La semaine a été chargée en matière de discours : traduction en temps réel, Voxtral 3 et course aux agents personnels

Le discours a eu une semaine chargée. ElevenLabs et Mistral ont tous deux fourni des outils de traduction vocale en temps réel, ElevenLabs dans plus de 90 langues et Mistral dans plus de 35 langues, ce qui est formidable jusqu'à ce que vous vous souveniez que la voix de quelqu'un est son identité et que ces outils traversent une langue avec elle.

Voxtral 3 de Mistral s'est étendu à 35 langues avec des outils d'agent vocal en temps réel et des contrôles vocaux plus fins, faisant passer le modèle vocal d'une nouveauté à quelque chose qu'un centre d'appels pourrait exécuter. La frontière entre « assistant » et « usurpation d'identité » ne cesse de se rétrécir, et les mesures de protection ne suivent pas le rythme.

Du côté des agents, Anthropic a lancé Claude Duet, un agent d'arrière-plan proactif pour les utilisateurs américains Pro et Max, rejoignant ainsi Meta's Muse et OpenAI dans la course aux agents personnels. Meta's Muse a dépassé les 10 millions d'utilisateurs et a poussé le flux de trésorerie disponible de l'entreprise à un niveau négatif en augmentant les investissements pour 2026 à 135-145 milliards de dollars. L'accaparement des terres pour « l'agent qui vit dans votre vie » est en cours.

Pour les créateurs, l’avantage pratique est réel : je peux désormais raconter un scénario dans une langue que je ne parle pas, ou résumer une réunion dans une autre. Le risque est que la même capacité, sans étiquette, devienne ce qui simule le consentement d'une personne.

Ma règle n'a pas changé : si une voix ou un visage est synthétique, dites-le à voix haute. Cette semaine, la capacité a été rendue moins chère et plus large. Cela a également rendu l’étiquetage non facultatif.