Carton-titre pour « Sesame Preview arrive sur Android » : grand titre, sous-titre « L'agent vocal que les testeurs qualifient de l'un des meilleurs modes vocaux du marché — gratuit, sans API pour l'instant », et deux cartes à icônes plates — « Agents vocaux » avec une icône de ligne représentant une forme d'onde et une personne, et un badge indiquant « Maya · Miles · Simone · Charlie », puis « Sur iOS et Android » avec une icône de ligne de téléphone et un badge indiquant « gratuit — sans API pour l'instant ». Pied de page : « Des agents personnels pour les curieux — Sesame, août 2026. » Logo OrcaRouter incrusté en bas à droite.
Guides & Insights

Sesame Preview a désormais des offres : Free, Plus à 20 $, Pro à 100 $ — et toujours pas d'API vocale

Auteur

jinhao.song

Date de publication

Derniers modèles · 20Voir tous les modèles →
Benchmarks : Artificial Analysis · mis à jour quotidiennement
Retour à tous les articles

Près de six semaines après la mise à jour d’octobre qui a doté ses agents d’un ordinateur, Sesame Preview — une application en aperçu public depuis mai 2026 — dispose d’une grille tarifaire. La page de forfaits de Sesame elle-même propose désormais trois niveaux — Gratuit à 0 $ avec 30 minutes de temps de parole par jour, Plus à 20 $ par mois pour quatre fois cette allocation, et Pro à 100 $ par mois pour vingt fois — facturés via l’App Store et G​oogle Play plutôt que sur le Web. Il s’agit de prix indiqués par le fournisseur sur sa propre page : pas un chiffre mesuré, pas une évaluation indépendante. Tout ce qui se trouve en dessous reste inchangé. La voix de production n’a toujours pas d’API, pas d’ID de modèle et pas de score indépendant, et le seul modèle Sesame que quiconque en dehors de l’application peut charger reste le modèle à poids ouverts CSM-1B.

Les trois niveaux, tels que publiés :

• Gratuit — 0 $. 30 minutes de communication par jour, plus une allocation hebdomadaire limitée de crédits pour les textos et les tâches.

• Plus — 20 $ par mois. Deux heures de communication par jour, quatre fois les crédits hebdomadaires de Free, et un essai gratuit d’une semaine que chacun peut utiliser une fois.

• Pro — 100 $ par mois. Dix heures de temps de parole par jour et vingt fois les crédits hebdomadaires de Free.

Sesame trace elle-même la limite qui compte : parler pendant un appel consomme du temps de parole, et « tout ce que l’agent va faire » consomme des crédits, que vous l’ayez demandé à la voix ou par texto. Les deux compteurs ne s’épuisent donc pas de la même manière. Le temps de parole se réinitialise chaque jour et les crédits chaque semaine. L’épuisement des crédits ne coupe pas l’appel — il vous fait passer de l’intelligence Max à Standard, et les compétences programmées se mettent en pause jusqu’à la réinitialisation hebdomadaire, puis reprennent là où elles s’étaient arrêtées. L’épuisement du temps de parole est un mur plus difficile : vous pouvez toujours écrire, mais l’intelligence du modèle baisse et certaines capacités sont restreintes. Sur la grille des offres, « quatre fois plus de temps de parole » et « quatre fois plus de crédits » sont deux promesses distinctes qui peuvent s’épuiser à des jours différents.

Le chiffre qui détermine réellement le palier n’est pas le prix affiché, mais le tarif des options. Sesame vend du temps de parole supplémentaire à 5 $ l’heure et à 20 $ les cinq heures, ainsi que des crédits à 5 $ les mille et à 20 $ les cinq mille. Les packs n’expirent jamais et ne sont consommés qu’une fois l’allocation de votre forfait épuisée. À ce tarif, les deux heures par jour de Plus — environ 60 heures dans un mois de 30 jours — coûtent 20 $, tandis que 20 $ de temps de parole à la carte achètent cinq heures. Si vous utilisez l’assistant plus de quelques fois par semaine, l’abonnement représente environ douze fois la valeur des packs, ce qui est sans doute l’objectif visé : la FAQ de Sesame décrit chaque forfait comme « une bien meilleure affaire que l’achat de la quantité équivalente de temps supplémentaire ou de crédits ».

