Google lance Gemini 3.8 Live : voix en temps réel, changement de langue en cours d'appel

Google a publié deux nouveaux modèles vocaux en temps réel, Gemini 3.8 Live et Gemini 3.8 Live Extended Thinking, déployés sur l’API Gemini, Google AI Studio, Gemini Enterprise, Search Live, Gemini Live et certaines parties de Workspace. Les deux modèles se répartissent la tâche : le modèle de base vise le passage à l’échelle et la maîtrise des coûts, tandis qu’Extended Thinking est conçu pour les tâches qui exigent davantage de raisonnement sans interrompre le fil de la conversation.

Ce qui change pour l’interaction vocale

Gemini 3.8 Live traite les entrées visuelles en quasi temps réel, de sorte qu’une conversation peut faire référence à ce qu’une caméra ou un écran affiche actuellement plutôt qu’à un instantané statique. Il détecte également 97 langues prises en charge et bascule de l’une à l’autre en cours de conversation, et peut exécuter des appels d’outils et des requêtes d’API en arrière-plan tout en continuant à parler, en accusant réception d’une demande et en commentant la progression plutôt que de rester silencieux pendant qu’une tâche se termine. Google indique que l’audio généré comporte un filigrane SynthID.

Des chiffres à lire comme des allégations du fournisseur, pas comme des audits

Google cite des chiffres d’évaluation réalisés par des tiers pour Extended Thinking : un score de 82,6 sur l’indice Speech-to-Speech Quality Index d’Artificial Analysis et 68,6 % sur le benchmark de tâches agentiques τ-Voice (35,1 % pour une variante spécifique au secteur bancaire). Ces chiffres proviennent de fournisseurs de benchmarks nommément cités dans l’annonce de Google, et non d’un audit indépendant vérifié directement ici, et ils utilisent des méthodes de mesure différentes les unes des autres — il ne faut donc pas les lire comme un score de performance unifié.

Ce que cela implique pour les MSP

Pour les fournisseurs de services managés qui jonglent déjà avec plusieurs modèles vocaux dans les déploiements de leurs clients, la question pratique posée par ces annonces n’est pas celle des scores de benchmark, mais celle de savoir où l’inférence s’exécute réellement et quelles données de locataire passent par quelle région — une question de routage et d’isolation, distincte de tout marketing sur les capacités des modèles.

Sources : Google Blog, 9to5Google.