{"id":658866,"date":"2026-10-15T10:25:09","date_gmt":"2026-10-15T08:25:09","guid":{"rendered":"https:\/\/aivancity.ai\/blog\/?p=658866"},"modified":"2026-10-15T10:25:12","modified_gmt":"2026-10-15T08:25:12","slug":"gemini-3-8-live-assistants-vocaux","status":"publish","type":"post","link":"https:\/\/aivancity.ai\/blog\/gemini-3-8-live-assistants-vocaux\/","title":{"rendered":"Avec Gemini 3.8 Live, une nouvelle \u00e9tape pour les assistants vocaux"},"content":{"rendered":"\n
\n

\n P<\/span>r\u00e9sent\u00e9s par\n Google<\/strong> le\n 15 septembre 2026<\/strong>,\n Gemini 3.8 Live<\/strong> et\n Gemini 3.8 Live Extended Thinking<\/strong>\n font \u00e9voluer l\u2019assistant vocal vers une\n interface capable de suivre une conversation en temps r\u00e9el<\/strong>,\n d\u2019utiliser le contexte visuel<\/strong> et\n d\u2019ex\u00e9cuter des outils<\/strong> pendant que\n l\u2019\u00e9change se poursuit.\n Les r\u00e9sultats publi\u00e9s indiquent des progr\u00e8s sur\n plusieurs \u00e9valuations vocales et agentiques<\/strong>,\n mais ils ne suffisent pas \u00e0 garantir la\n fiabilit\u00e9 dans tous les environnements professionnels<\/strong>.\n L\u2019enjeu tient moins \u00e0 une voix plus naturelle qu\u2019\u00e0\n la possibilit\u00e9 de confier\n par la parole des t\u00e2ches longues \u00e0 un syst\u00e8me connect\u00e9\n \u00e0 des donn\u00e9es et \u00e0 des services.<\/strong>\n <\/p>\n<\/div>\n\n\n\n

\n\n
\n 01\n <\/div>\n\n

\nDeux mod\u00e8les pour deux niveaux de complexit\u00e9\n <\/h2>\n\n<\/div>\n\n\n\n

Google distingue deux offres. Gemini 3.8 Live vise les interactions \u00e0 faible latence et les d\u00e9ploiements \u00e0 grande \u00e9chelle. Gemini 3.8 Live Extended Thinking ajoute un raisonnement plus approfondi pour les demandes complexes et les t\u00e2ches en plusieurs \u00e9tapes. Les deux mod\u00e8les reposent sur Gemini 3 Pro et acceptent des flux audio, des images, de la vid\u00e9o et du texte. Leur fen\u00eatre de contexte annonc\u00e9e atteint 128 000 tokens, avec une sortie audio ou textuelle pouvant aller jusqu\u2019\u00e0 64 000 tokens.[1]<\/a><\/p>\n\n\n\n

La diff\u00e9rence avec un assistant vocal classique se situe dans la continuit\u00e9 de l\u2019interaction. Un syst\u00e8me traditionnel transcrit la demande, cherche une r\u00e9ponse, puis la restitue. Gemini 3.8 Live est con\u00e7u pour maintenir une session multimodale, g\u00e9rer les interruptions, exploiter une cam\u00e9ra ou un \u00e9cran et appeler une fonction ou une API sans imposer un silence jusqu\u2019\u00e0 la fin de l\u2019op\u00e9ration. Le mod\u00e8le peut ainsi confirmer qu\u2019une action est en cours, poursuivre l\u2019\u00e9change et annoncer ensuite son r\u00e9sultat.[2]<\/a><\/p>\n\n\n\n

Cette capacit\u00e9 ne signifie pas que le syst\u00e8me agit sans infrastructure. L\u2019application doit lui donner acc\u00e8s aux outils, d\u00e9finir les autorisations et traiter les flux en temps r\u00e9el. La documentation de l\u2019API d\u00e9crit une connexion WebSocket avec \u00e9tat. Pour les connexions directes depuis une application cliente, Google recommande des jetons temporaires plut\u00f4t que des cl\u00e9s API permanentes afin de limiter les risques d\u2019exposition.[3]<\/a><\/p>\n\n\n\n

\n\n
\n 02\n <\/div>\n\n

\nCe qui change r\u00e9ellement pour l\u2019interface vocale\n <\/h2>\n\n<\/div>\n\n\n\n

L\u2019apport principal ne r\u00e9side pas seulement dans la qualit\u00e9 de la synth\u00e8se vocale. Il concerne la combinaison de quatre fonctions qui \u00e9taient souvent s\u00e9par\u00e9es : le dialogue continu, le traitement du contexte visuel, le raisonnement sur plusieurs \u00e9tapes et l\u2019ex\u00e9cution d\u2019outils. Cette association rapproche l\u2019assistant vocal d\u2019une interface agentique, c\u2019est-\u00e0-dire d\u2019un syst\u00e8me capable de transformer une intention formul\u00e9e oralement en une suite d\u2019actions contr\u00f4l\u00e9es.<\/p>\n\n\n\n

Google annonce \u00e9galement une d\u00e9tection et un changement automatiques entre 97 langues pendant une conversation. La documentation g\u00e9n\u00e9rale de Live API mentionne pour sa part 70 langues prises en charge et plus de 70 pour la traduction en direct.[2]<\/a>[3]<\/a> Ces chiffres ne d\u00e9crivent pas exactement le m\u00eame p\u00e9rim\u00e8tre. Ils invitent \u00e0 v\u00e9rifier, pour chaque produit et chaque langue, les fonctions r\u00e9ellement disponibles, la qualit\u00e9 des accents, la latence et les conditions d\u2019acc\u00e8s.<\/p>\n\n\n\n

Dans un contexte professionnel, une interaction pourrait commencer par une question orale, se poursuivre par l\u2019analyse d\u2019un document affich\u00e9, d\u00e9clencher une recherche ou une fonction m\u00e9tier, puis aboutir \u00e0 une action propos\u00e9e \u00e0 l\u2019utilisateur. Cette continuit\u00e9 peut faciliter l\u2019acc\u00e8s \u00e0 des logiciels complexes. Elle augmente aussi le nombre de d\u00e9cisions prises dans une m\u00eame session, ce qui rend la tra\u00e7abilit\u00e9 et la possibilit\u00e9 d\u2019annuler une action plus importantes.<\/p>\n\n\n\n