Block, la société de paiement de Jack Dorsey, a entraîné un nouveau modèle vocal, Dessa, entièrement sur de la parole humaine — sans données textuelles ni modèles pré-entraînés, a indiqué la société dans une annonce officielle. Block précise que le modèle final fonctionne en local sur un MacBook Pro M4 Max ou supérieur, et que le petit laboratoire de recherche à l'origine du projet l'a entraîné sur un seul rack de serveurs Nvidia. L'exécution en local signifie que la conversation est traitée sur la machine elle-même plutôt que relayée via un service cloud.

Block présente Dessa comme la première IA, à sa connaissance, capable de soutenir une conversation réaliste en direct après avoir été entraînée exclusivement sur de la parole humaine. Le compact laboratoire de recherche derrière le modèle relève directement de Dorsey.

Le modèle full-duplex a réalisé une démo non guidée avec GPT-Live-1 d'OpenAI

La plupart des assistants vocaux prennent ce qu'une personne dit, le convertissent en texte, font passer ce texte dans un modèle de langage, puis reconvertissent le résultat en parole. Block soutient que ce pipeline élimine l'émotion, le sarcasme, le rire et ce qu'il appelle « une voix triste qui se brise ».

Dessa transforme au contraire la parole directement en parole, sans étape textuelle intermédiaire. Comme deux personnes en conversation, elle parle et écoute en même temps — l'audio circule dans les deux sens simultanément, plutôt que selon les tours de parole stricts qu'impose un pipeline transcrire-traiter-parler. Le modèle sait quand intervenir et quand glisser un « oui ! » ou « compris ! », a indiqué Block, et il fonctionne plus vite que le temps réel.

Selon Block, personne ne guide le modèle dans les enregistrements publiés — Dessa choisit ce qu'elle dit, et quand et comment le dire. Dans les extraits, elle rit en pleine phrase, soupire de surprise et élève la voix quand on lui demande de parler plus fort. Dans l'un des enregistrements, Dessa a tenu une conversation avec GPT-Live-1 d'OpenAI. Block note que le développeur de GPT-Live-1 n'a ni vérifié ni approuvé Dessa.

Annonçant le modèle sur X, le responsable du projet Ragavan Thurairatnam a écrit :

"We made the first AI model you can have a realistic conversation with that was trained entirely on speech! Dessa is a full-duplex speech-to-speech model that you can run on consumer GPUs. This is a GPT3 moment for speech." pic.twitter.com/XVD8sSyJn8

— Ragavan Thurairatnam (@RagavanThurair) October 23, 2026

Un rack GB200 NVL72 et « des centaines de fois moins de mots »

Dessa a été entraînée sur un seul Nvidia GB200 NVL72, un système à l'échelle d'un rack qui relie 72 GPU Blackwell de Nvidia pour fonctionner comme une seule machine. Le laboratoire indique que le modèle a appris le langage à partir de « centaines de fois moins de mots » qu n'en faut à un LLM textuel. La parole a rendu la tâche plus difficile, a expliqué Block : un mot parlé représente des milliers de fois plus d'octets que le même mot à l'écrit.

Le laboratoire a été fondé par d'anciens membres de Dessa, une startup torontoise d'apprentissage profond, et son équipe développe des modèles de parole générative depuis plus de huit ans. Thurairatnam dirige le projet et a qualifié cette sortie de « moment GPT3 pour la parole » sur X — un clin d'œil à GPT-3, le modèle textuel d'OpenAI de 2020 qui a fait passer l'écriture générée par machine de la démonstration de recherche à l'outil largement utilisé, et son raccourci pour situer la parole à un point tournant similaire.

Dessa n'est pas disponible publiquement. Block gère une liste d'attente et accorde un accès anticipé à un petit groupe de chercheurs en sécurité de l'IA afin de faire émerger des risques que l'équipe n'a pas anticipés. L'annonce ne donne aucun calendrier pour une disponibilité plus large.

Trois motivations ont conduit Block à construire ce modèle. Deux sont la curiosité et une meilleure compréhension entre humains et IA. La troisième est la sécurité : Block évoque le scénario d'une personne en pleine douleur tandis qu'une IA vocale ne le remarque pas et continue de parler — précisément le type de signal émotionnel qu'un pipeline centré sur le texte peut éliminer avant même que le modèle ne l'entende.

L'annonce intervient dans une période de changements chez Block. Comme l'a rapporté Cryptopolitan, la société (NYSE : XYZ), anciennement Square, a licencié 40 % de son personnel en février. En juillet, Block a lancé Buzz, une application de discussion professionnelle où humains et agents IA peuvent partager des canaux.