Deux détails structurels comptent plus qu’ils n’en ont l’air. Premièrement, rien n’est vendu sur le web : les achats passent par l’App Store ou G​oogle Play, si bien que la Research Preview du navigateur ne peut pas être mise à niveau du tout. Deuxièmement, et c’est ici que la formule « la preview prend fin » est légèrement inexacte, la preview web ne disparaît pas. La FAQ de Sesame indique que les utilisateurs situés en dehors des pays où l’application est disponible « peuvent continuer à utiliser la Research Preview gratuitement, avec une limite quotidienne de temps de parole correspondant au Free Plan : 30 minutes par jour », et que le temps de parole et les crédits sont liés au compte, de sorte que le même plafond quotidien s’applique aux appels web. Ce qui a pris fin, c’est l’allocation sans limite. La preview elle-même subsiste sous la forme de l’offre gratuite.

L’application elle-même continue d’être distribuée parallèlement à la nouvelle facturation. L’App Store indique la version 48.0, datée du 13 novembre, avec des notes de version vantant « une meilleure intelligence standard et Max Intelligence » ; G​oogle Play affiche l’application mise à jour le 9 novembre, avec plus de 50 000 téléchargements et une moyenne de 4,9 étoiles sur environ 2 000 avis. La capture d’écran ci-dessous ne correspond pas à cette version — il s’agit de la capture d’août que cet article contenait à l’origine, d’une page qui indiquait « Aperçu disponible dès maintenant sur iOS et Android » et ne mentionnait aucun prix. Elle est conservée parce qu’elle représente le dernier état du produit avant l’existence des paliers.

Screenshot of Sesame's official Mobile Preview page (sesame.com/mobile-preview), showing 'Personal agents for curious people', 'Preview available now on iOS and Android', and store links for App Store and Google Play. Captured August 6, 2026.

Ce qu'est réellement Sesame

Sesame n'est pas une entreprise de modèles qui se trouve avoir une application ; c'est une entreprise de modèles dont l'application est l'essentiel. Le laboratoire, fondé en 2023 par Brendan Iribe, Ankit Kumar et Ryan Brown et soutenu par a16z, Sequoia, Spark et Matrix, a développé le modèle de parole conversationnelle (CSM) derrière la démo « Maya » — une voix dont les respirations, les hésitations et le rythme des interruptions étaient si convaincants que les personnes qui l'écoutaient pour la première fois ont cru qu'une personne était au bout du fil. Le produit qu'elle vend aujourd'hui, ce sont des « agents personnels pour les curieux ». Le mois d'octobre a ajouté une destination : le 6 octobre, le directeur des produits de l'entreprise, Nate Mitchell, a présenté l'assistant comme le système d'exploitation d'une paire de lunettes conçues pour être portées toute la journée — « un OS vocal sur les montures », selon la formule de l'entreprise — et un jour plus tôt, Sesame avait annoncé que les montures seraient fabriquées au Japon et sortiraient en 2027. L'assistant est le produit ; les lunettes sont la raison de son existence. La page des offres a ajouté l'élément qui en fait une activité commerciale.

