Phonic 1 vs GPT Live 1 : la démo de 1,1 seconde, l'autocollant à 5 cents et la facture que personne ne mesure

Le fait le plus répété à propos de Phonic 1 est une comparaison de démonstration : dans le propre test de Phonic, son agent a répondu 1,1 seconde après que l'appelant a cessé de parler, contre 15,7 secondes pour GPT Live 1 d'OpenAI. C'est un chiffre spectaculaire, il est réalisé par le fournisseur, et c'est l'élément le moins utile de cette confrontation. L'élément le plus utile est presque l'inverse — un tarif affiché de 5 cents la minute pour GPT Live 1, qui semble battre les 7 cents de Phonic, jusqu'au moment où l'on ajoute le deuxième compteur qu'OpenAI y associe. Entre ces deux faits se trouve la comparaison qui compte vraiment, et elle a une réponse claire : sur le classement parole-vers-parole d'Artificial Analysis, Phonic 1 (High) obtient 87,1 et GPT-Live-1, dans sa configuration Astra-medium, obtient 83,2, soit un écart de 3,9 points concentré presque entièrement dans une seule composante.

Les deux modèles sont des systèmes conversationnels en duplex intégral qui appellent des outils en cours d’appel, tous deux lancés sur un marché qui, il y a dix-huit mois, ne comptait aucun modèle vocal sérieux capable d’appeler des outils, et tous deux séparent d’une manière ou d’une autre leur raisonnement de la couche vocale. C’est cette dernière similitude qui rend la comparaison des coûts si facile à fausser, et c’est là que cet article passe le plus clair de son temps.

La démo, décortiquée

La démonstration de Phonic comparant 1,1 seconde à 15,7 secondes est une observation réelle d’un comportement réel, et c’est aussi une comparaison comportant deux inconnues. La première est la configuration : la latence de GPT-Live-1 dépend fortement du modèle backend auquel il délègue, et Artificial Analysis mesure un temps jusqu’au premier audio de 1,34 s pour la configuration Astra-medium et de 1,24 s pour Sol-low — ni l’une ni l’autre n’étant de quinze secondes. Un chiffre de 15,7 secondes implique soit un backend soumis à une lourde charge de raisonnement, soit une tâche dont la chaîne d’outils est longue. La seconde inconnue est la tâche : les deux chiffres décrivent des conversations différentes, et aucun protocole publié ne sous-tend cette paire.

L’affirmation structurelle qui sous-tend la démo est solide, toutefois, et il vaut la peine ici de la distinguer du chiffre. Phonic 1 déclenche des appels d’outils alors que l’appelant parle encore ; la documentation de son fournisseur le dit explicitement et son API expose des outils synchrones stricts déclarés en ligne au fil de la session. GPT-Live-1 est full-duplex en ce sens qu’il écoute pendant qu’il parle, et il délègue le travail des outils au-delà d’une frontière asynchrone à un modèle backend distinct. Les deux architectures déplacent le travail hors du chemin critique, par des mécanismes différents. Lequel l’emporte sur votre trafic est une mesure que vous prenez, pas une démo que vous regardez.

GPT-Live-1 est une configuration, pas un score

Chaque chiffre public concernant GPT-Live-1 doit être accompagné d’une précision, car le score du modèle varie selon son backend. Sur le même tableau :

• GPT-Live-1 (Astra, medium) — indice parole-à-parole 83,2, raisonnement 90, dynamique 94,9, agentique 74,5, préférence d’arène 1 027, réussite des tâches 87,4 %, temps jusqu’au premier audio 1,34 s.

• GPT-Live-1 (Sol, low) — indice 80,1, raisonnement 89, dynamique 97,3, agentique 59,3, arène 1 037, taux de réussite des tâches 90,9 %, temps jusqu’au premier audio 1,24 s.

• Phonic 1 (High) — indice 87,1, raisonnement 99, dynamique non communiquée, agentique 79,9, arène 1 012, réussite des tâches 92,3 %, délai avant le premier audio 0,61 s.

Trois choses en découlent. Premièrement, la configuration Sol à moindre effort obtient de meilleurs résultats sur la dynamique, la réussite des tâches et la préférence en arène que la configuration Astra à effort plus élevé, et de moins bons résultats sur le raisonnement et l’agentivité — ce qui correspond au même compromis que présente le Gemini à réflexion étendue de Google, et cela signifie que « le score GPT-Live-1 » est une expression dénuée de sens sans configuration associée.

