Récemment, Andrej Karpathy a partagé une de ses astuces préférées pour les paresseux : que faire quand on veut que l'IA travaille, mais qu'on est trop fainéant pour taper clairement les instructions mot par mot ?
Il dit : il suffit de se renverser dans son fauteuil, de passer au mode vocal, de se lâcher totalement et de parler pendant 10 minutes, aussi désordonné et décousu que l'on veut.
Parfois, on commence même par prévenir l'IA : « Je passe en reconnaissance vocale, ne fais pas attention aux fautes de frappe ».
Curieusement, il a constaté que l'IA excelle à remettre en ordre ces longs bavardages désordonnés. La version qu'elle te renvoie est souvent plus claire que ce que tu as dit toi-même : les pensées embrouillées dans ton cerveau sont démêlées par elle, et les allers-retours pour rectifier le tir diminuent.
C'est justement la méthode qu'Andrej Karpathy préfère pour interagir avec l'IA.
Pour reprendre ses termes, cela améliore la « fusion mentale » entre l'homme et le modèle. Les gens sont souvent trop paresseux pour taper mot par mot le déroulement complet d'une chose, alors autant ouvrir la bouche et déverser d'un coup tout le foutoir.
La valeur de la voix ne réside pas dans la libération des mains, mais dans la transmission d'un contexte à haut débit vers l'IA.
Ces derniers jours, OpenAI a carrément importé cette façon de faire de « diriger l'IA à la parole » directement sur le bureau.
La version bureau de ChatGPT peut désormais être commandée à la voix
Le 23 juillet, OpenAI a officiellement intégré la fonction vocale (Voice) de ChatGPT dans les scénarios Work et Codex de l'application de bureau.
Le déploiement mondial a commencé ce jour-là par lots sur macOS et Windows, couvrant les formules Plus, Pro, Business, Edu et Enterprise. Android suivra bientôt, et iOS pourra s'y connecter à distance via Remote.
Son fondement est le nouveau modèle vocal GPT-Live, lancé le 8 juillet, capable d'écouter et de parler simultanément : tu peux interrompre à tout moment, il continue à partir de ta dernière phrase, au lieu de l'ancienne méthode lourde qui consistait à « enregistrer d'abord, transcrire ensuite, puis te répondre une phrase ».
L'essentiel est que cette fois, la voix ne sert pas seulement à bavarder.
Dans Work et Codex, en ouvrant simplement la bouche, tu peux lancer une tâche, lui demander où elle en est, vérifier l'état actuel d'un certain agent, et même coordonner plusieurs Agents dans une même conversation pour qu'ils travaillent chacun de leur côté.
La tâche tourne en arrière-plan, tu peux à tout moment intervenir pour changer de direction ; si elle est bloquée ou terminée, elle prendra la parole, ou t'enverra un rappel à l'écran.
Elle peut même enchaîner sur le travail en cours : utiliser le contexte existant du projet, se connecter aux documents, calendriers, contacts et historiques de communication pour terminer un travail à moitié fait.
L'équipe a également donné des exemples concrets de la vie quotidienne : lui demander de vérifier les conflits d'agenda, de fouiller dans les e-mails pour voir si un vol a été modifié, de préparer le compte-rendu d'une réunion... « Pendant que tu te fais un café ou que tu es occupé à autre chose », ces tâches s'exécutent toutes seules en arrière-plan.
Sur macOS, il y a en plus les fonctionnalités Appshots et le contexte de l'écran, qui peuvent lire directement la fenêtre actuellement active, en combinaison avec une compréhension des fichiers locaux et des dépôts de code, et les raccourcis clavier peuvent aussi être personnalisés.
L'activité hebdomadaire combinée de Codex et ChatGPT Work a déjà dépassé les 10 millions.
Dans la vidéo promotionnelle d'OpenAI, il y a une scène très intéressante : plusieurs ingénieurs se tiennent dans la même pièce, face à la même session de bureau, donnant chacun ses instructions : une seule IA, et une pièce entière de personnes lui donnant des ordres.
C'est probablement ainsi qu'ils imaginent la « fête de programmation collective ».
OpenAI démontre ChatGPT Voice dans une scène domestique : parler pour dire ce que l'on veut faire à Codex bureau, qui continue le travail en arrière-plan.
La frappe est un goulot d'étranglement pour l'entrée IA, mais pas la voix
Bien sûr, ce n'est pas un caprice isolé d'OpenAI.
Presque la même semaine, trois grands noms de l'industrie ont presque simultanément voté pour la « voix ».
Karpathy a posté sur X, disant que lorsqu'il y a trop de contexte et qu'il n'a pas envie de taper, il bavarde simplement de manière désordonnée et laisse l'IA organiser.
Un fan inconditionnel de Grok a partagé le post de Karpathy, disant qu'il utilisait depuis longtemps la fonction vocale de Grok, « maintenant, taper me semble être une torture », tout en critiquant au passage l'entrée vocale d'Anthropic comme étant « encore assez basique ».
Musk a retweeté ce message, ajoutant : tu peux, comme en parlant à une personne, utiliser Grok Build pour confier une tâche à Grok.
Altman n'a pas manqué de faire la promotion de son nouveau modèle vocal GPT-Live.
Il a avoué qu'il préférait toujours taper plutôt que parler à l'IA, mais qu'aujourd'hui, il « parle déjà plus qu'il ne tape » avec ChatGPT.
Il a particulièrement souligné : la voix est la plus utile quand tu as une énorme quantité de contexte à transmettre d'un coup à l'IA.
Ce qui enthousiasme ces trois grands noms, ce n'est en fait pas simplement « pouvoir enfin utiliser sa bouche ».
