La grande tendance du moment dans le monde des intelligences artificielles génératives semble être le contrôle à la voix. Tous les gros acteurs travaillent sur la possibilité de dicter ses requêtes à un modèle, peu importe leur longueur ou leur complexité, et ainsi obtenir un résultat sans même toucher à son clavier. Le dernier ajout en date est à trouver du côté de Google : Gemini pour le Mac propose désormais un mode voix comparable à celui de ses concurrents. La fonctionnalité n’est toutefois proposée qu’en anglais à ce stade, même si on imagine qu’elle sera rapidement adaptée à d’autres langues.
Gemini pour le Mac disposait déjà d’un outil permettant de dicter des messages au lieu de les saisir dans son champ de texte. Ce n’est pas la nouveauté ici néanmoins : le nouveau mode ne se contente pas d’ajouter la transcription dans le formulaire habituel pour demander une action à l’IA. Son rôle est plus central : tout ce que vous dites sera transcrit dans la zone de texte de macOS actuellement active, ou bien exécuté dans la foulée selon le sens de la demande.
La vidéo fournie par Google illustre les deux options. En appuyant sur un nouveau bouton dans l’interface de Gemini, ou alors en utilisant le raccourci clavier associé (maintien de la touche fn par défaut), vos paroles seront alors transcrites par l’app. Selon les besoins, le texte pourra être inséré dans le champ de texte actuellement sélectionné, peu importe le logiciel actif. Dans l’exemple, c’est un document Google Docs affiché dans Chrome, mais en théorie, n’importe quel formulaire similaire devrait être pris en compte.
Le deuxième exemple est plus ambitieux. Cette fois, le démonstrateur décrit une tâche qu’il souhaite réaliser avec deux fenêtres ouvertes : le Finder d’un côté avec les PDF de menus pour quelques restaurants, Gmail de l’autre avec un message en cours. Sa demande consiste à rédiger un courriel pour suggérer des restaurants à ses collègues à partir de divers critères, comme le prix et des restrictions alimentaires, puis d’effectuer une recherche supplémentaire de lieux à partir d’autres paramètres également dictés. Il parle normalement pendant tout ce temps et se corrige à mi-parcours sur le jour et l’heure de l’événement.
Le modèle analyse toute cette longue discussion, puis s’active pour réaliser le travail demandé et rédiger un message avec les bonnes informations. Dans la vidéo, le traitement est accéléré, si bien que ce ne sera pas (encore) aussi rapide en réalité. Malgré tout, c’est un progrès intéressant pour ceux qui sont plus à l’aise à l’oral. Inutile de préciser le contexte, Gemini se base automatiquement sur la sélection de fichiers dans l’exemple et l’app peut analyser tout ce qui se trouve à l’écran. Si vous voulez réécrire un texte, il suffit de le sélectionner et il servira en entrée.
Google n’est pas le premier sur ce segment : le contrôle par voix se généralise partout. OpenAI a ainsi présenté récemment un tout nouveau modèle optimisé pour les échanges vocaux, activant des conversations bien plus naturelles. De son côté, Anthropic a activé récemment un mode voix dans Claude, avec ici aussi des capacités similaires pour comprendre l’intention de l’utilisateur, même après une longue dictée qui part dans toutes les directions.
Codex remplace ChatGPT, tandis que GPT-5.6 veut concurrencer Fable : les grosses annonces d’OpenAI
Anthropic donne de la voix à Claude et sort l’artillerie lourde avec Opus 5
