Block Dessa est le tout premier modèle d’intelligence artificielle conversationnelle entraîné exclusivement à partir de parole humaine brute, sans aucun mot de texte écrit ni grand modèle de langage préexistant. Dévoilé le 23 octobre 2026 par le laboratoire de recherche de Block, l’entreprise fondée par Jack Dorsey, ce modèle vocal full-duplex réussit l’exploit d’écouter et de parler en même temps avec des intonations naturelles. Capable de tourner en local sur un simple ordinateur portable équipé d’une puce Apple Silicon M4 Max, il ouvre une voie inédite face aux architectures classiques.
À retenir sur le modèle vocal Dessa
- Zéro texte dans la boucle : Block Dessa n’a jamais vu un mot écrit lors de son entraînement et apprend les concepts directement à partir des ondes sonores.
- Architecture full-duplex : le système peut écouter et répondre simultanément, gérant les interruptions et les relances sans latence perceptible.
- Entraînement sobre : l’ensemble du processus a été réalisé sur un unique rack de calcul composé d’une unité NVIDIA GB200 NVL72.
- Inférence locale : le modèle s’exécute directement sur machine client, notamment sur les ordinateurs dotés de puces Apple M4 Max ou supérieures.
- Accès de recherche : l’entreprise réserve pour l’instant l’accès à un groupe sélectionné de chercheurs en sécurité pour évaluer les risques de manipulation vocale.
Au sommaire :
- Comment fonctionne l’architecture de Block Dessa
- Comparatif : Block Dessa face aux modèles vocaux classiques
- Faire tourner le système en local sur Mac
- Sécurité et authenticité des échanges vocaux
- FAQ
- Conclusion
- Sources
Comment fonctionne l’architecture de Block Dessa
Dans la plupart des assistants contemporains, la voix n’est qu’un habillage de surface. Un premier modèle convertit la voix de l’utilisateur en texte via transcription, un grand modèle linguistique génère une réponse textuelle, puis un moteur de synthèse vocale lit cette réponse. Cette cascade logicielle génère des temps de latence incompressibles et élimine l’essentiel de la communication non verbale : les hésitations, les respirations, les murmures, l’ironie ou les variations d’émotion.
L’équipe menée par Ragavan Thurairatnam au sein du laboratoire de recherche a choisi une approche radicalement inverse. Comme l’explique la publication officielle de Block sur son projet Dessa, l’apprentissage s’est fait comme chez un nourrisson : en écoutant des milliers d’heures de dialogues réels sans jamais lire une seule phrase rédigée.
Le résultat donne un modèle nativement capable de fluidité conversationnelle. Block Dessa rit au moment précis où une phrase devient amusante, soupire lorsqu’un sujet l’embarrasse et interrompt sa phrase dès que son interlocuteur prend la parole. Ce fonctionnement rappelle les démonstrations de flux direct observées sur le mode vocal avancé de ChatGPT, avec une différence fondamentale : aucune donnée textuelle n’a servi de base de connaissances initiale.
Comparatif : Block Dessa face aux modèles vocaux classiques
Pour mesurer la rupture conceptuelle apportée par cette annonce, il convient de confronter l’architecture de Block aux méthodes dominantes de l’industrie technologique :
| Critère technique | Pipelines audio traditionnels | Modèle Block Dessa |
|---|---|---|
| Données d’entraînement | Milliards de jetons textuels puis alignement audio | Parole humaine brute exclusivement (ondes sonores) |
| Mode d’écoute et parole | Semi-duplex (tour de parole séquentiel) | Full-duplex réel (écoute et parole simultanées) |
| Gestion des émotions | Balises textuelles explicites ou post-traitement | Interprétation acoustique directe et spontanée |
| Infrastructure d’entraînement | Clusters massifs de milliers de processeurs | Un seul système NVIDIA GB200 NVL72 |
| Exécution cible | Serveurs infonuagiques distants propriétaires | Exécution locale possible sur puce Apple Silicon |
Tableau comparatif des caractéristiques techniques entre les flux hybrides et le modèle autonome Block Dessa.
