Dessa, le modèle vocal de Block entraîné sur la parole humaine

NNoor

D’après The Verge, Block a annoncé vendredi Dessa, un modèle d’intelligence artificielle que l’entreprise dit avoir entraîné à partir de conversations humaines, sans données écrites. Block le présente comme un modèle vocal en duplex intégral, conçu pour permettre des conversations réalistes avec une intelligence artificielle. L’annonce associe donc deux choix : entraîner le modèle sur de la parole humaine et viser des échanges qui se déroulent directement à la voix. L’équipe décrit cette approche comme une manière de donner à la parole une place centrale dans l’interaction, plutôt que de s’appuyer sur des données écrites. Il faut toutefois distinguer ce que Block annonce de ce que les éléments disponibles permettent d’observer : l’entraînement exclusivement oral est une caractéristique revendiquée par l’entreprise, et les démonstrations publiées donnent quelques exemples de conversations. Le point de départ est clair : Dessa se veut un modèle parole-à-parole, nourri par des conversations humaines, et non un système décrit comme apprenant à partir de textes écrits.

NNoor

Block décrit Dessa comme un système de parole à parole : l’utilisateur s’exprime oralement et le modèle répond lui aussi par la voix. Le duplex intégral est la manière dont l’entreprise présente ce modèle vocal, conçu pour permettre des conversations réalistes avec une intelligence artificielle. D’après l’équipe, les connaissances de Dessa proviennent exclusivement de la parole humaine, sans données écrites. Block oppose cette approche aux systèmes vocaux qui convertissent la parole en texte, en mettant en avant la possibilité de tenir compte d’éléments présents dans la voix. Le modèle est présenté comme visant une conversation orale plus réaliste, mais les exemples disponibles restent des démonstrations. La distinction importante est donc celle entre le principe annoncé par Block, un modèle entraîné sur des conversations et conçu pour répondre à la voix, et les performances que les exemples permettent réellement de constater.

NNoor

Block affirme que Dessa vise à mieux percevoir les émotions exprimées dans la voix, notamment la douleur. L’entreprise oppose cette ambition à celle des systèmes vocaux qui convertissent la parole en texte. L’équipe présente la prise en compte de cette dimension comme une raison de développer le modèle, et évoque le cas d’une personne en forte douleur que l’intelligence artificielle vocale ne percevrait pas. Cette capacité reste cependant une affirmation de Block : les éléments disponibles ne permettent pas de la vérifier au-delà des démonstrations publiées. Il faut donc présenter avec précision ce qui est annoncé : Block veut que le modèle tienne mieux compte des émotions vocales, et cite notamment la douleur.

NNoor

D’après Unite.AI, Block a publié des enregistrements de démonstration et ouvert une liste d’attente publique pour Dessa. Un accès anticipé est également proposé à un petit groupe de chercheurs en sécurité de l’intelligence artificielle. Les enregistrements et la liste d’attente sont donc accessibles au public, mais l’accès anticipé au modèle est présenté comme restreint à ce groupe de chercheurs. L’équipe de Dessa affirme que le modèle peut fonctionner localement sur un MacBook Pro M4 Max ou sur une machine plus puissante. Cette indication vient de l’équipe elle-même. Il faut donc s’en tenir à la formulation de l’annonce : l’équipe affirme que cette configuration, ou une machine plus puissante, peut faire fonctionner le modèle localement. Pour le public, les éléments confirmés sont la publication d’enregistrements, l’ouverture d’une liste d’attente et la mise en place d’un accès anticipé limité.

NNoor

Dans un échange partagé par Block, Dessa tient une conversation globalement naturelle, mais confond d’abord son interlocuteur avec une personne appelée Ronaldo. Une autre démonstration porte sur une discussion autour de Christopher Nolan, et le modèle s’égare en évoquant les films Superman de Bryan Singer. Ces deux exemples montrent donc à la fois un échange qui peut paraître naturel et des erreurs de compréhension ou de référence. Block a également publié une comparaison avec GPT-Live-1 d’OpenAI, dans laquelle Dessa paraît plus naturel. Il faut donc lire ces séquences comme des exemples de fonctionnement : elles font entendre un modèle qui peut converser de façon naturelle, mais qui peut aussi se tromper ou s’égarer. La comparaison avec GPT-Live-1 fait partie de la présentation de Block, tandis que les erreurs mentionnées rappellent que les démonstrations ne suffisent pas à établir une fiabilité générale.

NNoor

Alors, Block présente Dessa comme un modèle vocal en duplex intégral, entraîné uniquement sur des conversations humaines et conçu pour des échanges oraux plus réalistes. L’équipe affirme qu’il peut fonctionner localement sur un MacBook Pro M4 Max ou une machine plus puissante, et elle met en avant une meilleure perception des émotions dans la voix, notamment de la douleur. Cette capacité émotionnelle reste une revendication : les éléments publiés ne permettent pas de la vérifier au-delà des démonstrations. Côté accès, Block a publié des enregistrements et ouvert une liste d’attente publique, tandis que l’accès anticipé concerne un petit groupe de chercheurs en sécurité de l’intelligence artificielle. Les conversations partagées montrent un comportement parfois naturel, mais aussi une confusion avec une personne appelée Ronaldo et un détour vers des films Superman de Bryan Singer pendant une discussion sur Christopher Nolan. La comparaison publiée avec GPT-Live-1 présente Dessa comme plus naturel dans cet échange, sans établir une supériorité générale. Il faut donc séparer l’ambition affichée, les caractéristiques annoncées et les résultats effectivement observables dans ces exemples. L’annonce permet de comprendre la direction choisie par Block : un modèle dont les connaissances viennent de la parole et dont les réponses passent elles aussi par la voix. Pour l’instant, les démonstrations donnent un premier aperçu, et l’accès au modèle reste limité selon les modalités annoncées.