Comment Adi Vaani utilise l’IA pour faire revivre les langues tribales de l’Inde

Un nouveau pont numérique pour les langues tribales

Dans une école primaire du centre de l’Inde, un professeur de gondi passe depuis des années à transformer de longues phrases complexes en hindi en explications simples en gondi, accessibles à ses élèves. Il fait appel à sa mémoire, demande conseil aux anciens et cherche des mots locaux correspondant à de nouvelles notions. Le travail est lent et fragile. Une nuance manquée peut changer le sens, et un mot qui manque peut inciter les élèves à revenir à une langue dominante. C’est cette réalité quotidienne que la nouvelle plateforme indienne Adi Vaani entend changer : elle promet un moyen plus rapide et plus fiable de traduire des connaissances dans les langues maternelles tribales et de faire entendre la voix des communautés tribales au reste du monde.

Lancée en version bêta le 1er septembre 2025, Adi Vaani est le premier traducteur indien fondé sur l’intelligence artificielle et spécialement conçu pour les langues tribales. La plateforme se concentre sur des langues parlées à la maison par des millions de personnes, mais rarement présentes en ligne. Dans sa première version, elle permet la traduction directe entre l’hindi ou l’anglais et quatre langues tribales, tandis que les travaux se poursuivent pour en ajouter d’autres. Le projet poursuit un double objectif. D’abord, aider chacun à accéder à l’information dans une langue qu’il utilise au quotidien, qu’il s’agisse de cours, de recommandations sanitaires ou d’aides publiques. Ensuite, préserver des traditions vivantes en facilitant l’enregistrement durable des récits oraux, des chants et des histoires sous forme numérique.

Le paysage linguistique indien est immense. Les registres officiels recensent des milliers de langues maternelles et de dialectes. Beaucoup sont parlés par de petites communautés, et un trop grand nombre ont disparu au cours des dernières décennies. Les grandes langues attirent les apprenants, sous l’effet de l’emploi, de l’exode vers les villes et des médias. Sans soutien continu à l’école et dans les services publics, les langues minoritaires perdent du terrain. Adi Vaani est une initiative concrète pour ralentir ce recul et permettre aux locuteurs de prendre part à l’économie numérique sans renoncer à leur langue maternelle.

Qu’est-ce qu’Adi Vaani et pourquoi est-ce important ?

Adi Vaani est une plateforme d’intelligence artificielle pilotée par l’État, qui traduit des textes et des paroles entre l’hindi, l’anglais et certaines langues tribales. Elle est disponible sous forme d’application mobile et sur un portail web. Le projet poursuit un objectif à la fois pratique et culturel : faciliter l’accès des citoyens tribaux aux services et aux connaissances, et préserver des langues souvent transmises par les récits oraux plutôt que par des archives écrites.

Langues prises en charge dans la première version

La version bêta prend en charge quatre langues tribales parlées par d’importantes communautés, mais disposant de peu d’outils numériques.

• Santali
• Mundari
• Bhili
• Gondi

Les équipes d’ingénierie préparent la prise en charge du kui et du garo. Les projets d’extension tiennent compte du nombre de locuteurs, de la disponibilité des données et de la présence de partenaires locaux capables de contribuer à la validation des traductions.

Ce que les utilisateurs peuvent faire

Adi Vaani réunit plusieurs fonctionnalités qui vont au-delà de la simple traduction en un clic. La plateforme permet la traduction instantanée de texte à texte et peut lire un texte à voix haute grâce à la synthèse vocale. Elle peut transcrire des enregistrements audio grâce à la reconnaissance vocale, puis restituer les traductions à l’oral. Elle comprend aussi un système de reconnaissance optique de caractères qui extrait le texte d’images et de pages numérisées afin de le traduire. La plateforme regroupe des dictionnaires bilingues, des supports d’initiation et des contenus sélectionnés, comme des avis de services publics et des discours utiles au quotidien. Le portail web est accessible sur le site officiel, à l’adresse aadivaani.tribal.gov.in.

Comment la technologie s’adapte aux langues peu dotées en ressources

Développer une IA de traduction pour des langues bien documentées est difficile. Pour les langues peu dotées en ressources, le défi est encore plus grand. La plupart des langues tribales ne disposent pas de vastes jeux de données de qualité. Les textes parallèles associant des phrases dans une langue tribale à leurs équivalents en hindi ou en anglais sont rares. Les bases de données vocales, indispensables à l’entraînement des systèmes vocaux, le sont encore davantage. Cette pénurie complique l’entraînement des modèles modernes de traduction et de reconnaissance vocale, qui ont besoin de milliers d’heures d’enregistrement audio ou de millions de paires de phrases alignées pour atteindre une grande précision.

