En bref : Google a dévoilé Gemini 3.8 Live et Gemini 3.8 Live Extended Thinking, deux modèles conçus pour parler avec vous en temps réel, en comprenant ce que dit votre voix, ce que voit la caméra et en exécutant des actions en arrière-plan. L’objectif : transformer la voix en une véritable interface, plus fluide que les assistants d’hier.

Deux modèles vocaux, deux philosophies

Google a mis en avant deux versions complémentaires. La première, Gemini 3.8 Live, privilégie la rapidité, la fluidité et la maîtrise des coûts : elle vise les échanges du quotidien, où la réactivité prime. La seconde, Gemini 3.8 Live Extended Thinking, ajoute une couche de raisonnement plus poussée, pensée pour les tâches complexes et les enchaînements en plusieurs étapes.

La différence n’est pas qu’une affaire de puissance. Elle correspond à deux usages : d’un côté, un compagnon vocal réactif pour poser une question ou piloter une application ; de l’autre, un assistant capable de prendre le temps de « réfléchir » avant de répondre lorsqu’un problème le mérite. À vous, ou au service qui intègre le modèle, de choisir le bon compromis entre vitesse et profondeur.

Ce que ces modèles savent faire

Le premier apport, c’est la conversation vocale véritablement continue. Le modèle peut écouter et parler de façon naturelle, gérer les interruptions et éviter les blancs gênants qui trahissaient les assistants classiques. On se rapproche du rythme d’un vrai dialogue humain.

Autre nouveauté marquante : la capacité à déclencher des outils et des API en arrière-plan tout en poursuivant la conversation. Concrètement, l’assistant peut lancer une recherche, consulter un service ou préparer une action pendant qu’il continue de vous parler, sans marquer de pause. Le modèle accepte aussi des informations visuelles quasiment en direct : il peut donc commenter ce que montre une caméra ou un écran au fil de l’échange.

Enfin, la dimension multilingue est mise en avant : selon Google, le système bascule automatiquement entre 97 langues, sans qu’il soit nécessaire de préciser laquelle vous parlez. Un atout pour les conversations qui mêlent plusieurs langues ou pour les usages professionnels internationaux.

Les performances annoncées, à prendre avec recul

Google revendique de solides résultats pour la variante Extended Thinking sur plusieurs tests de référence : un score de 82,6 sur l’indice de qualité voix-à-voix d’Artificial Analysis, 68,6 % sur le test τ-Voice et 97,7 % sur Big Bench Audio. Ces chiffres émanent de l’éditeur et de comparatifs indépendants ; il faudra les usages réels pour juger sur pièces.

Comme toujours avec les annonces d’IA, mieux vaut rester mesuré. Les tests de laboratoire mesurent des capacités précises, mais l’expérience quotidienne dépend aussi de la latence sur le terrain, de la qualité du micro, de l’environnement sonore et de l’intégration logicielle. Les progrès semblent néanmoins réels sur le point qui gâchait le plus les assistants vocaux : la fluidité de l’échange.

Où et comment y accéder

Les deux modèles sont proposés via l’API Gemini et Google AI Studio, à destination des développeurs qui veulent bâtir leurs propres agents vocaux. Côté grand public, Gemini 3.8 Live est également déployé dans Search Live, la recherche conversationnelle de Google, tandis qu’Extended Thinking arrive dans Gemini Live et, progressivement, dans des services comme Docs, Gmail et Keep pour les abonnements éligibles.

Autrement dit, l’utilisateur croisera ces modèles sans forcément les nommer : dans une recherche vocale, dans l’assistant qui résume un document ou trie une boîte mail, dans une application tierce qui aura intégré la technologie.

Cas d’usage concrets

Plusieurs situations profitent directement de ce type de modèle :

• La recherche mains libres, en cuisine ou en voiture, avec des questions qui s’enchaînent naturellement ;
• L’assistance visuelle : montrer un objet, un appareil ou un texte à la caméra et obtenir une explication en direct ;
• Le support client vocal, capable de vérifier une information ou de traiter une demande pendant l’appel ;
• L’aide à la productivité : dicter, résumer, reformuler ou organiser sans passer par le clavier ;
• Les échanges multilingues, utiles en voyage comme dans un cadre professionnel.

Une concurrence qui s’intensifie

Google n’avance pas seul sur ce terrain. Les assistants vocaux nouvelle génération sont un champ de bataille où l’on retrouve OpenAI avec le mode vocal de ChatGPT, ainsi que d’autres acteurs comme Grok côté xAI. La bascule vers la voix en temps réel, avec vision et exécution de tâches, redéfinit ce que l’on attend d’un assistant : non plus une simple dictée, mais un interlocuteur qui agit.

Pour Google, l’enjeu est aussi stratégique : intégrer ces modèles au cœur de la recherche et de ses outils de bureautique, c’est ancrer l’IA vocale dans des usages massifs. Les progrès de la traduction et de la reconnaissance, portés par des services comme DeepL, montrent d’ailleurs à quel point le traitement du langage est devenu central. Reste une inconnue de taille : l’adoption. La technologie progresse vite, mais c’est l’usage quotidien qui dira si la voix s’impose enfin comme une interface de premier plan.

Ce qu’il faut retenir

• Google a dévoilé Gemini 3.8 Live et Gemini 3.8 Live Extended Thinking, deux modèles pour la conversation vocale en temps réel.
• Le premier privilégie vitesse et fluidité ; le second ajoute un raisonnement plus poussé pour les tâches complexes.
• Les modèles gèrent les interruptions, voient en direct, exécutent des tâches en arrière-plan et basculent, selon Google, entre 97 langues.
• Ils sont accessibles via l’API Gemini et Google AI Studio, et se diffusent dans Search Live, Gemini Live puis Docs, Gmail et Keep.
• Les scores annoncés sont prometteurs mais restent à confirmer par l’usage réel, dans un marché où la concurrence s’intensifie.