# Dessa de Block : une IA vocale qui apprend à parler sans jamais lire de texte
À retenir
- Block, l'entreprise fondée par Jack Dorsey et maison mère de Square et de Cash App, a dévoilé le 23 octobre 2026 un modèle vocal baptisé Dessa.
- Cette approche bouscule une habitude bien ancrée : la plupart des systèmes actuels passent par le texte, la parole étant transcrite, traitée sous forme écrite, puis reconvertie en voix.
- Pour les entreprises, l'enjeu dépasse la prouesse technique.
Block, l'entreprise fondée par Jack Dorsey et maison mère de Square et de Cash App, a dévoilé le 23 octobre 2026 un modèle vocal baptisé Dessa. Sa particularité ne tient pas seulement à sa fluidité apparente, mais à la manière dont il a été entraîné : selon le laboratoire de recherche de Block, Dessa a appris à tenir des conversations en direct uniquement à partir de conversations humaines enregistrées, sans texte et sans modèles pré-entraînés. Autrement dit, il n'a pas appris à parler en lisant, mais en écoutant.
Cette approche bouscule une habitude bien ancrée : la plupart des systèmes actuels passent par le texte, la parole étant transcrite, traitée sous forme écrite, puis reconvertie en voix. Dessa, lui, est présenté comme un modèle full-duplex, capable de gérer une conversation en temps réel avec une parole simultanée dans les deux sens : il peut écouter pendant qu'il parle et réagir à une interruption sans attendre la fin d'une phrase.
Pour les entreprises, l'enjeu dépasse la prouesse technique. La voix reste le canal le plus naturel de la relation client, mais aussi le plus exigeant : un silence trop long, une interruption mal gérée ou un ton inadapté suffisent à dégrader une expérience. Si la promesse de Dessa se confirme, elle ouvre une nouvelle génération d'outils vocaux, plus proches d'un échange humain que d'une succession de questions et de réponses.
Le full-duplex, ou l'art de ne pas attendre son tour
Dans une conversation humaine, les deux interlocuteurs ne se relaient pas de façon strictement séquentielle. On acquiesce pendant que l'autre parle, on coupe court pour préciser un point, on reformule en entendant une hésitation. C'est précisément ce que le full-duplex cherche à reproduire : les deux sens de la parole coexistent, au lieu de s'enchaîner.
Concrètement, un assistant full-duplex doit gérer trois difficultés en même temps. D'abord, comprendre une parole qui arrive en continu, sans attendre une fin de phrase nette. Ensuite, décider quand parler, quand se taire et quand laisser l'interlocuteur terminer. Enfin, produire une réponse vocale qui reste cohérente alors même que de nouvelles informations arrivent pendant qu'il parle.
Les assistants vocaux classiques contournent souvent ces difficultés en imposant un tour de parole rigide : l'utilisateur parle, le système attend, puis répond. Le résultat est fonctionnel, mais il trahit vite son caractère artificiel, surtout dans les échanges longs ou sensibles. Un modèle pensé dès le départ pour la simultanéité change la nature de l'interaction : l'utilisateur n'a plus l'impression de dicter des commandes, mais de dialoguer.
Apprendre sans texte : pourquoi ce choix est radical
L'entraînement de Dessa, tel que décrit par Block, repose exclusivement sur des conversations humaines enregistrées. Aucun corpus de texte, aucun modèle de langage pré-entraîné ne serait venu structurer son apprentissage. Le modèle aurait donc construit sa compréhension du langage à partir du son lui-même : rythme, intonation, pauses, chevauchements, hésitations.
Ce choix présente un intérêt évident. Une même phrase peut exprimer l'enthousiasme, l'impatience ou le doute selon la manière dont elle est prononcée. En apprenant directement à partir de l'audio, un modèle peut, en principe, capter ces signaux que la transcription efface presque toujours.
Il soulève aussi des questions ouvertes. Les conversations enregistrées sont plus coûteuses à collecter et à exploiter que les textes, et leur diversité conditionne directement ce que le modèle apprend : accents, langues, registres de politesse, contextes professionnels. Block n'a, à ce stade, pas fourni de benchmarks publics permettant de comparer Dessa de façon indépendante à d'autres modèles vocaux. Les enregistrements publiés donnent une idée de son rendu, mais ils ne remplacent pas une évaluation rigoureuse, et c'est une limite qu'il faut garder à l'esprit.
Ce que cela change pour les centres d'appels et les services
Les premiers bénéficiaires potentiels d'une voix full-duplex crédible sont les centres d'appels et les services d'assistance. Aujourd'hui, une grande partie de l'automatisation vocale repose sur des arbres de décision ou sur des agents qui répondent après un délai perceptible. Les clients le ressentent immédiatement : ils répètent, reformulent, puis demandent un humain.
