Pas de billet de blog en fanfare, pas d'annonce sur X. OpenAI a simplement glissé une note dans ses release notes : le modèle de dictée speech-to-text de ChatGPT vient d'être remplacé par une version plus performante, disponible pour tous les abonnés, tous plans confondus. L'interface reste identique. Mais sous le capot, quelque chose a changé.
10 % d'erreurs en moins, et ça compte
La métrique retenue par OpenAI est le taux d'erreur de mots, le fameux WER (Word Error Rate), qui mesure la proportion de mots mal transcrits par rapport au texte de référence. Sur les langues principales testées, le nouveau modèle affiche une réduction d'au moins 10 % par rapport à son prédécesseur. Ce n'est pas spectaculaire sur le papier, mais en usage réel, un gain de cette ampleur se traduit par moins de corrections à la main, moins de noms propres massacrés, moins de phrases à relire deux fois avant d'envoyer.
Pour le français, l'espagnol, l'italien et le portugais, les améliorations sont particulièrement notées sur les longues prises de parole, là où les modèles de reconnaissance vocale ont tendance à décrocher. Le japonais, le coréen, le chinois, l'ourdou et le vietnamien bénéficient également de gains mesurés. L'anglais accentué, souvent le parent pauvre de ces systèmes calibrés sur un accent américain standard, est aussi dans la liste.
OpenAI mentionne par ailleurs une meilleure robustesse dans trois situations qui posaient problème : les environnements bruyants, le chuchotement, et la transcription de combinaisons lettres-chiffres. Ce dernier point est plus technique qu'il n'y paraît : retranscrire correctement « référence B2-447 » ou « modèle GPT-4o » sans que le modèle ne s'emmêle entre caractères alphanumériques est un défi classique de l'ASR (Automatic Speech Recognition).
Une mise à jour invisible, et c'est voulu
Ce déploiement illustre une tendance qu'OpenAI affectionne depuis quelques mois : faire évoluer les capacités du produit sans toucher à l'expérience utilisateur. Aucune manipulation requise, aucun réglage à activer. Les personnes qui utilisent la dictée dans ChatGPT profitent du nouveau modèle sans même le savoir.
C'est une approche différente de celle adoptée pour les grands modèles de langage, où chaque sortie (GPT-4o, o3, etc.) est accompagnée de benchmarks, de démonstrations et d'une communication soignée. La reconnaissance vocale, elle, évolue en coulisses. Ce n'est pas un manque d'attention : c'est probablement le signe que la dictée est désormais considérée comme une infrastructure, un composant de base qu'on améliore en continu plutôt qu'une fonctionnalité à mettre en avant.
La voix, terrain de jeu discret mais stratégique
Derrière cette mise à jour technique se profile un enjeu plus large. La saisie vocale prend de l'importance à mesure que les assistants IA s'invitent dans des contextes mobiles ou mains-libres. OpenAI l'a bien compris avec le mode vocal avancé de ChatGPT, lancé l'an dernier, qui permet des conversations fluides en temps réel. La dictée, plus simple et plus ancienne, reste pourtant l'usage vocal le plus répandu au quotidien : dicter un message, noter une idée, remplir un formulaire.
Dans ce segment, la concurrence est réelle. Apple mise sur ses propres modèles on-device pour la dictée sur iOS et macOS. Google affine continuellement la reconnaissance vocale dans ses produits. Et des acteurs plus spécialisés comme Whisper (dont OpenAI est lui-même l'auteur, en open source) ou AssemblyAI ciblent les développeurs avec des APIs dédiées.
Le fait qu'OpenAI améliore silencieusement son moteur de dictée dans ChatGPT suggère que la qualité de transcription est devenue un critère de rétention : les utilisateurs qui dictent régulièrement remarquent les erreurs, même s'ils ne savent pas toujours nommer ce qui cloche. Réduire ce friction, même marginalement, contribue à ancrer l'habitude d'utiliser ChatGPT comme interface vocale principale.
Les détails techniques du nouveau modèle ne sont pas publiés. OpenAI n'indique pas s'il s'agit d'une évolution de Whisper, d'un modèle propriétaire distinct, ou d'une combinaison des deux. Ce que les notes de version officielles confirment, c'est le résultat : moins d'erreurs, plus de robustesse, pour tout le monde.