En apprenant uniquement par le son, Block Dessa retient une densité d’information contextuelle bien supérieure par unité de données. Selon les chercheurs du projet, une même phrase prononcée avec deux intonations différentes possède deux significations opposées dans le modèle, alors qu’elle donnerait une chaîne textuelle rigoureusement identique dans un transcripteur standard.
Faire tourner le système en local sur Mac
L’autre révélation majeure concerne les exigences d’exécution matérielle. Alors que la course aux modèles géants impose des grappes de serveurs centralisés, l’équipe affirme que son modèle vocal s’exécute localement avec une vitesse supérieure au temps réel sur une machine dotée d’une puce Apple Silicon M4 Max.
Cette portabilité ouvre un potentiel immense pour la création d’assistants personnels embarqués. Dans le vaste écosystème répertorié sur notre comparatif des agents d’intelligence artificielle, l’absence de dépendance à un serveur cloud supprime les frais récurrents d’infrastructure et garantit la confidentialité totale des échanges audio.
Si tu utilises une machine professionnelle pour tes flux de travail, savoir qu’un compagnon vocal perfectionné peut résider directement dans la mémoire unifiée de ton système sans envoyer tes conversations vers un centre de données tiers représente un avantage stratégique indéniable pour la protection de la vie privée.
Sécurité et authenticité des échanges vocaux
Le réalisme sonore atteint par le projet soulève immédiatement des questions éthiques et opérationnelles sensibles. Lorsqu’une voix synthétique reproduit à la perfection les micro-pauses, les respirations et l’hésitation humaine, la frontière entre simulation logicielle et interlocuteur réel devient presque invisible à l’oreille.
C’est pourquoi l’entreprise dirigée par Jack Dorsey a restreint l’accès initial à son modèle. Selon le reportage détaillé publié par TechCrunch sur Block Dessa, une campagne de sélection invite activement les spécialistes de la sécurité informatique à éprouver le système contre les tentatives de fraude, d’ingénierie sociale et d’usurpation d’identité.
Cette prudence n’est pas fortuite : le groupe gère des plateformes financières de premier ordre comme Square et Cash App. Un assistant vocal aussi doué pourrait aussi bien automatiser la prise de commande chez les commerçants que servir de vecteur à des escroqueries téléphoniques d’une redoutable efficacité s’il tombait entre de mauvaises mains sans garde-fous stricts.
FAQ
Qu’est-ce que le modèle Block Dessa ?
Block Dessa est un modèle vocal conversationnel full-duplex développé par Block. Il a la particularité unique d’avoir été entraîné exclusivement sur de la parole humaine brute, sans aucune transcription textuelle intermédiaire ni grand modèle linguistique classique.
Comment ce modèle gère-t-il les émotions dans la voix ?
Contrairement aux générateurs vocaux qui utilisent des balises textuelles de style, le système perçoit et reproduit les émotions directement depuis le signal sonore. Il sait rire, marquer des silences ou soupirer en fonction du contexte émotionnel de l’échange.
Sur quel matériel peut tourner le modèle vocal ?
Le système a été conçu pour pouvoir s’exécuter localement sur des ordinateurs individuels performants, notamment les ordinateurs portables équipés d’une puce Apple Silicon M4 Max ou supérieure, sans nécessiter de connexion à un serveur distant.
Pourquoi l’accès au modèle est-il limité pour le moment ?
En raison du réalisme extrême de ses intonations et de sa réactivité en direct, l’entreprise réserve pour l’heure les tests aux chercheurs en sécurité de l’intelligence artificielle afin d’identifier les risques de tromperie et d’usurpation vocale avant tout déploiement public.
Conclusion
Avec l’annonce de Block Dessa, le laboratoire de recherche de Jack Dorsey apporte une preuve de concept retentissante : l’audio natif n’est pas un simple sous-produit du texte. En apprenant à dialoguer uniquement par l’écoute, ce modèle vocal ouvre une voie prometteuse pour concevoir des assistants plus sobres, plus expressifs et capables de tourner directement sur nos ordinateurs personnels. Tu peux suivre l’ensemble des annonces et repères sur notre dossier dédié aux modèles d’intelligence artificielle.