Adi Vaani s’attaque à ce manque en combinant apprentissage automatique et expertise humaine. Les systèmes de traduction reposent sur des modèles neuronaux à base de transformeurs, qui apprennent des régularités en analysant de nombreux exemples d’une même idée exprimée dans deux langues. Pour réunir ces exemples, l’équipe a travaillé avec des locuteurs natifs et des enseignants afin de traduire de grands lots de phrases et d’en valider le résultat. En santali, par exemple, des chercheurs et des traducteurs issus des communautés ont préparé environ cent mille phrases en hindi alignées sur leur traduction en santali et les ont associées à un corpus de plusieurs millions de mots. Ces éléments ont servi à entraîner des modèles, qui sont ensuite examinés, corrigés et réentraînés par cycles successifs.

Les systèmes vocaux suivent une démarche similaire. Des linguistes et des contributeurs locaux enregistrent des mots, des expressions et de longs passages dans la langue cible. Le modèle apprend à associer les sons aux lettres et à reproduire l’enchaînement naturel des mots à l’oral. Le processus prend du temps, car chaque langue a sa propre phonétique, ses accents toniques et sa prosodie. Une prononciation juste est essentielle pour que les locuteurs natifs adoptent l’outil : la vérification humaine reste donc au cœur du processus.

Qui développe la plateforme et d’où viennent les données ?

Adi Vaani est un projet mené en consortium. Le développement technique est assuré par de grands instituts d’ingénierie, avec des partenaires issus du réseau de recherche indien. Les instituts de recherche tribale d’États comme le Jharkhand, l’Odisha, le Madhya Pradesh, le Chhattisgarh et le Meghalaya apportent leur expertise linguistique, mettent les équipes en relation avec des locuteurs natifs et contribuent à définir le contexte culturel. Des enseignants, des responsables communautaires et de jeunes traducteurs participent à l’élaboration des dictionnaires, des phrases d’entraînement et des traductions de contes populaires et de leçons locales.

Le travail de terrain fait une réelle différence. Plus de deux cents contributeurs ont participé à la collecte et à la validation des corpus pour le premier groupe de langues. Ils recensent le vocabulaire propre à chaque région, résolvent les différences d’usage et proposent des équivalents plus clairs pour les termes modernes qui n’ont pas de traduction directe. Cette approche faisant intervenir des humains dans la boucle permet d’ancrer les modèles dans la langue réellement parlée par les communautés, plutôt que dans des usages uniquement formels ou universitaires. Le projet est promu dans les districts tribaux au moyen de campagnes de sensibilisation et de formation, afin que les écoles, les agents de santé et les responsables locaux puissent l’adopter rapidement.

Progrès, précision et limites actuelles

La version bêta n’est qu’une première étape et la précision reste variable. Les premiers utilisateurs ont signalé que les traductions en gondi peuvent être approximatives, surtout pour les phrases longues ou les notions abstraites. Les équipes ajustent les modèles à partir de nouvelles données et des retours des utilisateurs pour combler ces lacunes. La qualité devrait s’améliorer à mesure que les ressources s’enrichissent, mais une vérification attentive restera indispensable, à court terme, pour les documents officiels et les communications à fort enjeu.

La diversité des usages constitue une autre contrainte technique. Chaque langue comporte des variantes régionales. Le santali, par exemple, présente des différences entre le Jharkhand, l’Odisha et le Bengale-Occidental. Le gondi est parlé dans plusieurs États, où les usages diffèrent. La version actuelle prend généralement en charge une forme standard par langue. L’ajout de variantes régionales nécessitera davantage de données et de relecteurs, ainsi que la prise en charge des systèmes d’écriture, le cas échéant. Certaines langues utilisent différents systèmes d’écriture selon les régions, ce qui a une incidence sur les claviers, les polices et les performances de la reconnaissance optique de caractères et de la synthèse vocale. La capacité de l’application à gérer ces variantes sera un test important de son utilité au-delà des premiers utilisateurs.

Enfin, l’évaluation doit concilier rapidité et confiance. Les scores automatisés donnent un aperçu rapide de la qualité, mais ne permettent pas d’évaluer les nuances culturelles ni la pertinence des termes dans un contexte local. Des boucles de retour faisant intervenir des enseignants, des anciens et de jeunes locuteurs sont le meilleur moyen de repérer les tournures maladroites et de préserver le style et le rythme propres à chaque langue.