Les quatre agents, et ce que l’application fait réellement

Les quatre personnalités sont inchangées et restent ce qui distingue le plus le produit : Maya (une collaboratrice pleine d’esprit), Miles (un interlocuteur décontracté qui dit les choses comme elles sont), Simone (une partenaire de réflexion dynamique pour les analyses approfondies) et Charlie (un interlocuteur décontracté pour rebondir sur vos idées). Chacune conserve sa propre mémoire et, depuis octobre, son propre accès à l’application — vous pouvez donner votre e-mail à Maya et en tenir Charlie à l’écart. Sur cette base, les assistants recherchent sur le web, mènent des analyses approfondies, prennent des notes et des rappels, envoient un résumé après un appel et répondent par écrit lorsque vous ne pouvez pas parler à voix haute ; un mode Incognito lit les souvenirs passés sans en écrire de nouveaux. Ce que les forfaits ont changé, ce n’est pas ce que fait l’application, mais la quantité à laquelle vous avez droit : chaque fonctionnalité est indiquée comme disponible dans tous les niveaux, et la différence entre 0 $, 20 $ et 100 $ tient au quota, pas aux capacités.

Qu'a réellement apporté la version d'octobre

Commencez par la voix, car tout le reste repose sur elle. Sesame dit avoir « mis à jour notre Conversational Speech Model pour améliorer l'expressivité et la prononciation », et que ce changement « fait une énorme différence, surtout au fil de conversations plus longues ». Le même billet indique que la personnalité des personnages « transparaît plus clairement », avec moins de flagornerie et moins de phrases répétées. C'est une affirmation de fournisseur sans chiffres à l'appui : aucun identifiant de modèle publié, aucun chiffre de latence, aucun benchmark, et la voix de l'application n'est toujours pas un point de terminaison que quiconque peut mesurer. Considérez cela comme une déclaration d'orientation de la part de la seule partie qui a entendu les deux versions.

Le changement le plus important est que les agents ont désormais un corps. « Avec la version d’octobre, chaque agent est désormais plus intelligent, avec accès à son propre ordinateur », écrit Sesame — ce qui signifie qu’un assistant peut naviguer et agir au lieu de seulement parler. La démonstration proposée par l’entreprise est éloquente : sa propre équipe dit avoir utilisé Maya, Miles, Simone et Charlie pour « orchestrer d’autres agents comme Devin, Claude Code et Codex », à la voix, en marchant et pendant leurs trajets. Si cela fonctionne comme décrit, Sesame ne se contente plus de rivaliser avec les assistants vocaux ; l’entreprise rivalise désormais pour la couche de contrôle au-dessus des agents de codage. C’est aussi l’affirmation de cette version qu’un lecteur peut le plus facilement tester lui-même — et celle pour laquelle aucun évaluateur externe n’avait publié de mesure au moment de la rédaction.

La plomberie qui le rend utile est elle aussi nouvelle. Le guide de démarrage de Sesame, mis à jour le 5 octobre, répertorie les applications Google — Gmail, Google Calendar, Google Drive — comme connecteurs, certains étiquetés Beta, ainsi que la prise en charge de serveurs MCP externes via OAuth, avec un avertissement sans détour : accordez votre confiance au développeur avant d'en connecter un. Au-dessus des connecteurs se trouve la « compétence » : un guide pratique en langage clair que vous élaborez au fil de la conversation, puis exécutez à la demande ou selon une planification, avec ou sans applications connectées. La génération d'images est apparue parmi les outils propres de l'agent : l'application cite « Image by Sesame » parmi eux, présenté comme permettant de générer, modifier et analyser des images, et l'assistant proposera d'en générer une à partir d'une description ou de vous dire ce que contient une photo que vous envoyez. Notez l'origine de cette information — il s'agit de la liste d'outils intégrée à l'application, et non de ce que déclare l'annonce de Sesame elle-même ; et ni l'application ni l'entreprise ne nomment le modèle d'image qui se cache derrière.

La page des forfaits ajoute un détail que les notes d’octobre ne précisaient pas : l’application dispose désormais de deux niveaux d’intelligence, Standard et Max, et c’est Max qui consomme des crédits ainsi que du temps de parole. Cela fait de l’allocation de crédits un plafond de qualité plutôt qu’un quota de tâches — une distinction que la fiche de l’App Store confirme, les notes de version 48.0 promettant « une meilleure intelligence standard et Max ».

