Perplexity place GPT-Live-1 derrière son mode vocal : ce que le basculement sur Mac et le Web change réellement

Le mode vocal de Perplexity sur l’application Mac et sur le web fonctionne désormais sur GPT-Live-1, le modèle vocal en duplex intégral d’OpenAI, et la capacité associée à ce changement est la partie qui mérite d’être lue deux fois : une seule session vocale peut piloter plusieurs sessions Perplexity Computer à la fois, lancer de nouvelles tâches au milieu d’une phrase et créer ou gérer des Projets sans toucher à un clavier. L’annonce a été publiée depuis le compte @AskPerplexity de Perplexity le 28 octobre 2026 et s’appliquait aux abonnés payants Pro et Max sur les deux plateformes.

C'est un événement de distribution, pas un lancement de modèle. GPT-Live-1 est disponible en général depuis qu'OpenAI l'a mis sur l'API le 10 septembre 2026, à 0,05 $ la minute de voix, et il figure dans ChatGPT Voice depuis le 8 juillet. Ce qui a changé cette semaine, c'est qui le loue, et à quoi ils le destinent.

Pourquoi un changement de modèle vocal mérite la une

Les interfaces vocales étaient autrefois assemblées au sein de chaque entreprise. On achetait un service de transcription, on appelait son propre modèle de langage et on achetait un service de synthèse, puis on consacrait la partie difficile du développement à la détection de fin de tour — la règle qui détermine quand l’utilisateur a fini de parler. C’est sur cette règle que la plupart des produits vocaux échouent : trop empressée, et l’agent coupe la parole aux gens ; trop lente, et chaque appel donne l’impression d’une mauvaise ligne internationale.

GPT-Live-1 élimine cette séparation. C'est un seul modèle qui écoute pendant qu'il génère, décide plusieurs fois par seconde s'il doit parler ou attendre, et confie le raisonnement lourd à un modèle texte en arrière-plan sans interrompre l'audio. Perplexity n'a pas eu à concevoir une politique d'interruption pour faire fonctionner le contrôle multi-session ; elle en a hérité.

La conséquence pratique pour les lecteurs qui construisent leurs propres produits vocaux est sans détour : la couche de gestion des tours de parole que vous comptiez écrire est désormais quelque chose que vous louez. Savoir si cela revient moins cher dépend entièrement du nombre de minutes que votre agent passe à écouter plutôt qu’à parler — une question sur laquelle il vaut la peine de faire le calcul avant de vous engager, car le compteur tourne sur toute la session, silences compris.

La partie Computer est le véritable changement de produit.

Les changements de modèle sont invisibles pour les utilisateurs. Le contrôle multisession de Computer, lui, ne l’est pas. Jusqu’à cette mise à jour, Perplexity Computer était une boucle d’agent unique que vous supervisiez à l’écran. La nouvelle couche vocale vous permet de tenir une seule conversation pendant que plusieurs sessions en arrière-plan s’exécutent, d’en lancer une nouvelle en le disant, et de gérer les Projects par leur nom. Cela s’apparente davantage à un répartiteur qu’à un chatbot, et c’est la première interface vocale grand public que nous voyons qui traite les sessions d’agents parallèles comme la norme plutôt que comme l’exception.

Trois détails font le travail ici :

• Une seule session, plusieurs workers — un tour vocal peut s'adresser à plus d'une session Computer sans mettre fin à celle en cours.

• Création de tâches par la voix — de nouveaux travaux peuvent être mis en file d'attente en cours de conversation plutôt qu'après celle-ci.

• Gestion de projet par nom — Les projets deviennent des objets que vous pouvez créer et renommer à voix haute, ce qui signifie que la couche vocale doit résoudre les références, et pas seulement transcrire.

Rien de tout cela n’exige en théorie un modèle full-duplex. Tout cela est bien plus simple avec un tel modèle, car l’agent peut accuser réception d’une demande par un « mhmm » pendant que le travail réel démarre, au lieu de rester silencieux pendant huit secondes en espérant que l’utilisateur attende.

Perplexity l'a nommée v1. Depuis, OpenAI a publié la v1.1.

Le détail frappant de l’annonce est la chaîne de version. Perplexity indique que son mode vocal fonctionne sur GPT-Live-1. Dans ChatGPT Voice, OpenAI a commencé à déployer GPT-Live-1.1 le 15 octobre 2026, deux semaines avant ce changement. Perplexity n’a pas précisé s’il avait évalué la 1.1, s’il était volontairement épinglé à la v1 pour des raisons de stabilité, ni si une mise à niveau était prévue.

Interprétez cela comme de l’ingénierie normale plutôt que comme un scandale. Une plateforme qui intègre un modèle vocal dans une application grand public se soucie bien davantage d’un instantané figé offrant une latence prévisible que du dernier checkpoint, et OpenAI n’a pas publié de guide de migration qui fasse de 1.1 un remplacement direct. Mais cela signifie bien que le modèle présent dans l’application Perplexity aujourd’hui n’est pas celui présent dans ChatGPT aujourd’hui, et toute comparaison des deux expériences vocales mesure des poids différents.

L'économie dont Perplexity n'a pas parlé

La documentation officielle d’OpenAI indique un prix unique pour ce modèle : 0,05 $ par minute de voix, facturé à la seconde sans arrondi supérieur, avec des frais d’initialisation de session de 15 secondes crédités sur la durée ultérieure. Le raisonnement, les outils et la recherche web passent par un modèle texte distinct et sont facturés séparément. Perplexity vend un abonnement forfaitaire.