Deuxièmement, l’écart agentique entre Phonic 1 et la meilleure configuration de GPT-Live-1 est de 5,4 points. Il est plus petit que ne le laissent entendre les supports de lancement de Phonic — l’avance de 8,3 points revendiquée par Phonic concerne Grok Voice 3.0, et non OpenAI — et assez petit pour qu’une combinaison de tâches différente puisse vraisemblablement le combler.

Troisièmement, GPT-Live-1 est en tête sur la préférence d’arène dans les deux configurations, avec 15 et 25 points Elo respectivement, et devance Phonic sur la dynamique conversationnelle d’un chiffre que Phonic n’a pas publié. Sur l’axe qu’un appelant qualifierait de « on dirait une personne », OpenAI est devant, et l’écart n’est pas mesuré des deux côtés.

L'autocollant à cinq cents et le deuxième compteur

GPT-Live-1 coûte 0,05 $ par minute vocale, facturé à la seconde sans arrondi supérieur, avec des frais de lancement de session de quinze secondes qui sont recrédités. Phonic 1 coûte 0,07 $ par minute de conversation, 0,065 $ sur l’offre Pro. Sur ces deux lignes tarifaires, OpenAI est 29 % moins cher et le dossier est clos.

Ce n'est pas fermé, car les frais par minute de GPT-Live-1 ne couvrent que la couche vocale. Le raisonnement backend, les appels d'outils et la recherche web sont facturés séparément aux tarifs standard par token du modèle backend — les recommandations d'OpenAI suggèrent elles-mêmes un petit modèle pour les tours à fort volume et un modèle de pointe pour le raisonnement complexe. Artificial Analysis a mesuré des totaux réels de 4,47 $ à 5,83 $ par heure d'audio d'entrée selon la configuration de raisonnement, contre 4,20 $ pour Phonic 1.

• Couche vocale — GPT-Live-1 à 0,05 $/min contre Phonic 1 à 0,07 $/min, 0,065 $ en version Pro.

• Qu'est-ce qui est facturé d'autre — GPT-Live-1 ajoute des tokens de modèle backend, des appels d'outils et la recherche web ; Phonic 1 annonce un tarif unique à la minute, sans répercussion des coûts LLM.

• Coût horaire mesuré des entrées — GPT-Live-1 4,47–5,83 $ contre Phonic 1 4,20 $, selon Artificial Analysis.

• Prévisibilité des coûts — le coût total de GPT-Live-1 dépend de votre routage du backend ; celui de Phonic 1, non.

Cette inversion constitue tout l’argument de coût, et elle joue à l’opposé du prix affiché. Une équipe qui maintient le coût de ses tours de backend bas peut battre confortablement les 4,20 $ de l’heure sur GPT-Live-1 ; une équipe qui envoie chaque tour à un modèle de pointe se situera au-dessus. Le tarif forfaitaire de Phonic est un prix fixe pour une charge de travail variable, ce qui est avantageux ou trop cher selon la combinaison que vous utilisez réellement.

Le volet backend est là où OrcaRouter trouve sa place sans prétendre être ce qu’il n’est pas. Ni Phonic 1 ni GPT Live 1 ne figurent dans notre catalogue — chacun est disponible via l’API propre à son fournisseur — mais le modèle qui répond aux tours difficiles de GPT-Live-1 est un modèle texte ordinaire, et ce sont eux, les 200+ modèles que nous routons avec une seule clé, à 0 % de marge par rapport au prix catalogue du fournisseur. Les deux backends cités par OpenAI, GPT-5.6 Luna et GPT-6 Astra, ont une page de modèle ici. Une règle de routage peut garder les tours faciles sur le backend économique et n’escalader que ceux qui en ont besoin, avec un basculement automatique en cas de défaillance si un fournisseur flanche en cours d’appel — ce qui est précisément le contrôle qui transforme la facture variable de GPT-Live-1 en une facture encadrée.

Ce qu’OpenAI a et que Phonic n’a pas

L’écart de maturité n’est pas un argument marketing, c’est un argument de production. GPT-Live-1 est présent dans ChatGPT depuis le 8 juillet 2026, dans l’API depuis le 10 septembre, et a reçu une mise à jour incrémentale, GPT-Live-1.1, le 15 octobre. Il a fonctionné à une échelle qu’aucun modèle âgé d’une semaine n’a atteinte, et son approche du transport le reflète : des Live Sessions via WebRTC, WebSocket ou SIP, avec la téléphonie prise en charge plutôt que laissée à l’intégrateur.

L’adoption est l’autre signal. Perplexity a fait passer son mode vocal sur GPT-Live-1 le 28 octobre 2026, et Yelp et Speak sont cités comme premiers partenaires. Ce ne sont pas des preuves de qualité, mais des preuves que le modèle survit au contact du trafic des consommateurs.

