Google étend ses outils IA multilingues en ligne et hors ligne

Google met en avant des modèles audio-natifs, des jeux de données ouverts et des partenariats locaux pour couvrir des centaines de langues. L'entreprise revendique une présence dans plus de 300 langues, des usages sur neuf plateformes et des solutions hors connexion, tout en visant 1 000 langues et une meilleure prise en compte des cultures et des communautés.

Des usages de masse et des intégrations concrètes

Les technologies linguistiques de Google sont intégrées à son écosystème et connectent plus de cinq milliards de personnes via neuf plateformes, dont Search, Android, Chrome, YouTube et Google Play. L’assistant vocal Ask Viamo Anything, soutenu par Google pour apporter Gemini à des téléphones basiques, a déjà été expérimenté au Rwanda et a fourni des réponses à plus de deux millions de questions. Google déploie aussi une dictée de la langue des signes vers le texte dans Gboard et Live Transcribe sur Pixel 11, en commençant par l’ASL, dans un contexte où environ 70 millions de personnes s’appuient sur la langue des signes. Par ailleurs, des experts de la langue Māori ont contribué à améliorer la prononciation des toponymes dans Google Maps, avec l’objectif que la synthèse vocale reflète les patrimoines locaux.

Couvrir des centaines de langues et des milliards de locuteurs

Google indique que ses produits soutiennent des interactions quotidiennes dans plus de 300 langues, parlées par plus de sept milliards de personnes, soit 86% de la population mondiale. Lancé en 2006, Google Traduction est passé d’un petit nombre de langues à plus de 250, porté par des avancées d’IA. L’entreprise dit consacrer sa recherche à des systèmes qui respectent les nuances culturelles et la richesse des expressions, au-delà de la simple traduction de texte.

Fonctionner sans réseau avec des modèles embarqués

Plus de trois milliards de personnes n’ont pas un Internet fiable. Pour ces usages, Google a conçu TranslateGemma, une famille de modèles ouverts et légers, issue de Gemini et entraînée sur 55 langues, qui opère directement sur l’appareil sans connexion au cloud. L’entreprise souligne que l’exigence matérielle des modèles puissants écarte des centaines de millions d’utilisateurs de téléphones basiques, ce qui motive le recours à des partenaires pour des solutions adaptées à ces terminaux.

Des données issues des territoires pour les langues sous-représentées

Pour répondre à la prédominance de certaines langues sur Internet, Google a modifié sa stratégie de collecte de données en s’appuyant sur des partenariats locaux. WAXAL, conçu en collaboration avec l’Université Makerere et Digital Umuganda, rassemble des enregistrements vocaux couvrant 27 langues d’Afrique subsaharienne, employées par plus de 100 millions d’individus dans plus de 26 pays, tout en prenant en compte les différences de ton et les rythmes propres à la conversation. En Inde, le Projet Vaani, mené avec l’IISc et Bhashini, adopte une méthode régionale et a déjà collecté plus de 30 000 heures d’enregistrements dans 109 langues auprès de plus de 155 000 personnes. L’Initiative Amplify a réuni plus de 1 600 spécialistes et 20 universités répartis sur quatre continents, parmi lesquelles figurent l’UFMG, l’IIT Kharagpur et Makerere, afin de rassembler 15 000 points de données multimodales. En parallèle, Language Explorer visualise LinguaMeta, présenté par Google comme le plus vaste dépôt linguistique open-source, et cartographie plus de 7 000 langues; l’outil a été distingué par Fast Company. Des programmes soutenus par Google.org, comme le Centre pour l’inclusion numérique des langues et le Projet Aquarium d’AI Singapore, visent des applications de terrain dans l’agriculture, la santé et l’éducation.

Du pipeline texte à l’audio natif avec Gemini

Les approches historiques de reconnaissance vocale, fondées sur un enchaînement transcription-traitement-synthèse, perdaient des informations de ton, de rythme, d’émotion et de contexte, alors que la parole réelle inclut rires, hésitations et alternances de langues. Google entraîne des modèles comme Gemini à traiter directement l’audio. Gemini 3.5 Live Translate propose une traduction vocale en temps réel dans 70 langues et plus de 2 000 paires, en prenant en compte le code-switching et des indices émotionnels. Google présente Gemini 3.5 Transcribe comme son modèle de reconnaissance le plus précis à ce jour; il produit un texte formaté à partir d’audio bruité ou spécialisé, et sert des fonctions comme Rambler sur Android Gboard pour nettoyer les remplissages, corriger grammaire et ponctuation, et réécrire à la voix en changeant de langue.

Accessibilité, prononciation locale et trajectoire de recherche

Google dit concevoir ses produits pour l’accessibilité avec SL2T, entraîné sur plus de 50 langues des signes et déployé pour la dictée en langue des signes vers le texte, en premier lieu sur Pixel 11 avec l’ASL, face à une communauté d’environ 70 millions de personnes. La collaboration avec des experts Māori en Nouvelle-Zélande a servi à améliorer les prononciations locales dans Google Maps, avec des prononciations authentiques intégrées dans la synthèse vocale. Google vise à soutenir les 1 000 langues les plus parlées, en s’appuyant sur un Modèle de parole universel entraîné sur 12 millions d’heures et sur l’apprentissage par transfert cross-lingual, après 25 ans de recherche ouverte et plus de 400 articles. L’entreprise met en avant une ambition de profondeur et de respect des cultures, et prévoit de poursuivre un travail étroit avec les communautés locales.