OpenAI prépare un assistant numérique multimodal et des appels téléphoniques dans ChatGPT

Bref, OpenAI ne chôme pas en ce moment ! Selon les informations de The Information, l’entreprise travaillerait sur un nouvel assistant numérique révolutionnaire, capable non seulement de parler mais aussi de reconnaître les objets. Pas mal, non ?

Un assistant multimodal pour booster le service client

Alors, qu’est-ce que c’est exactement, ce nouvel assistant multimodal ? Eh bien, comme son nom l’indique, il s’agit d’un modèle d’intelligence artificielle capable de traiter à la fois des données textuelles, vocales et visuelles. Une véritable prouesse qui pourrait notamment aider les agents de service client à mieux comprendre l’intonation et le sarcasme dans la voix des appelants.

Selon les sources de The Information, le modèle offrirait « une interprétation plus rapide et plus précise des images et du son que les modèles audio et visuels séparés actuels ».

Imaginez un peu la scène : vous appelez le service client parce que votre nouveau gadget high-tech ne fonctionne pas comme prévu (ça m’étonne à peine). Grâce à cet assistant multimodal, l’agent pourrait non seulement visualiser l’objet en question via votre caméra, mais aussi détecter si votre ton est sarcastique ou non. Fini les malentendus et les incompréhensions ! (Enfin, on l’espère…)

Des applications potentielles dans l’éducation

Mais ce n’est pas tout ! Toujours selon les mêmes sources, ce modèle pourrait également être utilisé dans le domaine de l’éducation pour aider les élèves en mathématiques ou traduire des signaux du monde réel. On imagine déjà un futur où les profs seraient remplacés par des IA multimodales capables de détecter quand un élève fait semblant de comprendre (Hé oui, on vous a repérés !).

ChatGPT pourra bientôt passer des appels téléphoniques

Mais ce n’est pas tout ! (Oui, on en remet une couche.) Selon les informations du développeur Ananay Arora, OpenAI serait également en train de préparer une fonctionnalité d’appels téléphoniques pour ChatGPT. Ce dernier aurait en effet découvert du code lié aux appels vocaux, ainsi que des preuves de l’approvisionnement de serveurs dédiés à la communication audio et vidéo en temps réel.

Ananay Arora a publié un screenshot montrant du code lié aux appels téléphoniques dans ChatGPT.

Vous l’imaginez, discuter tranquillement avec ChatGPT, puis basculer en mode appel vocal pour lui demander des précisions ? Un truc de ouf ! (Enfin, si ça fonctionne correctement…)

Patience pour GPT-5

Cependant, avant de trop vous emballer, sachez que ces fonctionnalités révolutionnaires ne devraient pas faire partie de GPT-5, le successeur de GPT-4 attendu pour la fin de l’année 2024. Le CEO d’OpenAI, Sam Altman, a en effet nié que l’annonce à venir concerne GPT-5. Pfiou, ça nous laisse le temps de nous préparer psychologiquement à l’avènement de cette nouvelle IA (et d’économiser pour un nouveau PC capable de la faire tourner).

Quoi qu’il en soit, ces révélations autour des projets d’OpenAI risquent d’éclipser les annonces de Google lors de sa conférence des développeurs I/O 2024. La firme de Mountain View travaille elle aussi sur un assistant multimodal baptisé « Pixie », capable de reconnaître les objets via la caméra d’un appareil. Mais chut, ne le dites à personne, c’est un secret bien gardé ! (Enfin, pas tant que ça finalement.)

Rendez-vous lundi 15 mai à 19h pour découvrir les dernières nouveautés d’OpenAI en direct. D’ici là, restez connectés, ça risque d’être explosif ! 🔥