IA et langues africaines : le défi du traitement automatique des langues

Demandez à un assistant vocal une adresse en wolof, en lingala ou en amharique : dans la plupart des cas, il ne comprendra rien. L’Afrique parle près d’un tiers des langues de la planète, mais l’intelligence artificielle en maîtrise une part infime. Ce décalage n’est pas un détail technique : il décide qui pourra, demain, se soigner, apprendre ou vendre dans sa propre langue. Enquête sur l’un des grands chantiers oubliés de la tech africaine.

Un tiers des langues du monde, une miette de données

Le continent compte, selon les décomptes, entre 1 000 et 2 000 langues vivantes — soit environ un tiers des quelque 7 000 langues parlées sur Terre. Or l’intelligence artificielle moderne apprend en avalant d’immenses quantités de textes et d’enregistrements. Sans données, pas de modèle. Et c’est précisément ce qui manque : les langues africaines sont, dans leur quasi-totalité, des langues dites « peu dotées » (low-resource), pour lesquelles il existe peu de corpus numériques, peu de dictionnaires exploitables, peu de transcriptions audio.

Le déséquilibre est vertigineux. Le Programme des Nations unies pour le développement rappelle que des langues peu dotées apparaissent sur moins de 0,1 % des sites web, alors qu’elles concernent des centaines de millions de locuteurs. Le web, matière première de l’IA, est massivement anglophone : une langue quasi absente d’Internet sera quasi absente des modèles entraînés dessus. Le résultat est un cercle vicieux — moins une langue est numérisée, moins l’IA la comprend, et moins on crée d’outils qui la numériseraient.

Ce que ça change, très concrètement

On pourrait croire le problème abstrait. Il est au contraire très tangible. Une traduction automatique défaillante peut fausser une consigne médicale, une notice agricole ou un document administratif. Un assistant vocal qui ne reconnaît pas une langue exclut de fait les personnes âgées, les populations rurales et toutes celles dont la culture est d’abord orale ou qui maîtrisent mal l’écrit. À l’heure où les services publics, les banques et les commerces se numérisent, parler une langue « invisible » pour les machines devient une nouvelle forme d’exclusion.

L’ampleur du retard est documentée. Meta, qui a construit l’un des plus gros systèmes de traduction au monde, reconnaît lui-même que « moins de 25 langues africaines sont prises en charge par les outils de traduction largement utilisés ». Rapporté aux centaines de langues du continent, le chiffre donne la mesure du fossé numérique linguistique.

Masakhane : la recherche « par les Africains, pour les Africains »

Face à ce constat, une réponse est née du continent lui-même. Fondée autour de 2019, Masakhane — « nous construisons ensemble » en isiZulu — est une communauté de recherche panafricaine en traitement automatique des langues qui rassemble plus de mille participants issus d’une trentaine de pays. Sa philosophie tient en une formule : faire progresser le NLP « pour les Africains, par les Africains », plutôt que d’attendre que les géants technologiques s’y intéressent.

Le collectif ne fait pas que théoriser. Il produit des ressources ouvertes qui manquaient cruellement, comme MasakhaNER, présenté comme le premier grand jeu de données public de qualité pour la reconnaissance d’entités nommées dans une dizaine de langues africaines — une brique de base sans laquelle on ne peut construire ni moteur de recherche, ni assistant, ni outil de modération efficace. En mutualisant le travail de linguistes et d’informaticiens bénévoles, Masakhane a prouvé qu’on pouvait combler une partie du retard sans budget colossal.

Lelapa AI, Lesan : la voie des modèles « faits maison »

Des entreprises prennent le relais. La start-up sud-africaine Lelapa AI a lancé en 2024 InkubaLM, un modèle de langue volontairement compact — environ 0,4 milliard de paramètres — conçu pour cinq langues africaines (isiZulu, yoruba, swahili, isiXhosa et hausa), en plus de l’anglais et du français. Le pari est à rebours de la course aux modèles géants : plutôt qu’un mastodonte généraliste coûteux, un petit modèle spécialisé, plus léger à faire tourner et mieux adapté aux réalités locales.

Même logique du côté de Lesan AI, qui développe la traduction pour l’amharique et le tigrinya, deux langues éthiopiennes, et affirme faire mieux que les géants sur ce terrain précis. La leçon de ces projets est claire : sur les langues peu dotées, la connaissance fine du contexte compte souvent plus que la taille brute du modèle. Un système conçu par des locuteurs, nourri de données soigneusement collectées, peut surpasser un outil mondial entraîné sur des miettes.

Quand les géants s’y mettent — et pourquoi la voix compte

Les grands acteurs ne sont pas absents, mais souvent en rattrapage. Meta a intégré une cinquantaine de langues africaines dans son système NLLB (« No Language Left Behind »), qui couvre 200 langues. Google a lancé son initiative « 1 000 langues » et enrichit progressivement ses outils en langues africaines. Côté open source, le projet Common Voice de Mozilla collecte des enregistrements vocaux donnés par le public : le kinyarwanda y figure parmi les langues les mieux dotées au monde, avec plus de deux mille heures d’audio, preuve qu’une mobilisation citoyenne peut faire bouger les lignes.

Pourquoi tant insister sur la voix ? Parce que dans de nombreuses régions, l’oral prime sur l’écrit. Un paysan, une commerçante ou un patient interagira bien plus facilement en parlant qu’en tapant. Des corpus comme AfriSpeech, qui rassemble des centaines d’heures d’enregistrements couvrant plus d’une centaine d’accents africains, ouvrent la voie à des assistants et des services de santé véritablement accessibles. La reconnaissance vocale multilingue est sans doute le chantier où l’enjeu d’inclusion est le plus fort.

Un chantier de souveraineté, pas seulement de technologie

Derrière les acronymes se joue une question de souveraineté culturelle. Une langue absente du numérique se fragilise à mesure que la vie bascule en ligne ; à l’inverse, une langue outillée par l’IA gagne en vitalité. Les projets africains l’ont compris : ils ne demandent pas la charité des géants, ils construisent leurs propres jeux de données, leurs propres modèles, leurs propres règles. Pour un citoyen, la meilleure façon d’aider tient en peu de choses : contribuer à des projets ouverts comme Common Voice, signaler les mauvaises traductions, privilégier les outils qui prennent sa langue au sérieux. Car la prochaine génération d’IA ne parlera les langues africaines que si les Africains, dès aujourd’hui, lui apprennent à les entendre. Le défi est immense, mais il n’a jamais été aussi activement relevé.

À lire aussi sur AFRIKSHOW : L’IA générative pour les PME et créateurs africains · Câbles sous-marins et connectivité : ce que 2Africa change · toute la rubrique IA.