OpenAI Realtime API vs REST API (2026) : session vocale ou requête sans état

Notre Recommandation

Aucune des deux ne succède à l'autre. La Realtime API l'emporte dès qu'un humain attend au milieu d'une phrase : alternance de parole sous la seconde, interruption en cours de réponse, et téléphonie SIP native que REST n'atteint tout simplement pas. REST l'emporte sur tout ce qui réveille une équipe de production la nuit — réessais, reprise sans état, imputation des coûts par requête, et accès à gpt-5.5 et gpt-5.5-pro, que la lignée de modèles Realtime n'offre pas. L'histoire des coûts est plus intéressante que celle du transport : l'audio d'entrée Realtime non mis en cache coûte 32,00 $ par 1M de tokens contre 5,00 $ pour le texte gpt-5.5, mais l'audio d'entrée mis en cache tombe à 0,40 $ par 1M — légèrement en dessous des 0,50 $ du texte mis en cache de gpt-5.5. Le levier, c'est le cache, pas le transport. Le schéma sur lequel atterrissent la plupart des équipes est hybride : gardez la session Realtime comme une fine couche d'interaction conversationnelle, et déléguez le raisonnement lourd à un appel REST vers un modèle de pointe placé derrière. C'est exactement ce qu'OpenAI a fait avec GPT-Live, qui confie le raisonnement à GPT-5.5 en arrière-plan. Choisissez Realtime pour l'oreille. Choisissez REST pour l'esprit.