Je demande que les langues minoritaires d’Europe ne soient pas effacées par l’intelligence artificielle

Je demande qu’on cesse de ranger au rayon du folklore ce qui se décide dans les centres de données. Une langue bien vivante dans la rue peut s’éteindre dans les machines, et les machines sont désormais l’endroit où l’on cherche, où l’on traduit, où l’on apprend. Ce 31 octobre, l’Agence Bretagne Presse rend compte de la mobilisation des langues minoritaires européennes pour leur place dans l’intelligence artificielle. Cette mobilisation vient de ceux qui parlent ces langues. Elle ne devrait pas reposer sur eux seuls.

Les chiffres donnent la mesure du risque. Sur les quelque 7 000 langues du monde, à peine 5 % disposent d’une vraie présence en ligne, a rappelé une conférence du projet LINGUATECH IA, deuxième volet d’un programme européen consacré aux langues régionales dans le numérique. Plus de la moitié du contenu du web est en anglais, alors que 6 % seulement de la population mondiale le parle comme langue maternelle, relève la lettre Athera. Un modèle ne connaît que ce qu’on lui a donné à lire. Une langue peu documentée est une langue mal comprise, ou pas comprise du tout.

Les initiatives existent, et il faut les reconnaître. En France, l’Inria porte COLaF, un programme qui vise à modéliser le français, les langues régionales, les créoles et la langue des signes. Une intelligence artificielle baptisée Astutu s’attaque au corse. Votz, une application de synthèse vocale, parle déjà gascon et languedocien. À l’échelle européenne, un consortium de 25 États, l’ALT-EDIC, soutient les technologies des langues. Franceinfo le rappelle pourtant sans détour : tout cela suppose assez de documents écrits et oraux pour entraîner les modèles.

Je demande que la constitution de ces corpus devienne une politique publique à part entière. Le député breton Paul Molac l’a plaidé pour le breton lors d’une présentation sur le gaélique que rapporte l’ABP : elle ne peut plus dépendre des seuls chercheurs et des initiatives associatives. Côté irlandais, l’organisme Údarás évalue chaque mois les performances des principaux modèles d’IA en irlandais. Je veux savoir, pour le breton, le basque, le corse, l’alsacien ou l’occitan, qui fait ce travail, avec quel budget, et qui en publie les résultats. Aucune des sources consultées ne chiffre l’effort public français.

Reste la question de la propriété. À qui appartiennent les corpus rassemblés avec de l’argent public et le temps des locuteurs ? Microsoft a annoncé des collaborations, des jeux de données ouverts et un financement pour des langues européennes sous-représentées, dont l’alsacien. L’initiative a son utilité. Le site spécialisé ITdaily y voit aussi un mouvement pour concurrencer des entreprises locales. Quand un acteur privé mondial devient le premier bailleur, une langue risque de dépendre de son calendrier commercial.

Je demande que la qualité soit exigée, pas seulement la présence. Un intervenant de la présentation rapportée par l’ABP a insisté sur un point : une solution simplement « good enough » ne suffit pas à une langue minoritaire. Le modèle doit restituer le contexte, les nuances et la culture, au lieu de plaquer la vision du monde d’une langue dominante. Un breton approximatif produit par une machine n’est pas une victoire. C’est une dilution de plus.

Je demande, concrètement, trois actes que chacun pourra vérifier. Une ligne budgétaire identifiée pour les corpus des langues de France, inscrite au prochain débat budgétaire. Un classement public et régulier des modèles d’IA dans chacune de ces langues, sur le modèle irlandais. Une règle écrite : ce qui est collecté avec des fonds publics reste ouvert aux communautés qui l’ont produit. Sans cela, les langues minoritaires auront été saluées dans les discours et absentes des écrans.