Écoles, centres de santé et gouvernance locale

L’enseignement dans la langue maternelle est l’une des principales raisons d’être du projet. Les élèves apprennent plus vite lorsque les notions nouvelles leur sont présentées dans une langue qu’ils parlent déjà à la maison. Avec Adi Vaani, un enseignant peut traduire à la volée des notes écrites au tableau en santali ou en bhili, ou lire à voix haute un paragraphe scientifique avec une voix locale. Les écoles peuvent préparer des fiches bilingues afin que les élèves acquièrent des connaissances dans différentes matières sans perdre leurs repères dans leur langue maternelle. À terme, cette approche facilite l’apprentissage d’autres langues sans compromettre la compréhension au début de la scolarité.

La communication en matière de santé est un autre enjeu essentiel. Les agents de santé communautaires doivent souvent expliquer des symptômes, des prescriptions et des recommandations dans des endroits où le faible niveau d’alphabétisation et les barrières linguistiques peuvent se cumuler. Les outils de synthèse et de reconnaissance vocales peuvent transformer un avis imprimé en un message vocal clair dans une langue tribale. La reconnaissance optique de caractères peut rendre d’anciennes affiches et brochures consultables et traduisibles. En situation d’urgence, un message simple et exact dans la langue à laquelle les gens font confiance peut sauver des vies.

La gouvernance locale gagne en clarté. De nombreux services exigent que les usagers comprennent les critères d’éligibilité, les listes de pièces à fournir et les délais. Traduire les formulaires, les avis et les annonces dans les langues maternelles réduit les risques de confusion et favorise le recours aux services. Lors des réunions de village, l’application peut servir à sous-titrer les discours ou à en proposer rapidement un résumé. Les agriculteurs peuvent consulter les prévisions météorologiques, les prix du marché ou les recommandations sur la santé des sols sans devoir s’en remettre à un intermédiaire pour interpréter chaque ligne.

Préserver la culture et les savoirs

Les langues transmettent des histoires, des chants, des rituels et des savoirs écologiques. Une grande partie de ce patrimoine se perpétue de mémoire et lors de représentations, plutôt que dans des livres imprimés. Quand une langue recule, les savoirs qu’elle porte reculent avec elle. Adi Vaani peut contribuer à un processus élémentaire de préservation. Les paroles d’un conteur peuvent être enregistrées, transcrites, traduites et archivées avec leurs métadonnées. Les mêmes outils peuvent aider à numériser des manuscrits, des chroniques villageoises et des pièces de théâtre populaire qui n’existent que sous forme d’images numérisées.

Le portail de la plateforme rassemble ces ressources sous une forme accessible. Il héberge des dictionnaires, des supports pour les premiers apprentissages et des ensembles de contenus sélectionnés, notamment des ressources de sensibilisation à la santé et des traductions de discours nationaux. Ces ressources permettent aux communautés de voir leurs langues utilisées dans des contextes modernes et offrent un point d’entrée aux jeunes qui passent une grande partie de leur temps sur leur téléphone. En parallèle de ces outils de pointe, il reste nécessaire de rendre accessibles les fonds plus anciens. Une importante encyclopédie sur la communauté munda, par exemple, n’existe principalement que sous forme de pages numérisées. La conversion de telles archives en textes numériques consultables compléterait les efforts de traduction et faciliterait les recherches des enseignants et des élèves.

Le contexte politique

Le lancement s’inscrit dans un effort plus vaste visant à développer les infrastructures linguistiques numériques. Ces dernières années, des programmes nationaux ont financé la collecte de données et l’entraînement de modèles pour des langues indiennes peu présentes en ligne. Ces initiatives visent à constituer des jeux de données, à normaliser la translittération et à mettre à disposition des outils utilisables par tous dans l’éducation, la santé et les services publics. L’application de traduction s’inscrit dans le cadre d’initiatives visant à acheminer les dispositifs publics jusqu’aux populations les plus éloignées et à promouvoir l’unité entre les régions dans le respect des langues.

Le projet répond à un enjeu de gouvernance et d’équité. Lorsque les services sont proposés dans une langue comprise par les usagers, les résultats s’améliorent. Les élèves poursuivent leurs études plus souvent. Les patients suivent leur traitement en faisant moins d’erreurs. Les citoyens déposent leurs formulaires dans les délais et bénéficient des aides sans devoir se déplacer à plusieurs reprises. En intégrant les langues tribales au paysage numérique, le projet peut simplifier les démarches et aider les programmes publics à atteindre les personnes auxquelles ils sont destinés.

