Les assistants vocaux souffrent depuis longtemps d'un plafond frustrant. Vous pouviez leur demander la météo, régler une minuterie ou lancer une playlist. Mais dès que la conversation s'orientait vers quelque chose de complexe — déboguer du code, structurer une transaction commerciale, tester la résistance d'une stratégie produit — l'interaction s'effondrait. L'assistant pouvait vous entendre correctement, mais il manquait de profondeur de raisonnement pour réfléchir au problème avec vous.
Anthropic tente de corriger cela. L'entreprise a étendu le mode vocal de Claude, passant de son modèle d'entrée de gamme Haiku à ses systèmes les plus performants, Opus et Sonnet. Ce mouvement signale quelque chose de plus intéressant qu'un simple déploiement de fonctionnalité. Anthropic parie que des travaux sérieux peuvent s'effectuer par la conversation orale, et pas seulement via le clavier.
Pourquoi la voix a besoin de puissance cérébrale
Auparavant, le mode vocal de Claude fonctionnait exclusivement avec Haiku. Ce modèle privilégie la vitesse et la faible latence. Pour des questions rapides — « Quelle est la capitale de l'Estonie ? » ou « Résume cet e-mail ? » — ce compromis était logique. Haiku répond instantanément. Mais Anthropic a remarqué que les utilisateurs poussaient la fonctionnalité plus loin que ce que Haiku était conçu pour supporter. Les gens essayaient d'utiliser la voix pour un travail de fond, et le modèle manquait souvent du type de raisonnement étendu que ces tâches exigent.
L'intégration d'Opus et de Sonnet change la dynamique de la conversation. Ces modèles sont les chevaux de bataille d'Anthropic pour les tâches cognitives difficiles. Opus, le modèle phare, gère les analyses élaborées, les chaînes de raisonnement étendues et la synthèse créative. Sonnet se situe entre les deux, offrant un raisonnement solide à une vitesse supérieure à celle d'Opus. Avec la couche vocale, vous pouvez désormais discuter d'une architecture technique complexe ou d'un modèle financier nuancé, et vous attendre à ce que l'IA suive la logique, repère les incohérences et réagisse avec des questions pertinentes.
Penser à voix haute
La différence est qualitative. Avec la voix de Haiku, l'interaction semblait transactionnelle. Vous posiez une question ; il répondait. Avec Opus et Sonnet, l'interaction devient collaborative.
Imaginez que vous êtes un product manager en train de rentrer chez vous en voiture. Vous dictez une idée à moitié formée concernant un nouveau flux d'onboarding. Au lieu de recevoir une réponse générique du type « C'est intéressant », Claude Sonnet commence à approfondir. Il vous demande si vous avez envisagé les cas limites pour les utilisateurs en entreprise. Il établit des parallèles avec des modèles d'onboarding qu'il a observés dans d'autres contextes. Le temps d'arriver devant chez vous, vous avez testé la résistance de l'idée sous trois angles auxquels vous n'aviez pas pensé.
Ou imaginez une ingénieure en train de résoudre une panne de système distribué tout en consultant des journaux (logs) sur un second écran. En parlant à Claude Opus, elle peut décrire les symptômes en langage courant, lire les messages d'erreur à haute voix et discuter d'hypothèses sans avoir à s'arrêter pour taper. Le modèle suit le fil de la discussion sur plusieurs échanges, se souvient des pistes déjà écartées et suggère des changements de configuration basés sur l'évolution du diagnostic. Il ne s'agit pas d'une simple transcription avec un moteur de recherche greffé. C'est un raisonnement effectué en temps réel, par la parole.
De la parole à l'action
Le changement le plus significatif est peut-être que ces modèles avancés peuvent agir, et pas seulement discuter. Anthropic présente la mise à jour du mode vocal comme une interface agentique. Parce qu'Opus et Sonnet possèdent la capacité de raisonnement nécessaire pour interpréter l'intention avec précision, ils peuvent convertir une conversation orale en résultats concrets.
L'exemple proposé par Anthropic est simple mais révélateur. Un utilisateur discute d'une idée commerciale par la voix, puis demande à Claude de transformer cette conversation décousue en un pitch structuré d'une page. Le modèle analyse le dialogue non structuré, identifie la proposition de valeur centrale, l'audience et les hypothèses financières, puis produit un document formaté. Pas de ressaisie. Pas de copier-coller des journaux de chat dans un modèle séparé.
Cette couche agentique s'étend aux outils de productivité. Anthropic connecte l'expérience vocale à Gmail, Slack et Canva. Cela signifie que vous pourriez dicter un brief de projet à Claude, lui demander de générer la présentation dans Canva, déposer un résumé dans le canal Slack de votre équipe et rédiger l'e-mail de suivi dans Gmail — le tout lors de la même session vocale. Le modèle devient un coordinateur, traduisant l'intention orale en actions à travers différentes applications.
Changer de sujet sans perdre le fil
Anthropic has also designed the experience to break down barriers between different modes of interaction. Users can now jump between text and voice within the same conversation without losing context. You might start typing a technical query at your desk, switch to voice while walking to a meeting, then return to text to paste a code snippet.
The system also allows switching between model tiers midstream. If you begin a casual brainstorming session with Haiku—taking advantage of its snappy responses—you can escalate the conversation to Opus when the discussion turns to rigorous technical execution. The context transfers over. The AI remembers what you said three turns ago, regardless of whether you typed it or spoke it, or whether you were talking to the fast model or the deep one.
This fluidity matters because real work is rarely linear. Some problems need speed; others need depth. Building a single interface where users can move between those gears saves cognitive overhead. It prevents the friction of opening new tabs, copying prompts, or re-explaining context.
Speaking the World's Languages
The expansion is not limited to English speakers. Anthropic has ended the English-only beta, adding official support for nine additional languages:
- European languages: French, German, Italian, Spanish, and Portuguese.
- Asian languages: Hindi, Indonesian, Japanese, and Korean.
This is not merely a localization checkbox. High-reasoning voice assistance in Korean or Hindi changes who can use these tools for professional work. A startup founder in Jakarta can voice-draft an investor update in Indonesian. A manufacturing analyst in Turin can interrogate supply-chain data in Italian. The cognitive power of Opus becomes accessible to anyone who thinks more naturally in their native tongue than in English.
In the broader market for AI assistants, this multilingual rollout—paired with the reasoning capabilities of the top-tier models—sharpens Claude's competitive edge. Most voice assistants have historically treated non-English markets as afterthoughts, layering translation onto shallow reasoning. Anthropic seems to be betting that global users want the same depth of thought in their own languages that English speakers have come to expect.