Le 14 octobre 2026 (heure américaine), SpaceXSI (ex-xAI) a lancé le modèle d'IA « Grok Voice 3.0 ». Il s'agit d'un modèle « voix à voix » qui reçoit directement la voix d'une personne et répond lui aussi à voix haute ; il sert à créer des agents d'IA qui échangent par la parole, par exemple pour répondre au téléphone ou converser dans une voiture. Il est utilisable dès le jour de sa sortie via la « Voice Agent API » destinée aux développeurs.
xAI, qui développe Grok, est devenue « SpaceXAI » après son rachat par SpaceX, et utilise depuis octobre le nom « SpaceXSI ». La page de cette annonce a d'ailleurs été publiée sous le nom « SpaceXSI ».
Grok Voice 3.0, c'est quoi
Jusqu'ici, la plupart des IA vocales procédaient par étapes : elles transcrivaient d'abord la voix en texte, rédigeaient une réponse écrite, puis la convertissaient en voix. Un modèle voix à voix comme Grok Voice 3.0 comprend et répond directement à l'oral, ce qui réduit l'attente et permet plus facilement de se rapprocher d'une conversation naturelle. SpaceXSI affirme que le délai de réponse est inférieur à 1 seconde.
Selon la documentation destinée aux développeurs, les applications qui utilisent le réglage pointant toujours vers la dernière version (grok-voice-latest) basculent automatiquement sur Grok Voice 3.0. La version précédente, Grok Voice 2.0, est désormais dépréciée (son utilisation n'est plus recommandée à l'avenir).
Tarifs
Le tarif est de 0,08 dollar par minute (4,80 dollars par heure), le même que celui de Grok Voice 2.0. SpaceXSI indique que le coût par tâche sur « Big Bench Audio », l'évaluation vocale d'Artificial Analysis, est d'environ 0,025 dollar, soit moins que les modèles d'OpenAI comparés : GPT-Live-1 (0,030 dollar) et GPT-Realtime-2.1 (0,055 dollar).
Les résultats des évaluations
Voici les principaux résultats présentés par SpaceXSI dans son annonce :
- Artificial Analysis Speech-to-Speech Index : 1re place avec 86,9. GPT-Live-1 d'OpenAI obtient 83,2 et Gemini 3.8 Live de Google 82,6
- Full Duplex Bench (évaluation d'une conversation naturelle où l'on interrompt son interlocuteur ou où l'on est interrompu) : 97 %
- τ-Voice (évaluation de la capacité à mener à bien des tâches demandées à la voix) : 71,6 %. Sur ce critère, GPT-Live-1 d'OpenAI (74,5 %) fait mieux, et Gemini 3.8 Live de Google obtient 68,6 %
- EVA-Bench (évaluation des agents vocaux pour les entreprises, conçue par ServiceNow) : 74 % de bonnes réponses
Hormis celui d'EVA-Bench, tous ces chiffres proviennent d'« Artificial Analysis », un site d'évaluation indépendant qui compare les modèles d'IA.
Les usages concrets
Selon SpaceXSI, Grok Voice traite déjà plusieurs millions de conversations par jour dans les voitures de Tesla, une autre entreprise d'Elon Musk. Par ailleurs, au service d'assistance de Starlink, le service d'Internet par satellite, il résoudrait sans intervention humaine environ 70 % des quelque 20 000 appels quotidiens.
Le regard de CoAI
Grok Voice 3.0 n'est pas une fonction d'application destinée au grand public, mais une API qui permet aux entreprises et aux développeurs de créer des services d'accueil et des assistants vocaux. L'entreprise affirme avoir amélioré les performances sans augmenter le tarif : les entreprises qui envisagent par exemple d'automatiser leur accueil téléphonique disposent d'un candidat de plus à comparer. Le lendemain, OpenAI a aussi renouvelé le modèle vocal de ChatGPT, et la concurrence dans l'IA vocale s'intensifie.
En revanche, sur certains critères, les modèles d'OpenAI font mieux : il n'est pas supérieur sur tous les plans. On ne sait pas non plus quand la conversation vocale de l'application Grok passera au nouveau modèle, ni à quel point il parle japonais de façon naturelle. Pour un service d'accueil en japonais, il faudra donc le tester en conditions réelles pour s'en assurer.
