Une coalition de 60 organisations a annoncé le 21 septembre vouloir permettre aux personnes parlant des langues mal prises en charge par les systèmes d’IA actuels d’utiliser ces outils dans leur propre langue et avec leur propre voix. La Fondation Gates estime cette population à 3,4 milliards de personnes et fixe un horizon de cinq ans à cette initiative. Google, Anthropic et l’OpenAI Foundation figurent parmi les signataires, aux côtés d’organismes locaux de recherche et d’organisations communautaires. L’annonce de la coalition.
Le changement immédiat est un accord visant à coordonner les travaux sur l’accès aux outils dans différentes langues. Ce chiffre décrit l’ambition, et non le nombre de personnes déjà touchées. Cette distinction comptera à l’arrivée des premiers rapports d’avancement : une interface traduite et un service qui comprend la véritable question d’une personne sont deux réalisations différentes.
Ce que la coalition devra construire
Les signataires proposent des données linguistiques partagées, des évaluations des progrès, ainsi que des modèles et des applications utilisables par d’autres développeurs. Le respect de la vie privée, le consentement et le contrôle des données par les communautés font partie de l’approche annoncée. Les modalités précises de gouvernance et les axes de travail de la coalition restent, selon l’annonce, à définir au cours de l’année à venir. Les engagements annoncés.
Un article de presse indépendant rapporte un aveu inhabituellement direct sur la situation de départ. Elizabeth Kelly, d’Anthropic, a déclaré à l’Associated Press que les produits de l’entreprise sont peu performants dans de nombreuses langues africaines. AP rapporte également qu’un secrétariat suivra les engagements des participants. Ce sont des éléments utiles à surveiller lorsque la coalition passera des signatures aux réalisations. L’article d’AP.
Selon notre analyse, le test pratique devrait être l’accomplissement d’une tâche. Une personne peut-elle poser une question dans sa façon habituelle de parler, comprendre la réponse et corriger un malentendu ? Un score impressionnant en traduction écrite laisserait une partie de ce test sans réponse. Un rapport public utile distinguerait la reconnaissance de la parole de l’exactitude et de l’utilité de la réponse finalement fournie.
Le travail déjà mené en dehors des laboratoires de développement de modèles
Project Vaani montre ce qu’implique la collecte de données pertinentes. Mené par l’Indian Institute of Science et ARTPARK avec un financement de Google, il vise à recueillir plus de 150 000 heures de parole dans les districts de l’Inde. Son tableau de bord public recense actuellement environ 31 278 heures et 105 langues. Il ne faut pas confondre le total prévu et le total enregistré. Project Vaani.
Le projet indique que sa collecte vise à refléter des différences, notamment d’âge, de genre, de niveau d’études et de lieu de vie urbain ou rural. Cela pose aux développeurs une question plus exigeante que celle de savoir si leur produit propose une langue dans un menu : au sein de cette langue, quelles personnes a-t-il appris à comprendre lorsqu’elles parlent ?
La propriété des enregistrements est un autre aspect du problème. Dans un point d’actualité publié en mai, Mozilla a décrit une fonctionnalité de demande d’accès pour Mozilla Data Collective qui permet aux personnes déposant des jeux de données d’approuver qui peut les recevoir. Sa plateforme permet également aux fournisseurs de préciser comment leurs contenus peuvent être utilisés. Mozilla Data Collective figure parmi les signataires de la coalition. Le point de Mozilla sur sa plateforme, les conditions d’accès aux jeux de données.
Pour une communauté qui contribue des enregistrements, l’accès relève d’une décision concrète. Un projet peut demander qui les recevra, si leur utilisation commerciale est autorisée et comment une réclamation sera traitée. Ces questions devraient être réglées avant le début de la collecte. Qualifier un jeu de données d’ouvert ne dispense pas d’expliquer sa licence aux personnes dont il contient les voix.
Ce qui change pour les services publics et les entreprises
Pour les organisations qui évaluent des services d’IA, cela donne une raison de les tester localement avant d’en étendre l’usage. Nous recommandons de commencer par une tâche courante et bien délimitée, puis de recruter, au sein du public visé, des personnes maîtrisant la langue pour évaluer les réponses. Consignez les échecs aussi soigneusement que les réussites. Incluez les termes locaux et les façons courantes de passer d’une langue à l’autre, au lieu de tester uniquement des phrases soignées rédigées pour une démonstration.
Un service doit également offrir une solution claire lorsqu’une conversation automatisée n’aboutit pas. Une personne qui ne parvient pas à obtenir une réponse exacte devrait pouvoir joindre un humain ou utiliser un autre canal. Les progrès futurs de la coalition devraient être évalués en tenant également compte de ces solutions de repli, en particulier lorsqu’un malentendu compromet l’accès à un service essentiel.
Cette initiative intervient après l’annonce, le 14 septembre, du projet de la Fondation Gates de consacrer au moins 1 milliard de dollars sur deux ans à un accès équitable à l’IA. Il s’agit d’un engagement financier plus large ; l’annonce sur les langues ne dit pas que la totalité de cette somme est destinée à cette coalition. L’annonce distincte du financement.
Les prochains éléments de preuve à rechercher sont précis : des langues nommément désignées, des évaluations publiées avec des participants locaux, des jeux de données utilisables et des services opérationnels. Ils permettraient de voir si l’accord rend l’IA utile à des personnes qui avaient jusqu’ici peu de raisons de s’y fier.