Les limites qui n’ont pas changé

Il n’existe toujours ni API ni ID de modèle pour la voix, donc rien de tout cela n’est accessible à un développeur — et la page des forfaits n’y change rien. Chaque chiffre qui y figure correspond à un abonnement grand public ; aucun ne représente un tarif par token, par minute ou par caractère pour le modèle. L’outil d’image ne vous dira pas quel modèle l’alimente. La fiabilité avec laquelle un agent orchestre Devin ou Claude Code sans supervision est une question ouverte à laquelle le fournisseur n’a répondu qu’avec sa propre anecdote. L’anglais reste la seule langue officiellement prise en charge — le guide indique que les assistants gèrent aussi le français, l’italien, l’allemand, l’espagnol, le chinois, le japonais et le coréen « de manière précoce », ce qui constitue un avertissement plutôt qu’une liste de fonctionnalités. Vous devez avoir au moins 18 ans. Et l’accès aux applications est propre à chaque assistant, ce qui est bon pour la confidentialité mais peu pratique : ce que vous connectez pour Maya, Charlie ne peut pas le voir. Sesame affirme toujours qu’il n’affiche pas de publicités et ne vend pas de données, une promesse que les formules payantes rendent désormais plus facile à tenir.

La voix est le produit — et elle est impossible à mesurer jusqu'ici.

Ce qui rend Sesame digne d’être écrit ne repose toujours pas sur un score de benchmark, car il n’en existe toujours pas pour l’application. Le modèle de production n’est pas publié : aucun ID de modèle, aucune API, aucune cible de latence, et aucune inscription au classement parole-parole d’Artificial Analysis comme le sont les modèles vocaux appelables. Ce que vous pouvez vérifier, c’est la famille d’architecture. Le CSM de Sesame est une conception à deux décodeurs — un socle Llama qui prédit le premier codebook audio et un petit décodeur « depth » qui prédit le reste — sur le codec Mimi de Kyutai, produisant de la parole mono à 24 kHz, et le CSM-1B à poids ouverts (Apache-2.0) est la seule pièce que quiconque peut télécharger. Les notes d’octobre sont la première confirmation en plusieurs mois que le CSM de production lui-même a évolué, et l’entreprise n’a toujours rien publié sur quoi pointer un benchmark. Un instrument existe toutefois, et il mesure quelque chose d’adjacent : le 28 août 2026, Sesame a publié TurnBench, un benchmark ouvert pour la prise de tour dans le dialogue parlé — 30 heures de parole dyadique triple annotation, un protocole de notation issu de l’analyse conversationnelle, un classement public et des résultats pour 14 systèmes, construit avec Carnegie Mellon, Mundo AI et Oto. Il est véritablement ouvert, il est propre à Sesame, et il évalue la prise de tour plutôt que la voix de cette application.

Le tableau récapitulatif ci-dessous correspond à cet ancien instantané d’août. Il est désormais incomplet sur deux aspects. Il ne dit rien de l’usage de l’ordinateur, des connecteurs ni de la génération d’images, car aucun d’entre eux n’existait lorsqu’il a été établi ; et sa ligne de tarifs indique encore « gratuit (aperçu, aucune offre payante) », ce qui a cessé d’être vrai la semaine où la page des forfaits a été mise en ligne. La carte de titre en haut de cette page provient du même lot d’août et porte le même badge obsolète « gratuit — pas encore d’API ». Lisez l’un et l’autre comme un témoignage de ce qu’était l’application, et non de ce qu’elle coûte aujourd’hui.

Single-column scoreboard for 'Sesame Preview — the scoreboard': six rows reading 'Platforms: iOS + Android + Web', 'Price: free (preview, no paid tier)', 'Agents: Maya · Miles · Simone · Charlie', 'Independent score: none yet', 'Open model: CSM-1B, $7/M chars', 'Languages: English only'. Footer: 'Sesame app model unreleased; CSM-1B per OpenRouter; no independent voice benchmark exists.' OrcaRouter logo composited bottom-right.

