# Qu’est-ce que GPT-4o?

Date: 2024-05-14 · Author: Robert Scales · https://guidetoartificialintelligence.com/fr/apprendre/qu-est-ce-que-gpt-4o/

**Answer:** GPT-4o est le nouveau modèle phare d’OpenAI, annoncé le 13 mai 2024, où le « o » signifie « omni » : un seul modèle qui traite le texte, l’audio, les images et la vidéo au lieu d’enchaîner des systèmes distincts. Il offre une intelligence du niveau de GPT-4, il est plus rapide et coûte deux fois moins cher dans l’API, et il est déployé auprès des utilisateurs gratuits de ChatGPT comme des abonnés payants.

Hier, OpenAI a présenté GPT-4o, son nouveau modèle phare, lors d’un événement en direct en ligne. Le « o » signifie « omni ». Alors que les versions précédentes de ChatGPT géraient la voix en faisant passer vos paroles par plusieurs programmes distincts, GPT-4o est un modèle unique entraîné de bout en bout sur du texte, des images et de l’audio. Il peut recevoir n’importe quelle combinaison de texte, d’audio, d’images et de vidéo, et produire du texte, de l’audio et des images.

Pour la plupart des gens, deux choses comptent tout de suite. D’abord, il arrive dans la version gratuite de ChatGPT : beaucoup plus de gens obtiendront donc des réponses du niveau de GPT-4 sans payer. Ensuite, ses capacités vocales annoncent des conversations parlées qui ressemblent beaucoup à une discussion avec une personne, même si cette partie n’est pas encore activée.

## Ce qui est nouveau, en termes simples

Jusqu’ici, le mode vocal de ChatGPT fonctionnait comme une course à relais. Un modèle transformait vos paroles en texte, GPT-3.5 ou GPT-4 écrivait une réponse en texte, et un troisième modèle lisait cette réponse à voix haute. OpenAI indique que cela prenait en moyenne 2,8 secondes avec GPT-3.5 et 5,4 secondes avec GPT-4. Pire encore, le modèle principal ne vous entendait jamais : il ne pouvait pas saisir votre ton, distinguer plusieurs personnes qui parlent ni remarquer les bruits de fond, et il ne pouvait ni rire ni chanter.

GPT-4o supprime le relais. Comme un seul réseau s’occupe de tout, OpenAI affirme que ses réponses les plus rapides à la parole arrivent après 232 millisecondes, et la réponse typique après environ 320, ce qui se rapproche du rythme d’une conversation humaine.

| | Ancien mode vocal | GPT-4o |
|---|---|---|
| Fonctionnement | Trois modèles distincts à la chaîne | Un seul modèle pour le texte, l’audio et la vision |
| Temps de réponse moyen à la parole | 2,8 s (GPT-3.5) ou 5,4 s (GPT-4) | Environ 0,32 s |
| Entend le ton et l’arrière-plan | Non | Oui, selon OpenAI |

Pour le texte, OpenAI affirme que GPT-4o égale GPT-4 Turbo en anglais et en code, fait mieux dans les autres langues et comprend nettement mieux les images et l’audio que les modèles précédents. Pour les développeurs, il est deux fois plus rapide que GPT-4 Turbo dans l’API, coûte deux fois moins cher et offre des limites d’utilisation cinq fois plus élevées.

## Ce que vous pouvez utiliser aujourd’hui, et ce qui s’en vient

OpenAI déploie les fonctions par étapes :

- **Maintenant :** les capacités de GPT-4o pour le texte et les images commencent à apparaître dans ChatGPT pour les utilisateurs de Plus et de Team et, avec des limites d’utilisation, pour les utilisateurs gratuits. Les abonnés Plus ont droit à jusqu’à cinq fois plus de messages que les utilisateurs gratuits. Quand les utilisateurs gratuits atteignent leur limite, ChatGPT revient à GPT-3.5.
- **Pour les utilisateurs gratuits, au cours des prochaines semaines :** des réponses tirées du Web, l’analyse de données et les graphiques, la discussion à propos de photos, le téléversement de fichiers, l’accès aux GPT et au GPT Store, et la mémoire.
- **Au cours des prochaines semaines :** un nouveau mode vocal fondé sur GPT-4o, d’abord en test alpha pour les utilisateurs de Plus. Au début, la sortie audio sera limitée à un ensemble de voix prédéfinies.
- **Également nouveau :** une application de bureau ChatGPT pour macOS, d’abord pour les utilisateurs de Plus, qui utilise pour l’instant le mode vocal actuel.

