ChatGPT et la voix Sky :
pourquoi la voix emblématique a disparu et ce qui la remplace en 2026.

La controverse prend une dimension particulière parce qu’elle croise directement l’imaginaire du film Her. Dans ce long métrage de Spike Jonze sorti en 2013, Scarlett Johansson prête sa voix à Samantha, un système d’exploitation doté d’une intelligence artificielle avec lequel le personnage principal développe une relation affective. Lorsque GPT-4o est présenté en mai 2024 avec des interactions vocales particulièrement naturelles, la comparaison devient immédiate.

Selon la déclaration rendue publique par Scarlett Johansson et rapportée par Reuters, Sam Altman lui avait proposé en septembre 2023 de devenir une voix de ChatGPT. L’actrice avait refusé. Neuf mois plus tard, elle disait avoir été surprise et irritée en entendant Sky, que son entourage et elle-même jugeaient très proche de sa voix. Elle avait alors demandé à ses avocats d’obtenir des explications sur le processus de création.

OpenAI a donné une version différente sur le point central. Sam Altman a déclaré que la voix de Sky n’était pas celle de Scarlett Johansson, qu’elle provenait d’une autre actrice professionnelle et que son casting avait été réalisé avant tout contact avec Johansson. L’identité de cette comédienne n’a pas été rendue publique afin de protéger sa vie privée.

Un détail a néanmoins alimenté la polémique : lors du lancement de GPT-4o, Sam Altman avait publié le seul mot « her » sur X. Reuters relevait également cette référence dans sa couverture de l’affaire. Ce message ne constitue pas une preuve que Sky avait été créée pour imiter Johansson, mais il a rendu la défense d’OpenAI plus difficile à dissocier de l’univers du film.

Le dossier dépasse donc largement une préférence de voix. Il pose une question qui est devenue centrale avec les IA génératives : jusqu’où une entreprise peut-elle s’approcher de la voix, du visage ou du style reconnaissable d’une personne sans créer l’impression qu’elle participe au produit ? Cette question concerne aujourd’hui les acteurs, les créateurs, les marques et potentiellement n’importe quel individu dont l’identité numérique peut être reproduite.

Elle rejoint plus largement les débats sur la responsabilité d’OpenAI, qu’il s’agisse de conformité d’OpenAI au RGPD, de protection des données ou de contrôle de l’identité. En Europe, les règles sur l’IA et la protection des personnes poussent progressivement les plateformes à mieux documenter la provenance et la nature des contenus synthétiques.

Une voix artificielle ne devient pas « humaine » uniquement parce que son timbre est agréable. L’impression de présence vient d’un ensemble : rythme, intonation, respiration, pauses, hésitations, vitesse de réponse et capacité à réagir à l’interlocuteur. Sky avait acquis une identité sonore suffisamment forte pour que certains utilisateurs associent directement cette voix à ChatGPT.

Cette dimension explique pourquoi la disparition d’une voix peut être vécue différemment du retrait d’une fonction classique. Changer un bouton modifie une interface. Changer une voix modifie la personnalité perçue du service, même si le modèle et ses capacités restent identiques. Un utilisateur qui échange régulièrement à l’oral finit par reconnaître des habitudes de rythme et une tonalité comme il reconnaît une interface visuelle.

Il faut cependant distinguer cette perception de ce que fait réellement le système. Une voix chaleureuse ne signifie pas que l’IA éprouve de l’empathie, pas plus qu’une hésitation naturelle ne signifie qu’elle réfléchit comme une personne. Les nouveaux modèles vocaux sont précisément conçus pour reproduire les codes d’une conversation fluide. Leur efficacité peut renforcer l’impression d’une présence sociale sans transformer la nature du système.

GPT-Live pousse cette sensation plus loin grâce au temps réel. Pouvoir interrompre l’assistant, entendre de brèves marques d’attention ou reprendre après une pause réduit les frictions qui rappelaient constamment que l’on parlait à un logiciel. Le progrès technique ne consiste donc pas seulement à produire une meilleure voix ; il consiste à reproduire plus fidèlement la mécanique d’un échange humain.

C’est aussi là que se trouve une tension durable pour OpenAI. Les utilisateurs veulent une IA naturelle, expressive et agréable, mais une voix trop proche d’une personne identifiable peut créer un problème juridique et éthique. Une IA trop neutre paraît froide ; une IA extrêmement incarnée peut brouiller les frontières. Sky est devenue le symbole de cet équilibre difficile.

Cette personnalisation croissante se retrouve ailleurs dans ChatGPT. Les mécanismes liés à l’âge, par exemple, font évoluer l’expérience selon le profil supposé de l’utilisateur. Les analyses sur la détection d’âge et les restrictions appliquées aux comptes considérés comme mineurs ainsi que sur la vérification d’âge en Europe montrent que l’interface conversationnelle devient progressivement plus contextuelle et plus encadrée.

Deux ans après la controverse, le paradoxe est encore plus visible. OpenAI veut rendre les conversations avec ChatGPT plus naturelles que jamais, tandis que l’entreprise doit simultanément rendre l’origine des contenus synthétiques plus identifiable. GPT-Live améliore la spontanéité ; SynthID cherche à améliorer la traçabilité. Les deux mouvements avancent ensemble.

Ce double objectif devrait devenir central dans toute l’industrie. Une voix artificielle utile doit être suffisamment expressive pour ne pas fatiguer l’utilisateur, mais elle ne devrait pas laisser croire qu’une personnalité réelle a participé au produit sans son accord. À mesure que la synthèse vocale progresse, la frontière ne peut plus reposer uniquement sur la capacité de l’oreille humaine à reconnaître un faux.

Pour les marques, cette évolution ouvre également un nouveau territoire. Une entreprise peut demain être identifiée non seulement par son logo, ses couleurs ou son style rédactionnel, mais aussi par une voix conversationnelle. Le choix du ton, de la diction et de la personnalité sonore devient alors une question de propriété intellectuelle, de consentement, de transparence et de cohérence de marque.

Le sujet rejoint les interrogations plus générales sur la manière dont OpenAI transforme ChatGPT. L’entreprise expérimente de nouveaux modèles économiques, notamment la publicité dans ChatGPT aux États-Unis, pendant que ses concurrents cherchent eux aussi à occuper l’interface conversationnelle. Même la communication entre acteurs devient agressive, comme l’a montré la campagne publicitaire de Claude visant ChatGPT.

La confiance restera donc un avantage décisif. Les progrès techniques peuvent rendre une voix presque instantanée, expressive et contextuelle ; ils ne résolvent pas automatiquement les questions de consentement ou de perception. La controverse Sky reste un cas d’école parce qu’elle montre qu’une innovation techniquement impressionnante peut être éclipsée par une interrogation beaucoup plus simple : à qui cette voix nous fait-elle penser, et pourquoi ?

Les systèmes eux-mêmes restent par ailleurs soumis aux risques classiques des logiciels connectés. Les épisodes de sécurité autour des modèles et services d’IA, comme les vulnérabilités analysées dans les incidents et failles touchant l’écosystème OpenAI, rappellent que la sophistication de l’interface ne dispense jamais d’examiner la sécurité, la confidentialité et les conditions d’utilisation.

En 2026, Sky appartient donc davantage à l’histoire de ChatGPT qu’à son actualité produit. Ce qui lui survit est plus intéressant encore : l’idée qu’une voix peut devenir une composante essentielle de l’attachement à une IA. GPT-Live reprend cette ambition avec une technologie beaucoup plus avancée, mais dans un environnement où les attentes de transparence sont désormais nettement plus fortes.