IA et langues africaines: entre exclusion et homogénéisation

Giada Aquilino - Cité du Vatican

Le continent africain compte plus de 2 000 langues, mais seule une poignée d’entre elles est «prise en charge» par les grands modèles linguistiques, ces systèmes avancés d’intelligence artificielle (IA) conçus pour comprendre, générer et interagir avec le langage humain. C’est ce que révèle une étude de 2025 publiée dans Proceedings of machine learning research et reprise par le magazine African Business. Selon cette analyse, seules quatre langues – l’amharique, le swahili, l’afrikaans et le malgache – sont majoritairement prises en charge, tandis que 98 % ne le sont pas.

Les grands modèles linguistiques

«Il existe peu de langues riches en ressources, pour lesquelles on dispose d’une profusion de contenus textuels, mais aussi d’images ou de sons considérés comme des transcriptions de la parole», explique Roberto Navigli, professeur de Natural language processing, -traitement du langage naturel - à l’université La Sapienza de Rome, discipline qui enseigne aux étudiants comment utiliser et créer des modèles linguistiques à grande échelle. «Il existe environ 7 000 langues dans le monde. Le problème, en particulier pour les langues africaines, est que les rares entreprises qui travaillent sur les grands modèles linguistiques ne sont pas intéressées par le développement de technologies permettant de résoudre l’un des problèmes clés, à savoir celui des langues pour lesquelles les ressources sont moins disponibles, c’est-à-dire celles pour lesquelles il y a moins de contenus sur le web», constate le professeur, cofondateur et directeur scientifique de la spin-off universitaire «Babelscape», partenaire du projet européen Iris Africa (Innovation intelligente et responsable avec la GenAI pour un impact sociétal). Pour «entraîner» un grand modèle linguistique, poursuit Roberto Navigli, il faut «de grandes quantités de textes dans les langues concernées: l’anglais est bien sûr la principale, mais il existe de nombreuses autres langues pour lesquelles on dispose d’une bonne quantité de contenus. Les langues africaines, en revanche, «souffrent» beaucoup, car il y a très peu d’écrits: il faut garder à l’esprit qu’il faut des textes de différents types, genres et domaines; plus nous en avons, plus la capacité du modèle à traiter cette langue spécifique est grande». Ainsi, résume le scientifique, «d’un côté, il manque des données et des ressources, ce qui rend l’entraînement dans ces langues plus difficile. D’autre part, il faut des innovations, particulièrement importantes pour l’Afrique, qui permettent à ces modèles d’utiliser moins de données tout en restant valables». Il y a ensuite un autre aspect, souligne le professeur: «Si nous nous fions uniquement aux entreprises privées et à la logique commerciale, nous risquons de laisser de côté des populations entières».

Les risques d’aujourd’hui

La récente encyclique Magnifica humanitas de Léon XIV met en évidence le fait que l’IA risque d'engendrer de nouvelles formes d’exclusion, de dépendance et d’inégalité, surtout lorsque le contrôle des infrastructures numériques et des données est concentré — comme le soulignent les paragraphes 67 et 95 — entre les mains de «quelques-uns», en particulier des acteurs «économiques et technologiques» qui, de fait, «fixent les conditions d’accès, les règles de visibilité et les possibilités mêmes de participation». Pour les langues africaines, «c’est un risque tout à fait réel qui ne concerne pas l’avenir, mais le présent», estime Roberto Navigli. «Nous devons nous préoccuper dès aujourd’hui de ce problème et, pour ce faire, il faut travailler sur des modèles linguistiques capables de dialoguer avec les utilisateurs, y compris dans ces langues». D’où,la nécessité, ajoute-t-il, de miser sur la recherche et l’innovation et «de ne pas nécessairement poursuivre un critère économique», car le danger le plus urgent est que des groupes entiers de locuteurs puissent être exclus de la révolution de l’IA.

Les distorsions qui en résultent

«C'est déjà le cas», observe-t-il. Mais ce n’est pas tout: «Les utilisateurs africains qui auront le «privilège», l’avantage d’être inclus — parce qu’ils parlent peut-être l’une des rares langues africaines, comme le swahili, qui est prise en compte dans la plupart des modèles linguistiques — souffriront tout de même de ces distorsions et de ces problèmes: il est en effet scientifiquement prouvé que, précisément parce que les données dans ces langues sont insuffisantes ou moins utilisées, on assiste à un phénomène que l’on appelle en anglais «transfer learning», c’est-à-dire que l’apprentissage se fait essentiellement par le transfert d’informations d’une langue à une autre. L’anglais étant la langue dominante, la culture des pays utilisant des langues minoritaires ou sous-représentées dans les modèles linguistiques est perçue «à travers le prisme» de l’anglophone, ce qui crée une distorsion. Au fond, la langue est l’outil que nous utilisons pour exprimer notre culture; le risque n’est donc pas seulement d’exclure les locuteurs africains, mais aussi de déformer leur culture.»

Les biais

Le paragraphe 100 de Magnifica humanitas, souligne précisément que les réponses des systèmes de l’IA reflètent «les paramètres culturels de ceux qui les ont conçus et entraînés». «Ce sont des préjugés, des biais: ils ne sont pas explicites, mais résultent d’un apprentissage axé sur la langue anglaise. Ainsi, ce transfert de connaissances de l’anglais vers une autre langue, par exemple une langue africaine, entraîne inévitablement un préjugé, une distorsion du résultat que nous obtenons lorsque nous demandons d’interagir ou d’obtenir des données ou des informations dans la langue africaine.»

Des modèles ouverts qui ne négligent ni les pays ni les populations

Pour sortir de cette impasse, «il est fondamental de travailler sur des modèles ouverts, comme par exemple le modèle Minerva, qui est le modèle national italien de référence: nous l’adapterons aux langues africaines afin d’en améliorer les performances». Il s’agit d’un modèle linguistique basé sur l’IA développé par l’université Sapienza de Rome, car l’intelligence artificielle — tient à le rappeler Roberto Navigli, qui dirige le groupe de recherche — «ne peut être confiée uniquement à des entreprises privées, qui poursuivent un objectif économique: il est important que la communauté mondiale, à commencer par la communauté scientifique, bien sûr grâce à des financements ad hoc, fasse l’effort d’amener tout le monde le plus haut possible, sans négliger des pays et des populations entiers».