OpenAI dit clairement que l’audio comporte de nouveaux risques; c’est pourquoi elle lance d’abord le texte et les images, et retient les nouvelles fonctions vocales et vidéo pendant qu’elle travaille sur la sécurité.

## Un exemple concret avec des images

Vous pouvez essayer la compréhension des images de GPT-4o dès qu’elle arrive dans votre compte. L’exemple d’OpenAI elle-même consiste à photographier un menu dans une autre langue. Un prompt dans le même esprit :

```prompt
Voici la photo d’un menu en portugais.
1. Traduis le nom de chaque plat en français.
2. Indique quels plats sont végétariens, et dis-le si tu n’es pas sûr.
3. Suggère comment commander la soupe poliment en portugais, avec un guide de prononciation.
```

Lui demander de signaler ses doutes est important. Lire une photo est plus difficile que lire du texte tapé, et c’est dans les éléments flous ou manuscrits que les erreurs se glissent.

> **À essayer :** photographiez une page de notes manuscrites ou un graphique imprimé, demandez à GPT-4o de vous l’expliquer en mots plus simples, et vérifiez chaque point par rapport à l’original.

## Qu’est-ce que la voix en temps réel change pour les apprenants?

Le plus grand changement est le rythme d’une leçon. Avec des pauses de plusieurs secondes, parler à ChatGPT donnait l’impression de laisser des messages vocaux. À environ un tiers de seconde, cela peut ressembler à une conversation, où vous interrompez, demandez « attends, pourquoi? » et obtenez une réponse avant de perdre le fil. C’est sur ce va-et-vient que repose une bonne partie de l’enseignement efficace.

Les démonstrations d’OpenAI laissent entrevoir à quoi cela pourrait ressembler. L’une est une séance de mathématiques avec Sal et Imran Khan. D’autres montrent comment apprendre des mots espagnols en pointant des objets, ou comment traduire une conversation en temps réel. Pour les personnes qui apprennent une langue en particulier, un partenaire qui entend votre prononciation et votre ton, et qui répond à la vitesse d’une conversation, est un pas important au-delà de la saisie au clavier.

Quelques mises en garde gardent les attentes réalistes. Les nouvelles fonctions vocales sont aujourd’hui des démonstrations, pas quelque chose que la plupart des gens peuvent déjà utiliser; OpenAI prévoit un test alpha pour les utilisateurs de Plus au cours des prochaines semaines. Une voix rapide et naturelle semble aussi plus sûre d’elle, ce qui peut rendre les erreurs plus difficiles à remarquer : il est donc utile de demander le raisonnement, ou de vérifier les faits importants par écrit ensuite. Et parler à voix haute à une IA soulève de nouvelles questions de vie privée à la maison, à l’école ou au travail.

D’ici l’arrivée de la nouvelle voix, vous pouvez pratiquer les habitudes qui compteront. Demandez au modèle d’accompagner plutôt que de donner la réponse, par exemple : « Ne me donne pas la réponse. Pose-moi une question à la fois jusqu’à ce que je trouve. » Cette consigne fonctionne par écrit dès aujourd’hui et vaudra aussi pour la voix.

## Sources

- Hello GPT-4o: https://openai.com/index/hello-gpt-4o/
- Introducing GPT-4o and more tools to ChatGPT free users: https://openai.com/index/gpt-4o-and-more-tools-to-chatgpt-free/