Points clés :
• Google dévoile Gemini 3.1 Flash Live, son modèle audio multimodal temps réel le plus avancé
• Latence divisée par deux et prise en charge de plus de 90 langues
• Search Live propulsé par Flash Live s’étend à plus de 200 pays
• API disponible immédiatement dans Google AI Studio pour les développeurs
• Audio watermarké systématiquement pour lutter contre la désinformation

Un modèle audio conçu pour les conversations naturelles

Le 26 mars 2026, Google a officiellement lancé Gemini 3.1 Flash Live, un modèle multimodal dédié à l’interaction vocale en temps réel. Contrairement aux itérations précédentes, Flash Live a été entraîné nativement sur l’audio : il ne convertit pas la voix en texte avant de raisonner, mais traite directement les signaux sonores. Résultat : des réponses plus fluides, une latence réduite de moitié par rapport à Gemini 2.5 Flash Native Audio, et une capacité à capter les nuances acoustiques comme le ton, le rythme et l’émotion du locuteur.

« Flash Live reconnaît les subtilités du pitch et du rythme de parole mieux que n’importe quel modèle que nous avons produit », a déclaré l’équipe Google DeepMind dans le billet de blog accompagnant le lancement. Le modèle peut désormais suivre le fil d’une conversation deux fois plus longtemps qu’auparavant, éliminant les pauses gênantes qui caractérisaient les premières versions de Gemini Live.

Search Live : la recherche vocale dans 200 pays

L’annonce la plus spectaculaire concerne le déploiement mondial de Search Live, la fonctionnalité de recherche conversationnelle propulsée par Flash Live. Disponible jusqu’ici dans une poignée de marchés anglophones, Search Live s’ouvre désormais à plus de 200 pays et prend en charge toutes les langues et localités où AI Mode est actif. Concrètement, les utilisateurs peuvent poser des questions complexes à voix haute, recevoir des réponses synthétisées en temps réel, et affiner leur recherche dans un dialogue continu — le tout sans taper un mot.

Pour les marchés francophones, cette expansion représente une rupture. Jusqu’ici, l’accès aux fonctionnalités vocales avancées de Google restait limité à l’anglais. Avec Flash Live, la reconnaissance du français, de l’arabe, du mandarin et de 87 autres langues atteint un niveau de précision inédit, y compris pour les dialectes régionaux.

Une API ouverte aux développeurs dès le premier jour

Google a simultanément ouvert l’accès à Gemini 3.1 Flash Live via l’API Gemini Live dans Google AI Studio. Les développeurs peuvent intégrer le modèle dans leurs applications pour créer des agents conversationnels vocaux, des assistants de service client ou des compagnons éducatifs interactifs. L’API supporte le streaming audio bidirectionnel, le function calling en temps réel et l’interaction multimodale (voix + vision simultanées).

Logan Kilpatrick, responsable produit chez Google AI Studio, a souligné sur X que Flash Live représente « un changement fondamental pour les développeurs qui construisent des agents temps réel — la latence n’est plus un compromis, c’est un avantage concurrentiel ».

Benchmarks : Flash Live domine l’audio multimodal

Les benchmarks publiés par Google DeepMind positionnent Flash Live en tête de sa catégorie. Sur le Audio MultiChallenge (évaluation de la qualité de sortie audio), Gemini 3.1 Flash Live obtient un score de 69,8 %, dépassant GPT-4o Realtime (34,7 %), OpenAI Audio Preview (26,3 %) et ElevenLabs (20,8 %). Sur le ComplexFuncBench (précision du function calling audio), Flash Live atteint 71,5 % contre 69 % pour Gemini 3.2 Flash et 13,6 % pour GPT-4o Realtime.

Ces chiffres confirment une tendance : Google creuse l’écart dans l’audio IA, un domaine que la firme de Mountain View considère comme stratégique pour l’adoption massive de l’IA conversationnelle.

Watermarking audio : la lutte contre les deepfakes vocaux

Détail important pour le secteur : tout l’audio généré par Flash Live est automatiquement watermarké à l’aide de SynthID, la technologie de tatouage numérique de Google DeepMind. Ce marquage, imperceptible à l’oreille humaine mais détectable par algorithme, permet d’identifier les contenus synthétiques et de lutter contre les deepfakes vocaux. À l’heure où les régulateurs européens renforcent les obligations de traçabilité des contenus IA (Code of Practice AI Act), cette fonctionnalité positionne Google en avance sur ses concurrents.

Ce que cela change pour l’écosystème IA

Le lancement de Flash Live marque un tournant dans la course aux modèles audio temps réel. OpenAI avait ouvert le bal avec GPT-4o et son mode vocal avancé, mais les benchmarks de Google suggèrent un dépassement net. Pour les entreprises, la disponibilité immédiate de l’API dans AI Studio réduit la barrière d’entrée : un développeur peut prototyper un agent vocal en quelques heures.

Pour les utilisateurs finaux, l’expansion de Search Live à 200 pays signifie que la recherche vocale conversationnelle n’est plus un gadget réservé aux early adopters anglophones, mais un outil mainstream accessible à des milliards de personnes. La question n’est plus de savoir si l’IA vocale va transformer la recherche, mais à quelle vitesse.