Ce que coûte réellement une heure de Sesame

Facturé à l’heure de conversation, Plus revient à environ 33 cents. Cela vaut la peine de le comparer au marché des API, car c’est le seul chiffre que Sesame publie désormais et qui puisse être comparé à quoi que ce soit. G​rok Voice Think Fast 2.0 facture 0,08 $ par minute audio, soit 4,80 $ de l’heure. GPT-Realtime-2.1 est facturé par token audio à 32 $ par million en entrée et 64 $ par million en sortie, une unité qui ne peut pas être convertie en heures sans savoir combien vous parlez.

Cette comparaison n’est pas à périmètre égal et ne doit pas être interprétée comme telle. G​rok Voice est une API sur laquelle on construit un produit ; Sesame est une application à laquelle on parle. Les crédits de Sesame mesurent les actions de l’agent en plus du temps de parole, de sorte qu’une semaine chargée en tâches peut consommer une allocation que le chiffre horaire ne prend jamais en compte. Et rien d’indépendant n’a mesuré si les deux voix sont dans la même catégorie — le seul chiffre qui permettrait de trancher n’existe pas pour l’application. Ce que les 33 cents disent, en revanche, c’est que Sesame a fixé le prix d’un abonnement grand public à forfait face à un marché qui facture à la minute, et qu’à 20 $ par mois, elle vend des heures bien en dessous de ce qu’une API vocale facturée à l’usage facture pour celles-ci. Savoir s’il s’agit de générosité ou d’une remise de lancement est une question à laquelle la prochaine page tarifaire répondra.

Où se situe Sesame Preview dans le paysage vocal

En 2026, le domaine de la voix en temps réel se scinde entre applications et API, et octobre a ajouté un troisième axe : qui contrôle les agents. Côté applications, Sesame Preview rivalise pour la même attention que les modes vocaux intégrés à ChatGPT et G​emini Live — avec une différence nouvelle : ces modes vocaux sont inclus dans un abonnement qui finance aussi un modèle texte, alors que les 20 $ de Sesame n'achètent que l'assistant. L'offre gratuite devient donc la véritable compétition : 30 minutes par jour, c'est la durée d'une démo, et dès qu'un lecteur les dépasse, la décision devient de savoir si cette voix vaut un abonnement autonome à 20 $. Côté API, les options appelables sont les modèles vers lesquels on peut pointer un WebSocket : G​rok Voice Think Fast 2.0 à 0,08 $ par minute audio, avec un temps jusqu'au premier audio de 0,70 seconde, classé premier sur le benchmark d'agents τ-Voice et deuxième sur l'indice de qualité parole-parole d'Artificial Analysis à 82,9 % (ces chiffres sont ceux d'Artificial Analysis, pas de x​AI), ou GPT-Realtime-2.1 à 32 $ par million de tokens d'entrée audio et 64 $ par million de tokens de sortie audio. Le troisième axe est celui sur lequel Sesame s'est positionné en octobre : non pas « appelez notre modèle vocal », mais « parlez à nos agents et ils piloteront vos autres agents ». C'est une affirmation sur l'orchestration, et personne ne la mesure — la description du fournisseur constitue à ce jour l'intégralité des preuves.

Le graphique ci-dessous est le tableau côté API tel qu'il était le 6 août 2026 : un rappel de ce avec quoi Sesame rivalise pour attirer l'attention, et du genre de chiffre dont la voix de l'application ne dispose toujours pas.

Screenshot of the Artificial Analysis speech-to-speech leaderboard (artificialanalysis.ai/speech-to-speech, captured August 6, 2026), where callable voice models such as Grok Voice Think Fast 2.0 carry index scores and time-to-first-audio figures — the API-side voice market that Sesame Preview, an app with no API, currently has no equivalent for.