• Transport — GPT-Live-1 propose WebRTC, WebSocket et SIP ; Phonic 1 propose un point de terminaison WebSocket, avec des webhooks, un socket maintenu ouvert ou LiveKit comme styles d’intégration.

• Concurrence — GPT-Live-1 publie des limites de sessions simultanées par palier (environ 25 à 50 au palier 1, jusqu’à 500 au palier le plus élevé) et ne propose pas de palier gratuit ; Phonic 1 ne publie aucun plafond de sessions dans ses documents publics.

• Limites — GPT-Live-1 n’accepte aucune entrée image ou vidéo et ne propose aucune sortie structurée sur la couche vocale ; Phonic 1 est audio-natif, avec les appels d’outils comme surface structurée.

• Déploiement — Phonic 1 propose le cloud, le single-tenant, le peering VPC et l'auto-hébergement, avec la disponibilité de SOC 2 Type II et du BAA HIPAA ; GPT-Live-1 est une API hébergée par OpenAI.

Qu’est-ce que Phonic 1 possède qu’OpenAI ne possède pas ?

La vitesse, sur le tableau qui la mesure de façon identique : 0,61 s jusqu’au premier son, contre 1,34 s et 1,24 s. C’est le seul écart mesuré dans cette comparaison qui soit suffisamment important pour être ressenti par un appelant plutôt que déduit d’un graphique, et il est cohérent avec l’affirmation de Phonic d’un délai inférieur à 600 ms entre la parole en entrée et la parole en sortie.

Agence, plus précisément : 79,9 % contre 74,5 % sur la meilleure configuration OpenAI. Et une seule facture, ce qui tient moins d'une capacité que d'une propriété d'achat — mais pour une entreprise qui tient un tableur avec une ligne voix, une ligne backend et une ligne outils, faire tenir trois compteurs en un seul vaut quelque chose de bien réel.

• Délai avant le premier audio — Phonic 1 0,61 s contre GPT-Live-1 1,34 s (Astra, medium) et 1,24 s (Sol, low), selon Artificial Analysis.

• Performance agentique — Phonic 1 79,9 contre 74,5 (Astra, moyen) et 59,3 (Sol, faible).

• Préférence d’arène — GPT-Live-1 1,027 et 1,037 contre Phonic 1 1,012.

• Réussite des tâches — Phonic 1 92,3 % contre 87,4 % (Astra) et 90,9 % (Sol).

Les propres affirmations de performance d’OpenAI méritent leur propre étiquetage, car aucune n’a été reproduite indépendamment : 80,1 % sur Full Duplex Bench v1.5 contre 45,4 % pour GPT-Realtime-2.1, une latence de prise de tour de 0,798 s contre 1,41 s, et environ 87 % de réussite des appels d’outils. Ce sont des chiffres de fournisseur. Ils sont plausibles et non vérifiés, et la même phrase doit être écrite à propos de la comparaison de 15,7 secondes de Phonic.

La décision, formulée comme un pari

Choisissez GPT Live 1 si vos appels sont davantage conversationnels que transactionnels, si vous souhaitez que le transport et la téléphonie soient pris en charge, et si vous êtes prêt à assumer le routage backend qui rend sa facturation compétitive. Le déficit agentique de 5,4 points est réel, mais pas fatal pour un agent qui répond surtout à des questions et effectue occasionnellement une recherche — et la gamme plus large d’OpenAI avec ses multiples configurations, de la voix à effort minimal aux backends de pointe, vous offre plus de réglages que ce que Phonic publie actuellement.

Choisissez Phonic 1 si l'appel doit aboutir à une transaction, si un tiers de seconde avant le premier audio change votre taux d'abandon, et si un tarif forfaitaire à la minute compte davantage pour vous que les économies théoriques d'un backend bien réglé. Acceptez que vous achetez un modèle âgé d'une semaine, doté d'une seule carte indépendante, sans limite de session publiée ni historique de déploiement à l'échelle grand public.

Ce qui trancherait la question, ce n'est pas que l'un ou l'autre des fournisseurs publie quoi que ce soit. C'est une quinzaine de jours de vos propres appels, répartis entre les deux, avec le taux d'achèvement de la même tâche mesuré côte à côte. L'avance de 5,4 points de Phonic sur le front agentique correspond exactement à l'ampleur d'écart qu'un seul domaine de tâches peut inverser — ce qui plaide pour la mesure, et non pour le choix du leader du classement.