Parler à ChatGPT ne servira plus seulement à obtenir une réponse. OpenAI veut désormais permettre de lancer de véritables tâches depuis son smartphone simplement avec la voix. En effet, l’entreprise étend sur mobile les capacités agentiques de ChatGPT, permettant notamment de demander oralement la création d’un document, la rédaction d’un e-mail ou la synthèse de messages provenant d’applications connectées.
Pour les utilisateurs Plus et Pro, ces capacités passent notamment par Work, l’espace de ChatGPT destiné aux tâches plus longues et complexes. L’utilisateur peut commencer une tâche depuis son téléphone, laisser ChatGPT travailler dans le cloud, puis reprendre la conversation sur son ordinateur.
Une évolution qui rapproche encore davantage ChatGPT d’un véritable assistant personnel capable non seulement de répondre, mais également d’agir à partir d’une instruction vocale.
« Résume mes e-mails » plutôt que taper un prompt
Le principe est relativement simple. Au lieu d’ouvrir ChatGPT et de rédiger une longue instruction, l’utilisateur peut expliquer oralement ce qu’il souhaite accomplir. Il peut, par exemple, demander à ChatGPT de préparer un document, rédiger un e-mail ou synthétiser des conversations provenant d’une application connectée comme Slack.
La différence avec une conversation vocale classique est importante. ChatGPT ne doit plus uniquement répondre immédiatement à la question. L’instruction peut déclencher un workflow impliquant plusieurs étapes, outils ou sources d’information.
Le smartphone devient ainsi une sorte de télécommande permettant de déléguer du travail à ChatGPT.
Work arrive au cœur de l’expérience mobile
Pour les abonnés Plus et Pro, une grande partie de ces possibilités repose sur ChatGPT Work. Work est conçu pour les tâches plus importantes que celles généralement réalisées dans une conversation classique. Il peut notamment servir à créer des documents, réaliser des présentations, construire des sites, effectuer des recherches ou utiliser un navigateur fonctionnant dans le cloud.
Certaines tâches peuvent également exploiter des applications et services connectés afin de récupérer les informations nécessaires.
La nouveauté consiste à rendre cette logique beaucoup plus naturelle sur smartphone. Plutôt que de devoir préparer précisément une tâche devant son ordinateur, l’utilisateur peut la lancer lorsqu’il est en déplacement.
Commencer dans le métro, terminer sur son ordinateur
OpenAI améliore également la continuité entre les appareils. Une conversation ou une tâche commencée sur mobile peut être reprise ultérieurement sur ordinateur. Cette continuité est particulièrement importante pour Work. Un utilisateur pourrait par exemple demander oralement depuis son smartphone : « Prépare une présentation à partir des documents du projet et résume les décisions importantes. ».
ChatGPT peut commencer le travail dans le cloud. Une fois devant son ordinateur, l’utilisateur retrouve la conversation et peut examiner le résultat, demander des modifications ou poursuivre la tâche.
Le mobile n’a donc pas vocation à remplacer systématiquement le PC, il devient plutôt le point de départ d’un travail qui peut se poursuivre ailleurs.
ChatGPT peut continuer à travailler dans le cloud
Work dispose pour certaines tâches de son propre environnement cloud. Son navigateur peut notamment accéder à des sites Web, suivre des liens, remplir des formulaires ou effectuer plusieurs étapes successives. Une tâche lancée depuis un smartphone peut ainsi continuer même lorsque l’utilisateur quitte la conversation ou éteint son ordinateur.
ChatGPT peut ensuite interrompre le workflow lorsqu’une intervention humaine est nécessaire, par exemple pour fournir une information, effectuer une connexion ou confirmer une action sensible.
Cette capacité change profondément l’intérêt de la voix. Une instruction de quelques secondes peut déclencher plusieurs minutes de travail autonome.
La voix devient une interface pour les agents IA
Cette évolution était déjà visible depuis l’arrivée de GPT-Live. OpenAI a lancé son nouveau modèle conversationnel en juillet afin de rendre les échanges vocaux plus naturels. GPT-Live permet notamment d’interrompre ChatGPT pendant qu’il parle, de marquer des pauses ou d’enchaîner les questions plus naturellement.
Mais une conversation fluide ne constitue qu’une première étape. L’enjeu consiste désormais à relier cette interface vocale aux capacités agentiques de ChatGPT. La voix devient alors moins une manière alternative de discuter avec un chatbot qu’une interface permettant de piloter des outils et des agents.
« Fais-le » devient plus important que « explique-moi »
Cette distinction pourrait devenir fondamentale pour les assistants IA. Les premiers assistants vocaux comme Siri, Alexa ou Google Assistant fonctionnaient principalement autour de commandes relativement courtes : lancer une musique, régler une alarme, consulter la météo ou envoyer un message.