Ce que cela signifie pour les constructeurs

Le côté consommateur a désormais un prix ; le côté développeur, aucun. Si vous voulez construire un produit sur la voix de production de Sesame aujourd’hui, c’est impossible : il n’existe pas d’API pour cela, et aucun forfait de la page tarifaire n’est un forfait développeur. Le seul modèle Sesame qu’un développeur peut appeler est la base ouverte CSM-1B, que vous hébergeriez vous-même ou joindriez via un fournisseur qui le référence : 1 milliard de paramètres, un contexte de 4 K, un modèle de synthèse vocale avec clonage de voix zero-shot mais sans appel d’outils propre. Ce qu’octobre change, c’est la direction prise : les assistants se connectent à des serveurs MCP, et Sesame dit « ajouter des outils développeurs pour que vous puissiez créer vos propres applications Sesame plus tard cette année ». Ce que les forfaits ajoutent, c’est un indice du modèle économique sur lequel ces outils reposeront — temps de parole facturé à l’usage plus travail d’agent facturé à l’usage, vendus par paliers. Un assistant que vous pouvez étendre et désormais payer à l’heure n’est qu’à un pas d’un assistant que vous pouvez appeler au token.

La façon la plus courante, en 2026, d'assembler un agent vocal personnalisé reste d'associer une couche vocale à un cerveau textuel qui décide quoi dire — et ce cerveau est exactement ce devant quoi se place un routeur. OrcaRouter vous donne accès à plus de 200 modèles derrière un point de terminaison unique compatible OpenAI, au prix catalogue du fournisseur, répercuté sans aucune marge, de sorte que lorsqu'un fournisseur baisse un prix, il est effectif ici le jour même ; le basculement automatique est la façon sûre de placer un modèle tout juste publié et non éprouvé sur un chemin réel à côté d'un modèle éprouvé. Pour être franc sur notre propre couverture : aucun modèle Sesame n'est aujourd'hui une route ici, CSM-1B compris — donc rien de ce qui précède ne consiste à louer la voix de Sesame. C'est le schéma à suivre pour le côté texte tant que la voix reste fermée, et le schéma que vous voudriez avoir le jour où elle ne le restera plus.

Le test « mode de conduite »

La formule de TestingCatalog datée d'août — « my drive mode default » — reste le résumé le plus incisif de ce à quoi sert Sesame Preview, et octobre l'a rendue plus littérale et plus lourde de conséquences. Le mode conduite est le cas le plus difficile pour un assistant vocal : les mains occupées, les yeux sur la route, aucun écran vers lequel se replier, aucune patience pour un échec de gestion des tours de parole à vive allure. Ajoutez l'usage de l'ordinateur et les enjeux changent : vous déléguez désormais des tâches que vous ne pouvez pas vérifier depuis le siège du conducteur à un agent qui va agir, puis revenir avec une mise à jour. Une prosodie expressive qui porte le sens sans écran, et une gestion des interruptions qui vous permet de couper la parole en pleine phrase, restent les raisons pour lesquelles cette voix vaut le déplacement.

Les forfaits ajoutent à ce test un mode d’échec moins romantique. Comme le travail des tâches consomme des crédits plutôt que du temps de parole, ce qui s’épuise dans une voiture n’est pas la conversation mais l’action : atteignez le plafond hebdomadaire de crédits et les appels continuent avec Standard intelligence, tandis que toute compétence planifiée se met en pause jusqu’à la réinitialisation. Il reste quinze minutes de temps de parole et aucun crédit : c’est une situation pire que dix minutes avec une allocation complète, et l’application vous prévient avant d’y arriver plutôt qu’après.