Un assistant capable d'interrompre poliment pour clarifier, de reprendre après une digression ou de détecter une frustration dans le ton pourrait transformer trois usages concrets. Le tri des demandes deviendrait plus rapide, car l'agent vocal comprendrait l'intention sans exiger une formulation parfaite. La résolution des cas simples gagnerait en naturel, avec des confirmations en cours de phrase plutôt qu'en fin d'échange. Et le transfert vers un agent humain serait mieux préparé, puisque le système aurait suivi la conversation dans toute sa dynamique, et pas seulement une transcription nettoyée.
Des usages variés, de l'Amérique du Nord à l'Asie
La portée de cette innovation ne se limite à aucun marché. En Amérique du Nord, où les volumes d'appels restent massifs dans la banque, les télécommunications et la santé, un accueil vocal plus fluide peut réduire les files d'attente et améliorer la satisfaction sans multiplier les effectifs. Les entreprises y expérimentent déjà largement l'automatisation de la relation client, et la qualité de la voix est souvent le facteur qui décide de l'adoption ou du rejet par les usagers.
En Europe, l'enjeu se double d'une exigence de conformité et de diversité linguistique. Un modèle entraîné sur de l'audio doit prouver qu'il gère correctement plusieurs langues, plusieurs accents et des cadres réglementaires stricts en matière de données personnelles. Les entreprises de services, notamment dans l'assurance, l'énergie et le commerce, y verront un levier à condition que la transparence sur la collecte et l'usage des voix soit au rendez-vous.
En Asie, où les assistants vocaux et les services conversationnels sont déjà profondément intégrés au commerce et aux super-applications, la fluidité en temps réel peut faire la différence dans des environnements bruyants ou très concurrentiels. La capacité à gérer des interruptions, des changements de sujet rapides et des échanges courts y est particulièrement précieuse, car les utilisateurs y attendent des réponses quasi instantanées.
Ce que les entreprises doivent vérifier avant d'adopter
L'annonce de Dessa doit être lue avec la prudence qu'impose son statut actuel. Il n'existe pas encore d'accès public au modèle, et les performances annoncées ne sont pas vérifiées de façon indépendante. Avant d'envisager un déploiement, plusieurs vérifications s'imposent : la qualité réelle dans des conditions bruyantes, la gestion des accents et des langues de l'entreprise, la latence sur l'infrastructure disponible, et la capacité à s'intégrer aux outils existants comme les CRM et les bases de connaissances.
Le fait que le modèle fonctionnerait sur un MacBook Pro M4 Max ou mieux mérite aussi d'être noté. Si cette exigence se confirme, elle dessine un déploiement d'abord local et haut de gamme, plutôt qu'une solution cloud immédiatement accessible à toutes les entreprises. Pour les petites structures, l'adoption passera probablement par des offres intermédiées, une fois la technologie stabilisée.
### Conseils pratiques pour préparer l'arrivée de la voix full-duplex
Commencez par cartographier vos conversations réelles : quels appels reviennent le plus souvent, où les clients interrompent-ils, à quel moment demandent-ils un humain ? Ces données valent plus que n'importe quelle démonstration, car elles définissent les cas d'usage où une voix full-duplex apporterait un vrai gain.
Ensuite, testez sur un périmètre restreint et mesurable : un seul type de demande, un seul canal, des indicateurs clairs comme le taux de résolution au premier contact, le temps moyen d'appel et la satisfaction post-appel. Comparez avec vos outils actuels avant d'élargir, et gardez toujours une bascule simple vers un agent humain.
Enfin, préparez vos règles de transparence et de confidentialité : informer l'appelant qu'il parle à une intelligence artificielle, préciser ce qui est enregistré et pourquoi, et définir qui peut accéder aux enregistrements. La confiance est le facteur décisif d'adoption de la voix, et elle se construit avant le déploiement, pas après.
E.C.O. Tech, agence digitale, accompagne les entreprises dans leur transformation numérique, de la définition de leur stratégie à la mise en place d'outils concrets comme les assistants vocaux et les solutions d'automatisation adaptées à leur activité. Son approche privilégie des solutions mesurables, déployées par étapes et pensées pour améliorer réellement l'expérience des clients.
*Sources : The Diary of AI, 24 octobre 2026.*
Diagnostic gratuit
Vous voulez appliquer cette idée dans votre structure ?
E.C.O.Tech peut analyser votre cas, identifier l’offre la plus adaptée et proposer une feuille de route simple : visibilité, CRM, automatisation, gestion métier ou cybersécurité.
Votre avis compte
Cet article vous a été utile ? Partagez votre expérience sur notre fiche Google officielle.