Les nouveaux agents peuvent recevoir des objectifs beaucoup plus abstraits. « Analyse ces documents et prépare-moi une présentation », « Regarde mes e-mails et résume ce qui nécessite mon attention » ou encore « Prépare une réponse à ce client à partir de nos échanges précédents ». Une instruction naturelle peut donc remplacer une succession d’actions auparavant effectuées manuellement.
La voix devient particulièrement pertinente parce que le coût de formulation de la demande devient très faible, même lorsque la tâche sous-jacente est complexe.
Des réponses vocales plus riches en texte
OpenAI fait également évoluer la présentation des conversations vocales. Les réponses obtenues pendant une conversation vocale doivent désormais proposer davantage de contenu textuel. L’utilisateur peut ainsi parler avec ChatGPT tout en bénéficiant d’une trace écrite plus riche à l’écran. Il devient également plus facile de passer de la voix au texte au sein de la même conversation.
Cette convergence répond à une limite historique des assistants vocaux : certaines informations sont beaucoup plus faciles à consulter visuellement qu’à écouter.
Une liste, un tableau, une synthèse ou un document n’ont généralement aucun intérêt à être lus intégralement à voix haute. ChatGPT peut donc utiliser la voix comme interface d’entrée tout en conservant l’écran comme interface de sortie lorsque cela est plus efficace.
La frontière entre voix et texte disparaît progressivement
Cette évolution rapproche également les différentes manières d’utiliser ChatGPT. Une conversation peut commencer oralement pendant un déplacement, l’utilisateur peut ensuite taper une précision lorsqu’il ne souhaite plus parler et le résultat peut prendre la forme d’un document ou d’une présentation. Puis, la tâche peut être reprise sur un ordinateur.
Le choix entre « ChatGPT Voice » et « ChatGPT texte » devient donc progressivement moins important. Il s’agit de la même conversation accessible avec plusieurs interfaces selon le contexte.
Plugins et applications connectées pour Free et Go
OpenAI différencie néanmoins les capacités disponibles selon les abonnements. Les utilisateurs Plus et Pro disposent des fonctions Work permettant de déléguer des tâches plus importantes. Les utilisateurs Free et Go bénéficient pour leur part d’un accès aux plugins et applications connectées dans les expériences compatibles.
Cette ouverture permet à ChatGPT d’exploiter des informations provenant de services externes plutôt que de rester limité au contenu directement fourni dans la conversation. La combinaison entre voix, applications connectées et agents constitue probablement l’une des directions majeures prises par OpenAI pour faire évoluer ChatGPT au-delà du chatbot traditionnel.
Cette évolution mobile prolonge le travail effectué ces derniers mois sur ordinateur. Après le lancement de GPT-Live en juillet, OpenAI avait commencé à intégrer la voix aux expériences permettant de piloter des tâches plus complexes depuis l’application desktop. La logique était déjà de pouvoir utiliser la parole pour démarrer une tâche, vérifier sa progression ou donner de nouvelles instructions.
Le mobile constitue toutefois un environnement particulièrement important pour cette approche. C’est précisément lorsque l’utilisateur n’est pas installé devant un clavier que la possibilité de déléguer une tâche oralement devient la plus utile.
OpenAI et Anthropic prennent deux chemins différents
Cette évolution intervient également alors que Anthropic cherche de son côté à rapprocher les différentes expériences de Claude. L’entreprise a récemment facilité le passage entre mobile et ordinateur et rapproché ses interfaces Chat et Cowork.
OpenAI conserve pour l’instant une séparation plus visible entre Chat et Work : Chat reste destiné aux interactions rapides et conversationnelles, etWork sert davantage à déléguer des recherches, analyses ou productions nécessitant plusieurs étapes. La frontière entre les deux pourrait toutefois devenir de moins en moins perceptible pour l’utilisateur à mesure que la voix, les applications connectées et les agents circulent entre ces différentes expériences.
L’intérêt de cette évolution dépasse finalement la seule reconnaissance vocale. Pendant longtemps, les assistants vocaux ont tenté de remplacer certaines interactions avec l’écran. Les agents IA inversent presque cette logique. L’utilisateur n’a plus nécessairement besoin d’effectuer une tâche depuis son smartphone. Il peut simplement utiliser son téléphone pour demander à une machine distante de la réaliser à sa place. Le smartphone devient alors la télécommande d’une infrastructure beaucoup plus puissante fonctionnant dans le cloud.
Quelques secondes de conversation peuvent déclencher une recherche, la consultation de plusieurs services, la génération d’un document ou la préparation d’une présentation. C’est probablement là que la voix trouve enfin son usage le plus naturel avec l’intelligence artificielle.
Non pas simplement parler à une machine, mais lui dire ce qu’elle doit faire.