Que regarder ensuite

Cinq choses changeraient ce récit. Premièrement, un identifiant d’API ou de modèle pour la voix de production — l’événement qui fait passer Sesame d’une application grand public à quelque chose vers lequel un développeur peut router des requêtes, et le moment où elle peut être facturée au token plutôt qu’au mois. Deuxièmement, de savoir si la structure des offres garde sa forme : aujourd’hui, chaque fonctionnalité est annoncée sur toutes les formules, si bien que les formules ne diffèrent que par leur quota. Une seule fonctionnalité passant derrière Plus indiquerait que la facturation à l’usage était un test plutôt qu’une conception. Troisièmement, l’outillage développeur que Sesame a promis pour « plus tard cette année » : si vous pouvez créer une application Sesame, la voix de l’application devient intéressante par programmation même sans API au sens classique. Quatrièmement, les poids ouverts — CSM-1B est seul sur Hugging Face depuis mars 2025, et un CSM ouvert plus récent ou plus grand permettrait à quiconque de faire tourner la voix lui-même au lieu de louer des heures. Cinquièmement, les lunettes, qui ne sont plus une rumeur : les 5 et 6 octobre, l’entreprise a daté les lunettes à 2027, indiqué qu’elles seront fabriquées au Japon et décrit l’assistant comme le système d’exploitation qu’elles font tourner.

FAQ

Est-ce que Sesame est toujours gratuit ?

En partie. L'application se télécharge gratuitement et l'offre Free conserve un accès complet à toutes les fonctionnalités, avec une limite de 30 minutes de temps de conversation par jour et une allocation hebdomadaire de crédits limitée ; la Research Preview dans le navigateur fonctionne avec le même plafond quotidien de 30 minutes. Plus coûte 20 $ par mois pour deux heures par jour et quatre fois plus de crédits, Pro coûte 100 $ par mois pour dix heures par jour et vingt fois plus de crédits, et les packs à la carte (5 $ par heure de temps de conversation, 5 $ pour mille crédits) permettent de recharger sans s'abonner. Tout est facturé via l'App Store ou G​oogle Play.

Est-ce que Sesame dispose d'une API pour la voix de l'application ?

Non. Le modèle de production derrière l’application n’est pas encore publié — aucun identifiant de modèle, point de terminaison ni tarification par jeton — même si la version d’octobre indique que le Conversational Speech Model sous-jacent a été mis à jour. Les forfaits payants sont des abonnements grand public, pas des tarifs développeurs. Le seul modèle Sesame qu’un développeur peut appeler aujourd’hui est la base CSM-1B à poids ouverts, que vous hébergeriez vous-même ou à laquelle vous accéderiez via un fournisseur qui le propose. Les assistants peuvent se connecter à des serveurs MCP externes, mais cela leur permet d’utiliser vos outils ; cela ne permet pas à votre code de les utiliser.

À quel point la voix est-elle vraiment bonne ?

Il n’existe pas de score indépendant. Le modèle de l’appli n’est pas répertorié dans le classement parole-à-parole d’Artificial Analysis, et Sesame n’a publié aucun benchmark tiers à son sujet. Ce qui existe, c’est le propre compte rendu du fournisseur sur ce qui a changé en octobre — plus d’expressivité, une meilleure prononciation, moins de flagornerie — ainsi que le TurnBench ouvert de Sesame, qui mesure l’alternance des tours de parole plutôt que cette appli, et le CSM-1B ouvert, dont le naturel est la seule partie du travail vocal de Sesame que n’importe qui peut exécuter indépendamment.

Sesame Preview a consacré le mois d’octobre à devenir un produit, puis est devenu une entreprise, et ces deux faits méritent d’être gardés distincts. En tant qu’utilisateur, la question n’est plus de savoir si la voix est impressionnante — mais si 30 minutes par jour couvrent votre façon réelle de parler, si 20 $ achètent suffisamment de marge, et si le plafond hebdomadaire de crédits tombe au milieu de quelque chose que vous avez planifié. En tant que développeur, rien n’a changé du tout : pas d’API, pas d’ID de modèle, pas de tarif à la minute, pas de score. Essayez la voix avec l’offre gratuite avant de vous abonner, observez ce que la falaise de crédits fait à une vraie semaine plutôt qu’à une semaine de démonstration, et gardez un œil sur l’ID de modèle — car à l’instant où Sesame en publiera un, cela cessera d’être une histoire grand public pour devenir une histoire de développeurs du jour au lendemain.