On ne manquait pas vraiment d’in\u00e9galit\u00e9s technologiques. En voici pourtant une nouvelle. L’\u00e9tude co-r\u00e9dig\u00e9e par l’acc\u00e9l\u00e9rateur Digital Financial Services Lab et le cabinet Caribou est implacable : les c\u00e9l\u00e8bres assistants vocaux ne sont pas pr\u00e8s de parler wolof ou yoruba.<\/p>\n\n\n\n
Ce n’est pas que les technologies de Traitement automatique du langage naturel (NLP en anglais) ne progresse pas. C’est \u00e9videmment le contraire. Ni que ces technologies s\u00e9duisent moins : en 2021, le nombre d’assistants vocaux devrait d\u00e9passer le nombre d’humains<\/a> sur la plan\u00e8te (7,5 milliards).<\/p>\n\n\n\n C’est en fait,\u00a0pour beaucoup,\u00a0une simple question d’argent,\u00a0rel\u00e8vent les auteurs de l’\u00e9tude. Ils \u00e9crivent ainsi : \u00ab Les\u00a0fournisseurs de plateformes soulignent le fait que beaucoup d’entre eux ont du mal \u00e0 voir le retour sur investissement dans le d\u00e9veloppement de services pour les populations \u00e0 faible revenu ou les langues moins largement parl\u00e9es. […]\u00a0Nous pouvons calculer la valeur commerciale approximative d’une langue en multipliant le nombre de locuteurs par le PIB national par habitant de ces locuteurs. Si l’on classe les langues par valeur commerciale, on constate que les 100 premi\u00e8res langues couvrent environ 96% du PIB mondial. Cependant, ces 100 langues couvrent moins de 60% de la population totale vivant avec moins de 1,90 dollar par jour. \u00bb<\/p>\n\n\n\n Autre\u00a0probl\u00e8me de beaucoup de langues africaines : le manque de donn\u00e9es. Pour \u00ab comprendre \u00bb une langue, les logiciels de reconnaissance ont besoin au bas mot de 100 000 heures d’enregistrement et d’un r\u00e9pertoire de termes suffisant.<\/p>\n\n\n\n