Voici Namu AI Lab
Mouhamad Mamane
Pourquoi nous construisons des technologies de la voix pour les langues du Sahel, ce qui existe aujourd’hui et la façon dont nous voulons travailler.
En hausa, namu veut dire « à nous ». En choisissant ce nom, nous pensions aux gens pour qui nous voulions travailler. Ils parlent les langues du Sahel toute la journée, à la maison, au marché, à la radio, au téléphone, et n’entendent presque jamais une machine leur répondre dans ces langues.
Chez Namu AI Lab, nous développons nos modèles vocaux, nous publions nos recherches et nous ouvrons ce que nous avons construit à tous ceux qui veulent s’en servir.
Pourquoi la voix
Mon cofondateur Abdourahamane et moi avons grandi au Niger en parlant hausa. Je repense souvent à un soir à Niamey, quand j’avais une dizaine d’années. Il y a eu une coupure de courant alors que nous étions assis dehors en famille, et dans le noir, mon oncle m’a aidé à trouver une question que je n’aurais jamais su taper dans une barre de recherche. Nous avons simplement parlé, jusqu’à ce qu’elle prenne forme. Beaucoup de gens que nous connaissons manient leur langue avec le plus d’assurance à l’oral. C’est dans cette langue qu’ils enseignent et font du commerce, qu’ils indiquent un chemin, règlent une dispute ou élèvent leurs enfants, et ils ont rarement besoin d’en écrire quoi que ce soit.
La plupart des technologies qui arrivent jusqu’à nous ont été pensées pour une autre forme d’aisance. Elles demandent de lire des menus, de taper des questions et d’écrire chaque mot sans faute, le plus souvent dans une autre langue que celle de la maison. Quand elles ne nous comprennent pas, on dit souvent que nos langues sont absentes d’Internet. Je ne crois pas que ce soit juste. Nos langues ne sont pas absentes. On a appris aux machines à les chercher dans les textes, alors qu’elles vivent surtout dans la parole.
Nous avons donc commencé par la voix : une technologie qui entend ce qu’une personne dit, qui répondent à voix haute et qui font passer le sens d’une langue à une autre.
Ce qui existe aujourd’hui
Aujourd’hui, un modèle que nous avons entraîné parle à lui seul hausa, zarma et français, et la plateforme sait aussi reconnaître la parole dans ces trois langues. On peut l’utiliser ici même, sur le site du Lab. Tout le monde peut créer un compte.
Dans Create, on peut écrire ou dire un message et l’entendre dans l’une de nos langues, permettre à deux personnes sans langue commune de se parler grâce à un interprète, ou traduire une vidéo pour que ceux qui y parlent s’expriment dans une autre langue. Agents permet à une organisation de créer un assistant vocal qui répond à voix haute aux questions des gens. Et l’API donne aux développeurs les mêmes modèles, à intégrer dans leurs propres produits.
Rien de tout cela n’est terminé. Les modèles se trompent encore, certaines langues fonctionnent mieux que d’autres, et c’est en zarma que nous sommes le moins avancés : la traduction depuis et vers le zarma reste limitée, et il nous faut les voix de beaucoup plus de locuteurs avant d’arriver au niveau du hausa. Mais cela fonctionne, et on peut déjà s’en servir.
Ce que nous publions
Nous voulons montrer notre travail, y compris ce qui ne s’est pas passé comme prévu. Ce que nous apprenons en construisant ces modèles devient un rapport sur la page Recherche, avec notre méthode de test et ce que les chiffres permettent de dire, ou pas. Il y en a sept pour l’instant. Ils vont de la façon d’apprendre le zarma à un modèle avec très peu de données jusqu’à ce que les modèles de langage ouverts savent vraiment du hausa, du zarma et du peul. L’un d’eux s’intéresse à un jeu de test public en hausa, utilisé pour mesurer la reconnaissance vocale, et constate que 620 enregistrements sur 621 y sont étiquetés comme des voix de femmes.
Nos voix
Un modèle n’apprend que les voix qu’il a entendues, et la plupart des voix de notre région n’ont jamais figuré dans les données sur lesquelles les machines apprennent. Les personnes âgées, les gens des villages, ceux qui parlent avec l’accent de chez eux plutôt qu’avec celui de la radio : quand ils sont absents des données, la technologie ne les comprend pas.
C’est pour cela que nous avons lancé Nos voix. Au cœur du programme, il y a tata, un jeu sur téléphone où des adultes enregistrent de courtes phrases dans leur langue, et où chaque enregistrement accepté est payé. Les enregistrements restent chez Namu, et nous nous en servons pour notre recherche et nos produits.
Notre façon de travailler
Quelques règles guident tout ce que nous faisons. Toute personne qui enregistre pour nous donne d’abord son accord et sait à quoi servira sa voix. Celles et ceux qui enregistrent pour nous, ou qui écoutent et valident des enregistrements, sont payés pour ce travail. Chaque chiffre que nous publions dit comment il a été mesuré. Et quand nous ne savons pas, ou quand quelque chose n’a pas marché, nous le disons.
La suite
La suite, c’est d’abord plus de voix dans chacune de nos langues, venues de davantage de régions et de générations, pour que nos modèles entendent les gens comme ils parlent vraiment. Nous avons aussi commencé à nous pencher sur le peul, parlé dans tout le Sahel, et notre premier rapport fait le point sur ce qui existe déjà et sur ce qu’il nous faudrait. Et nous continuerons d’améliorer la plateforme, jusqu’à ce que s’en servir soit aussi simple que de parler à quelqu’un en qui l’on a confiance.
Si vous parlez une langue du Sahel, le plus simple pour nous aider est de prêter votre voix sur tata. Si votre organisation travaille avec des gens qui parlent ces langues, ou si vous voulez créer vos propres produits avec nos modèles, écrivez-nous à contact@namuai.org.
Nous avons appelé l’entreprise Namu parce que nous voulons que les gens qui parlent ces langues entendent cette technologie et sentent qu’elle est à eux. C’est pour cela que nous la construisons avec eux.