Gaélique et breton, même combat face à l’IA

Une langue peut survivre parmi les hommes et disparaître des machines. Face à l’essor de l’intelligence artificielle, l’irlandais comme le breton doivent désormais disposer de vastes ressources numériques pour ne pas être marginalisés par les nouvelles technologies comme l'IA.

L’intelligence artificielle représente une formidable opportunité pour les langues minoritaires, mais elle pourrait aussi accélérer leur disparition du monde numérique. C’est l’avertissement lancé par Tomás Ó Síocháin, directeur général de l’Údarás na Gaeltachta, l’agence publique irlandaise chargée du développement des régions gaélophones, lors de l’**Interceltic Business Forum **à Lorient. La question n’est plus seulement de sauver une langue en augmentant le nombre de ses locuteurs : **il faut désormais lui donner suffisamment de données numériques pour qu’elle existe dans les machines**. Les grands modèles d’IA sont entraînés sur d’immenses corpus de textes, de documents et d’enregistrements dans lesquels l’anglais et les grandes langues sont surreprésentés. Les langues disposant de peu de ressources numériques risquent donc d’être laissées de côté.

Des corpus, mais à qui appartiennent-ils ?

L’Irlande a déjà constitué d’importantes réserves de données numériques en irlandais. Mais Ó Síocháin pose une deuxième question : faut-il confier ces corpus aux géants américains de l’intelligence artificielle ? Il cite deux stratégies différentes. L’Islande a fourni des données à OpenAI afin d’améliorer les performances de ses modèles en islandais, tandis que les Maoris de Nouvelle-Zélande ont privilégié la souveraineté sur leurs données et le développement de leurs propres outils. L’Údarás suit pour l’instant les deux voies : travailler avec les grandes plateformes tout en soutenant des solutions locales et européennes. Il évalue chaque mois les performances des principaux modèles d’IA en irlandais et expérimente notamment HubChat, un assistant destiné aux services publics.

Pour Ó Síocháin, il ne suffit d’ailleurs pas qu’une intelligence artificielle produise un irlandais approximativement correct. Lors des questions, il insiste sur le fait qu’une solution simplement « good enough » n’est pas suffisante pour une langue minoritaire : les modèles doivent aussi restituer le contexte, les nuances et la culture propres à la langue, au lieu de transposer mécaniquement une vision du monde apprise à partir d’une langue dominante.** Il souhaite que l’Union européenne prenne davantage en charge cette question et annonce une conférence sur la diversité linguistique pendant la prochaine présidence irlandaise de l’Union.**

Le breton confronté au même défi

Intervenant à la fin de la présentation, le député breton Paul Molac a immédiatement établi le parallèle avec le breton. Correcteur orthographique, GPS, reconnaissance vocale ou traduction automatique : la possibilité d’utiliser quotidiennement une langue dépend désormais de sa présence dans ces nouveaux outils. Il rappelle le travail mené par l’Office public de la langue bretonne, notamment sur la reconnaissance vocale, qui devrait permettre à terme de traduire directement une personne parlant breton vers le français ou l’anglais. « C’est absolument nécessaire si on veut que nos langues perdurent [...] pour le siècle à venir », estime le député, qui rapproche la biodiversité de la « glottodiversité », la diversité des langues aujourd’hui elle aussi menacée.

Constituer les corpus exige des moyens

Le problème est connu depuis plusieurs années en Bretagne. Dès 2023, également lors du Festival interceltique de Lorient, la linguiste **Mélanie Jouitteau**, chercheuse au CNRS, tirait la sonnette d’alarme : l’effort doit porter sur la collecte de textes, de vidéos et d’enregistrements en breton afin de constituer les corpus indispensables aux nouvelles applications d’intelligence artificielle. Le projet de plateforme pérenne de corpus présenté par Mélanie Jouitteau et Reun Bideault à la Délégation générale à la langue française et aux langues de France (DGLFLF), rattachée au ministère de la Culture, **n’a cependant pas été retenu pour financement**.

Numériser des livres et des archives, collecter et transcrire des milliers d’heures de parole, organiser et rendre ces données accessibles représente un travail considérable. D’autres gouvernements ont pris la mesure de l’enjeu : l’État espagnol et le gouvernement basque **ont engagé 10,5 millions d’euros dans un programme destiné à développer les ressources linguistiques numériques de l’euskara**.

**Yann Le Cun** faisait le même constat dès 2023. Dans un échange avec ABP, il proposait de « convaincre la ministre de la Culture de collecter les textes en langues régionales et de financer l’entraînement d’un LLM open source avec ces données ».

Si l’on veut que le breton existe dans l’intelligence artificielle de demain, la constitution de corpus suffisamment vastes devient donc un enjeu de politique publique.