Derrière cela se cache une logique : plus les agents deviennent puissants, plus les intentions que tu dois leur donner deviennent complexes, et le canal du clavier commence à être saturé :
Plus tu tapes de manière concise, plus les informations que reçoit le modèle sont pauvres.
Alors que la sortie vocale est naturellement un canal large : tu peux d'un coup déverser toutes les causes et conséquences, préoccupations et préférences, même si c'est dit de manière désordonnée, le modèle peut le gérer, puis te démêler ce flux de conscience.
Dans la communauté, certains ont déjà testé en conditions réelles : le débit vocal est d'environ 240 mots par minute, tandis que la frappe atteint au maximum 70 à 80 mots, soit trois à quatre fois moins.
GPT-Live délègue les tâches lourdes au GPT-5.5 ou GPT-5.6 en arrière-plan pour réfléchir, tandis que l'avant-plan se contente de maintenir une conversation fluide pour t'accueillir. Cette dissociation vise précisément à permettre aux gens d'ouvrir la bouche sans contrainte.
En fin de compte, les idées dans le cerveau humain sont par nature parallèles et sautent d'un sujet à l'autre, mais le clavier te force à les comprimer en lignes de texte.
Et la voix fait céder ce mur : elle évolue d'un « outil de saisie paresseux » vers une « entrée de contexte à haut débit ».
En un mot, la frappe est un goulot d'étranglement pour l'entrée IA, mais pas la voix.
Derrière l'entrée vocale, se cache « la gestion de projet à la parole »
Ce qu'OpenAI a véritablement intégré cette fois dans la version bureau, c'est d'utiliser la voix pour « gérer l'IA ».
Selon la FAQ officielle, dans Work et Codex, en ouvrant la bouche, tu peux faire ces choses : lancer une tâche, prioriser plusieurs tâches, interrompre en cours de route, changer de direction, tandis que le travail continue à tourner en arrière-plan.
Plus loin, elle peut coordonner plusieurs agents intelligents pour qu'ils travaillent ensemble, à travers plusieurs conversations et projets. Tu dis « A fait d'abord, B attend, C m'appelle quand il a un résultat », et l'arrière-plan se réorganise en conséquence.
Elle peut aussi reprendre le travail là où il en était la fois précédente. Elle s'appuie pour cela sur le contexte du projet, ainsi que sur les outils connectés : tes documents, calendriers, contacts, historiques de communication.
Si une tâche est bloquée ou terminée, elle te le signale par la voix ou par une notification à l'écran.
Ce n'est plus le travail d'un simple outil de saisie vocale. Cela ressemble davantage à un centre nerveux depuis lequel tu orchestres une équipe d'agents intelligents.
Parler à l'IA en ouvrant la bouche, autrefois c'était pour qu'elle te comprenne, maintenant c'est pour qu'elle travaille à ta place.
Ce que ChatGPT veut devenir, c'est ton « système d'exploitation de travail IA »
Derrière une fonction vocale se cache une ambition plus large : OpenAI veut faire de ChatGPT ton « système d'exploitation de travail IA ».
Ces derniers mois, OpenAI a constamment retravaillé la version bureau de ChatGPT, regroupant Chat, Work et Codex dans une même interface, avec une bascule en un clic, tournant en permanence en arrière-plan.
Codex, lui aussi, s'est depuis longtemps élargi en une plateforme universelle capable d'exécuter plusieurs agents en parallèle, de gérer des tâches longues et de comprendre des projets entiers.
Pourquoi intégrer ces capacités sur le bureau, plutôt que de les laisser sur le téléphone que tout le monde utilise ?
C'est principalement parce que la petite fenêtre de discussion du téléphone ne peut pas gérer des tâches complexes, elle convient pour poser quelques questions à l'oral.
Pour vraiment permettre à l'IA de se connecter à tes fichiers, ton code et tes logiciels et de mener une tâche du début à la fin, elle doit résider dans ton ordinateur :
Le bureau, c'est là où se trouvent les fichiers, les environnements de développement intégrés (IDE), les navigateurs, toute la suite logicielle d'entreprise, c'est le champ de bataille principal des agents intelligents.
Derrière cela se cache un renversement de la manière dont les humains interagissent avec l'IA.
Avant, tu utilisais l'IA en « manipulant un logiciel » : ouvrir, saisir, attendre, un tour par un tour.
Maintenant, tu ressembles davantage à un manager avec une équipe : tu ouvres la bouche pour répartir les tâches, ta relation avec l'IA passe discrètement de « tu demandes, elle répond » à « tu dis, elle fait ».
Un utilisateur intensif a même déclaré que cette solution, une fois utilisée, « c'est essentiellement JARVIS ».
Il a même fait en sorte que Codex configure un raccourci clavier pour lui, pour qu'en parlant, il puisse basculer entre trois machines et plusieurs écrans.
Pour revenir à la scène du début, ce qui enthousiasme réellement les grands noms comme Musk, Altman, Karpathy et autres, ce n'est pas de pouvoir jeter le clavier, mais que lorsque la saisie n'est plus un goulot d'étranglement, l'homme peut consacrer l'énergie mentale ainsi économisée aux choses qui méritent vraiment d'être réfléchies : la prise de décision.
Donc la question suivante n'est en réalité pas « peux-tu ouvrir la bouche », mais plutôt : quand tu as devant toi une pièce pleine d'IA disponibles à tout instant, qu'est-ce que tu veux exactement qu'elles fassent à ta place.
Sources :
https://x.com/OpenAI/status/2080378182469857576
https://aihot.virxact.com/items/cmrxxi2qg03kcroxpcugdaldy
Cet article provient du compte WeChat public « Xin Zhi Yuan », auteur : ASI Revelation