La place de l’Inde dans les initiatives mondiales

La disparition des langues est une préoccupation mondiale. Des milliers de langues sont parlées dans le monde et beaucoup risquent de disparaître au cours de ce siècle. Des organisations internationales ont appelé à agir d’urgence pour protéger les langues autochtones et favoriser leur usage dans l’enseignement et la vie publique. L’IA peut y contribuer, mais elle doit être développée avec le consentement des communautés, une gouvernance locale et le souci de l’exactitude culturelle. Un outil qui ignore les expressions idiomatiques ou impose un vocabulaire extérieur peut éroder la confiance. À l’inverse, s’il donne une place centrale aux relecteurs issus des communautés et permet de corriger facilement les erreurs, il peut renforcer cette confiance et s’améliorer rapidement.

Des exemples fructueux peuvent servir de référence. En Nouvelle-Zélande, des groupes de médias et de recherche autochtones ont montré comment des jeux de données détenus par les communautés et des licences soigneusement conçues peuvent protéger les droits linguistiques tout en permettant le développement d’outils modernes. Leur expérience montre que la gestion des données compte autant que l’architecture des modèles. En s’appuyant sur des locuteurs natifs et des instituts de recherche des États pour constituer les données et valider les résultats, Adi Vaani reprend cette approche dans le contexte indien.

Les prochaines étapes à suivre

Deux extensions figurent déjà sur la feuille de route. L’ajout du kui et du garo est prévu, et l’équipe travaille à une meilleure prise en charge des systèmes d’écriture et des variantes régionales des langues déjà couvertes. L’application est disponible sur Android et accessible depuis un portail web gouvernemental. Des améliorations de l’expérience utilisateur et de l’accessibilité sont prévues à mesure que son adoption progresse. Une meilleure prise en charge du mode hors ligne et des modèles plus légers seront utiles dans les zones mal desservies par les réseaux, une contrainte fréquente dans les districts isolés.

Un autre axe privilégie l’approfondissement plutôt que l’élargissement. Un vocabulaire plus riche dans les domaines de l’école, de l’agriculture et de la santé rendra l’outil utile au quotidien. Des glossaires expliquant les termes techniques à l’aide d’exemples simples peuvent aider les élèves et les travailleurs de première ligne. Des concours communautaires invitant les jeunes à enregistrer et traduire des contes populaires peuvent rapidement enrichir les données d’entraînement, tout en laissant aux locuteurs la maîtrise de ces ressources. Des partenariats avec des instituts de formation des enseignants et des écoles d’infirmiers pourraient favoriser une adoption à grande échelle.

Le projet poursuit également un objectif de recherche à long terme. Ses responsables présentent Adi Vaani comme le socle de futurs grands modèles de langage consacrés aux langues tribales. Pour y parvenir, il faudra disposer de jeux de données beaucoup plus vastes et plus propres, couvrant le texte et la parole, ainsi que d’un cadre clair pour le consentement, la protection de la vie privée et le partage des retombées. Si ces conditions sont réunies, l’Inde pourrait proposer un modèle d’IA inclusive dont d’autres pays multilingues pourraient s’inspirer.

À retenir

• Adi Vaani est un nouveau traducteur fondé sur l’IA et consacré aux langues tribales, lancé en version bêta le 1er septembre 2025.
• La première version prend en charge le santali, le mundari, le bhili et le gondi ; le kui et le garo sont en cours de développement.
• La plateforme propose la traduction de textes et de paroles, la synthèse vocale, la reconnaissance vocale et la reconnaissance optique de caractères, ainsi que des dictionnaires et des supports d’initiation.
• Des locuteurs natifs, des enseignants et des instituts de recherche tribale contribuent aux données et valident les résultats afin d’améliorer la précision.
• La précision continue de progresser, mais les variantes dialectales et le manque de données pour les langues peu dotées en ressources restent des défis.
• L’éducation, la santé et les services publics sont des domaines d’utilisation prioritaires, avec pour objectif de réduire les barrières linguistiques et d’améliorer les résultats.
• La numérisation des contes populaires et des archives communautaires contribue également à préserver un patrimoine culturel vivant.
• Le projet s’inscrit dans les programmes nationaux consacrés au numérique et à l’inclusion et répond aux appels internationaux à protéger les langues autochtones.