires de ChatGPT — un chiffre communiqué par l'entreprise fin février 2026 — plus de 150 millions de personnes utilisent chaque semaine la voix et la dictée pour interagir avec le service.
Le 8 juillet 2026, OpenAI a lancé la famille de modèles GPT-Live : GPT-Live-1 et sa version allégée GPT-Live-1 mini. Ce sont des modèles full-duplex, capables d'écouter et de répondre simultanément à leur interlocuteur, sans la pause habituelle « requête — réponse ». Ils constituent la base de la nouvelle version de ChatGPT Voice.
Outre la partie logicielle, OpenAI prépare également un appareil dédié. Selon des sources de Bloomberg, l'entreprise développe un haut-parleur intelligent sans écran, doté d'une caméra et de capteurs, basé sur GPT-Live. Une annonce pourrait avoir lieu dès 2026, et la sortie sur le marché est attendue début 2027.
Microsoft développe la synthèse vocale expressive
Microsoft a présenté en juin 2026 son modèle MAI-Voice-2 — un synthétiseur vocal expressif prenant en charge 15 langues et permettant de contrôler l'émotion dans la voix. La technologie est déjà en cours d'intégration dans les produits de l'entreprise, notamment Dynamics 365 Contact Center et Azure Voice Live.
Parmi les principaux domaines sur lesquels ces entreprises misent pour l'IA vocale :
-
la recherche et l'interaction avec les agents IA via la parole et les images
-
les modèles vocaux full-duplex pour des dialogues plus naturels
-
des appareils matériels dédiés à l'interaction vocale
-
la synthèse vocale avec contrôle des émotions pour les services professionnels
La croissance des investissements et les annonces simultanées de Google, OpenAI et Microsoft montrent que les interfaces vocales passent du statut de fonction expérimentale à celui d'une orientation de développement à part entière pour les produits IA. La diffusion future de ces technologies dépendra de la rapidité avec laquelle les utilisateurs adopteront ces nouveaux modes d'interaction dans leurs usages quotidiens.
L'avis de l'IA
Du point de vue de la dynamique réglementaire, l'essor de l'IA vocale comporte un risque négligé par les investisseurs et les développeurs : la confiance de l'utilisateur en la « nature humaine » de l'interface. Alors que Google, OpenAI et Microsoft rivalisent sur le naturel du dialogue, des députés de la Douma d'État auraient déjà soumis à l'organisme antitrust (FAS) une proposition visant à obliger les robots vocaux à révéler leur nature dès les premières secondes d'un appel. L'écart entre la course technologique pour l'« effet de présence » et les tentatives des régulateurs de préserver la frontière entre l'homme et la machine pourrait devenir un facteur de marché aussi important que le volume des investissements.
Le schéma historique incite à la prudence : les assistants vocaux ont déjà connu un cycle de sur-attente à l'époque des premières versions de Siri et Alexa, où l'adoption massive n'a pas tenu les promesses de monétisation. La question reste ouverte de savoir si la vague actuelle de modèles full-duplex constituera un véritable changement dans la perception de la technologie ou simplement un nouvel épisode du même cycle.
end-content
