Gemini 3.8 Live a été déployé mardi en trois niveaux à la fois : pour les consommateurs, le modèle est intégré à Search Live ; pour les développeurs, un aperçu public via la Gemini API ; et pour les entreprises, un aperçu privé via Gemini Enterprise. Google DeepMind, le laboratoire à l’origine de la famille de modèles Gemini, a annoncé la sortie mardi, en la couplant à une version standard et à une nouvelle variante Gemini 3.8 Live Extended Thinking, conçue pour des tâches conversationnelles plus longues et plus complexes.
Dans son propre billet, DeepMind décrit les modèles comme ses « modèles audio Gemini les plus avancés à ce jour », conçus pour parler, réfléchir et gérer des tâches en arrière-plan sans interrompre le fil de la conversation. Cette distinction compte sur le plan technique.
Les assistants vocaux précédents traitaient une requête, faisaient une pause, puis répondaient dans une boucle de tour par tour rigide.
Les modèles Live sont conçus pour continuer à écouter et à raisonner pendant qu’ils parlent déjà, de manière plus proche de la façon dont une personne tient une conversation tout en pensant à l’étape suivante.
Chaque extrait audio généré par les nouveaux modèles inclut SynthID, le système de watermarking de DeepMind qui intègre un signal inaudible dans l’audio produit par l’IA afin qu’il puisse être retracé comme synthétique même après des modifications ou une compression. Dans son billet, DeepMind présente le watermark comme une fonctionnalité par défaut appliquée à toute la production audio des nouveaux modèles, et non comme un paramètre à activer côté développeurs.
À lire aussi : le modèle d’IA local de Perplexity arrive dans les ordinateurs portables HP
Pourquoi l’IA vocale avait besoin d’une couche de confiance
Le clonage vocal synthétique a dépassé la capacité de la plupart des plateformes à le détecter, alimentant une vague d’appels frauduleux et de clips audio fabriqués qui se propagent avant même qu’ils puissent être démentis.
SynthID répond à un problème plus limité que la détection des deepfakes en général.
Il ne peut pas empêcher des acteurs malveillants de générer de l’audio falsifié via d’autres outils, mais il permet de retracer tout extrait de Gemini 3.8 Live jusqu’à sa source. Une fonctionnalité dont les plateformes ont de plus en plus besoin pour filtrer le contenu synthétique à grande échelle.
Du texte vers une conversation en direct
La gamme de produits Live de DeepMind a débuté comme un mode vocal expérimental ajouté à la Gemini API d’origine, permettant aux développeurs de tester des interactions vocales à faible latence avant un déploiement plus large. Le lancement de mardi marque le passage de cette gamme d’un simple module expérimental à un produit à trois niveaux couvrant à la fois la recherche grand public, les outils pour développeurs et le déploiement en entreprise simultanément, un mouvement plus vaste que les mises à jour de recherche autonome de DeepMind, comme son récent étude d’impact économique sur les schémas d’adoption de l’IA.
Quelles entreprises testeront en premier
L’aperçu privé pour les entreprises est l’élément à surveiller.
Les entreprises qui adoptent Gemini Enterprise devront utiliser Gemini 3.8 Live pour soutenir l’exécution de tâches longues et ininterrompues, la même demande qui pousse en ce moment les concurrents vers des agents autonomes avec peu de supervision. La question de savoir si Extended Thinking peut conserver le contexte dans des flux de travail d’entreprise en plusieurs étapes sans contrôles humains constants déterminera si cette génération de modèles Live dépasse le stade de la démonstration.
À lire ensuite : GPT-6 Astra donne à OpenAI son premier modèle conçu pour exécuter des systèmes sans supervision