Ces deux modèles de facturation ne s’accordent pas naturellement. Un abonné Max qui utilise la voix deux heures par semaine — une quantité peu inhabituelle pour quelqu’un qui vient d’obtenir le contrôle mains libres de plusieurs sessions d’agents — consomme environ 520 minutes par mois. Au prix catalogue, cela représente environ 26 $ de voix seule, avant les appels de raisonnement derrière chaque tâche Computer. Un abonné qui laisse une session ouverte pendant qu’il réfléchit, ou qui la maintient en contrôle ambiant, coûte plus cher, car le silence est facturé au même tarif que la parole.

Toute plateforme qui revend un modèle vocal à l'usage mesuré sous un forfait fixe fait ce pari, et le pari s'avère généralement juste au lancement : la plupart des abonnés consomment bien moins que la queue lourde. Le chiffre intéressant à surveiller n'est pas la moyenne, mais le 95e percentile, et aucune des deux entreprises ne le publie.

Du côté d'OpenAI, le chiffre horaire qui compte pour la planification de la capacité est le coût de l'audio en entrée, et non le temps de parole. Artificial Analysis a mesuré GPT-Live-1 à 5,83 $ par heure d'audio en entrée sur sa configuration à haut raisonnement et à 4,47 $ sur sa configuration à faible raisonnement, en utilisant un ensemble d'évaluation fixe de 40 questions — un rappel utile que le prix annoncé de 0,05 $ ne couvre que la voix.

À quel point le modèle que Perplexity vient d’adopter est-il bon ?

Sur l’indice Speech-to-Speech d’Artificial Analysis, réalisé de manière indépendante, GPT-Live-1 obtient un score de 83,2 dans sa configuration Astra-medium, soit le deuxième rang sur 21 modèles évalués, derrière Grok Voice 3.0 à 86,9, et de 80,1 dans sa configuration Sol-low, au cinquième rang. Dans le Speech Agent Arena du même laboratoire — une préférence à l’aveugle sur des conversations réalistes de type réservation — les deux configurations se situent à 1037 et 1041 Elo, avec des taux de réussite des tâches de 87,4 % et 90,9 %.

La chaîne de configuration n'est pas un simple ornement. GPT-Live-1 ne raisonne pas en interne ; il délègue à un backend nommé, et le backend que vous choisissez modifie à la fois le score et la facture. Perplexity n'a pas révélé à quel backend elle associe sa couche vocale, si bien que sa qualité effective reste inconnue de l'extérieur, même si son modèle vocal est désormais de notoriété publique.

La question de routage que personne n'a posée

Voici le point structurel que cette annonce met en évidence. La branche vocale de Perplexity est désormais louée auprès d'OpenAI et ne peut pas être remplacée — GPT-Live-1 n'expose qu'un seul et unique point de terminaison, v1/live/sessions, et n'est explicitement pas interchangeable avec l'API Realtime. Cette branche est verrouillée. La branche de raisonnement qui la sous-tend ne l'est pas.

C'est là qu'un routeur justifie sa place : le modèle de texte qui mène la réflexion pour chaque tâche Computer peut être remplacé, basculé en cas d'échec ou réparti selon le type de tâche, sans toucher à la couche vocale. Sur OrcaRouter, la même clé donne accès à GPT-6 Astra, GPT-5.6 Terra et GPT-5.6 Sol — les niveaux qu'OpenAI utilise elle-même comme cibles de délégation — aux côtés des modèles Claude, Gemini, Qwen et GLM, avec les prix catalogue des fournisseurs répercutés sans marge et un basculement automatique lorsqu'un backend se dégrade. Lorsqu'un fournisseur baisse un prix, le segment routé en tient compte le jour même.

Pour être précis sur ce que nous ne faisons pas : OrcaRouter ne propose pas GPT-Live-1. Le segment vocal reste sur l'API d'OpenAI. Ce que nous routons, c'est tout ce qui se trouve en aval, là où résident réellement les variations de coût et de fiabilité d'un agent vocal.

Que regarder ensuite

Trois choses changeraient cette histoire. Si Perplexity passe à GPT-Live-1.1, la note de version ci-dessus cesse d’avoir de l’importance et la qualité vocale de l’application devrait s’améliorer avec ce que 1.1 a changé. Si OpenAI publie des contrôles de coût par session — un plafond, un délai d’inactivité, un tarif d’inactivité moins cher — le calcul de l’abonnement forfaitaire devient plus simple pour chaque revendeur. Et si un modèle full-duplex concurrent arrive sur un index comparable, la dépendance à un seul fournisseur dans cette intégration devient un choix plutôt qu’une option par défaut.

Pour les développeurs, la lecture actionnable est plus étroite. Si vous construisez une interface vocale à forte interruption — accueil, réservation, répartition, tout cas où l'utilisateur parle plus que l'agent — un modèle full-duplex est désormais la valeur par défaut raisonnable, et la facturation à la minute en est le prix. Si vous construisez de la narration, de la lecture à voix haute, ou tout ce qui produit de l'audio à partir de texte à la demande, ce modèle est tarifé et conçu pour un autre usage, et la comparaison TTS relève d'un tout autre article.