Dessa : Block présente une IA qui apprend à parler sans lire de texte

Block présente Dessa, une IA vocale qui aurait appris à converser uniquement en écoutant des humains. Annoncé le 23 octobre 2026, ce modèle expérimental reçoit de l’audio et produit de l’audio. Selon l’entreprise de Jack Dorsey, il a été entraîné de zéro, sans corpus de textes ni modèle préentraîné. L’objectif est de retrouver dans les échanges ce qu’une transcription restitue mal : les hésitations, le ton, les rires et le moment opportun pour intervenir.

Dessa n’est toutefois pas encore un assistant que vous pouvez installer librement. Block publie des enregistrements de démonstration et propose un accès anticipé à un petit groupe de chercheurs en sécurité de l’IA. C’est une piste de recherche intéressante, dont les capacités restent à mesurer au-delà des extraits choisis pour l’annonce.

Une voix qui écoute pendant qu’elle parle

La caractéristique centrale de Dessa est son fonctionnement en duplex intégral, ou « full-duplex ». Le modèle peut écouter et parler simultanément, plutôt que d’attendre systématiquement la fin d’un tour de parole pour réagir. Dans une conversation humaine, ce chevauchement est courant : un acquiescement, une brève question ou un rire peuvent intervenir sans interrompre complètement l’autre personne.

Block explique que Dessa a appris ces comportements à partir de véritables conversations. L’enjeu dépasse donc la qualité du timbre ou le réalisme de la synthèse vocale. Une voix parfaitement prononcée peut rester pénible si elle répond trop tard, monopolise l’échange ou ne tient pas compte d’une interruption.

Pour comprendre l’intérêt, imaginez que vous corrigiez une demande à mi-phrase. Un système conversationnel doit saisir cette correction, adapter sa réponse et éviter de continuer sur la première instruction. C’est ce type de coordination que Dessa cherche à rendre plus naturel. La qualité de cette interaction devra être évaluée dans des conditions variées, avec du bruit et des interlocuteurs qui n’ont pas préparé leur échange.

Un apprentissage à partir du son, sans passer par les livres

Beaucoup de systèmes vocaux assemblent une reconnaissance de la parole, un modèle travaillant sur le texte et une synthèse vocale. D’autres approches audio natives existent déjà. La particularité revendiquée par Block est ici l’apprentissage de la conversation à partir de la parole seule, sans s’appuyer sur un modèle préentraîné sur du texte.

Ce choix oblige à apprendre avec des données moins régulières. Deux personnes peuvent prononcer les mêmes mots avec des accents et des rythmes différents. Une même phrase peut aussi changer de sens selon le mot accentué. Le son contient ainsi des informations qu’une simple suite de mots ne suffit pas à décrire.

Block compare cette démarche à l’apprentissage de la parole chez l’enfant. L’image aide à comprendre le projet, mais elle ne démontre pas que Dessa apprend ou comprend comme un humain. Elle ne prouve pas non plus une supériorité générale sur les modèles entraînés avec du texte. La capacité à tenir un échange et l’étendue des connaissances sont deux critères différents.

Les démonstrations mettent l’accent sur le rythme et l’expression

La page officielle propose notamment des échanges autour d’un film dont l’interlocuteur cherche le titre, d’une surprise pour un anniversaire ou de conseils personnels. Block présente des passages dans lesquels Dessa rit pendant une phrase, augmente le volume de sa voix à la demande ou réagit brièvement avant de développer sa réponse.

L’entreprise indique que les enregistrements capturent des conversations en direct, sans personne pour dicter les réponses du modèle, et que les sous-titres ont été ajoutés ensuite. Un autre extrait met Dessa en conversation avec le modèle vocal GPT-Live-1. Block précise que le développeur de ce modèle tiers n’a ni validé ni approuvé Dessa.

Ces exemples permettent d’observer l’intention du projet. Ils ne constituent pas un comparatif reproductible : les extraits publiés ne donnent pas le taux d’erreur, la régularité des comportements ou la capacité à garder le fil sur de longues sessions. Je trouve le travail sur le rythme plus intéressant qu’une promesse d’IA « humaine », précisément parce qu’il peut améliorer un usage concret sans supposer une intelligence universelle.

Un fonctionnement local sur Mac, selon Block

Autre annonce notable : Dessa fonctionnerait localement sur un MacBook Pro M4 Max ou supérieur, avec une inférence plus rapide que le temps réel. Il s’agit de la génération des réponses après entraînement, pas de l’entraînement du modèle sur un ordinateur portable.

Pour cette phase d’entraînement, Block mentionne un système NVIDIA GB200 NVL72. Le mot « un » ne doit pas faire croire à une petite carte graphique : cette plateforme rassemble 72 GPU Blackwell. L’annonce ne permet donc pas de conclure à un entraînement peu coûteux ou accessible à tous.

La possibilité d’exécuter le modèle localement serait utile pour limiter l’envoi de conversations vers une infrastructure distante. Elle ne suffit cependant pas à établir les garanties d’un futur produit. Block ne fournit pas encore une configuration minimale détaillée en mémoire, une liste complète de machines compatibles ou un téléchargement public permettant de reproduire cette performance.

Comment découvrir Dessa aujourd’hui

Vous pouvez écouter ses démonstrations, mais pas encore ouvrir une conversation libre avec le modèle. Pour découvrir le projet, rendez-vous sur le site officiel de Dessa, puis descendez jusqu’à « Let me listen… ».

1. Choisissez un enregistrement, par exemple « Talking about the release » ou « Remembering a movie ».
2. Cliquez sur le bouton de lecture. Le lecteur présente deux pistes synchronisées, correspondant à l’humain et à Dessa.
3. Utilisez les repères sous les pistes pour rejoindre un moment signalé : un rire, une interruption ou un changement de volume. Ce sont des extraits enregistrés, pas des commandes envoyées en direct à l’IA.

Pour demander un accès anticipé, la section « Calling all safety researchers! » propose le bouton « get in touch ». Le formulaire est destiné aux chercheurs en sécurité de l’IA : il demande un nom, une adresse e-mail institutionnelle et, facultativement, un lien Google Scholar ou un blog. Remplir ce formulaire ne garantit pas une invitation.

Lors de notre vérification du 24 octobre, aucun téléchargement public utilisable n’était proposé et la page indiquait que les liens de lancement étaient à venir. La mention d’un fonctionnement sur M4 Max décrit donc une capacité annoncée par Block ; elle ne signifie pas que vous pouvez déjà installer Dessa sur votre Mac.

Ce qu’il reste à découvrir avant d’en faire son assistant

Le laboratoire, dirigé par Ragavan Thurairatnam, présente Dessa comme une exploration de nouvelles capacités vocales. Il cherche notamment à faire évaluer les risques par des spécialistes de la sécurité. Savoir réagir à une voix contrariée peut être utile ; produire une réponse empathique ne garantit pas que le conseil donné soit exact ou adapté.

Pour le public français, la couverture linguistique reste une question importante : l’annonce ne fournit pas de validation générale des performances en français. Les tarifs, l’accès à une API et la disponibilité des poids ne sont pas non plus établis.

J’attends surtout des évaluations sur les interruptions, les erreurs factuelles et les conversations difficiles. Dessa rappelle une chose utile : rendre une IA agréable à utiliser ne consiste pas seulement à lui donner davantage de connaissances. Il faut aussi qu’elle sache écouter et laisser parler. Block propose une approche prometteuse de ce problème ; le prochain cap sera de montrer qu’elle tient dans la durée, entre les mains d’autres utilisateurs.