Chapitre 1. La fracture linguistique numérique
Un réseau de chercheurs africains apprend a l’intelligence artificielle à comprendre les plus de 2 000 langues du continent, et le fait collectivement.
Demandez de l’aide en isiZulu à un assistant vocal, cherchez sur le web en fon ou traduisez un article en haoussa : bien souvent, l’IA échoue. La raison n’est pas que ces langues sont petites. L’Afrique en compte plus de 2 000, soit environ 30 % des langues vivantes. Pourtant, moins de 1 % des données d’internet est en langues africaines, et aucune des 34 langues les plus présentes en ligne n’est africaine. On estime qu’environ 90 % des données d’entraînement de l’IA générative sont en anglais. Les modèles de langage apprennent ce qu’on leur donne : les langues absentes des données sont absentes de l’avenir.
C’est cet écart que Masakhane cherche à combler. Le mot signifie « nous construisons ensemble » en isiZulu. Il désigne une communauté de recherche ouverte et panafricaine, née en 2019, de chercheurs, linguistes et ingénieurs qui construisent les jeux de données et les modèles qui manquaient aux langues africaines.
La thèse de cet article : Masakhane change le paysage de l’IA non pas avec un laboratoire plus grand ou un budget plus gros, mais avec un autre modèle. Celui d’une collaboration décentralisée et open source, où ceux qui parlent les langues sont ceux qui construisent les technologies qui leur sont destinées.
Chapitre 2. La genèse de Masakhane
Masakhane est né d’une conversation entre chercheurs. Selon Slator, Laura Martinus et Jade Abbott ont lancé le projet, inspirées par le thème du Deep Learning Indaba 2018, pour relier des spécialistes du traitement automatique des langues (TAL) de différents pays. Le texte fondateur de la communauté situe sa création au Deep Learning Indaba 2019, le grand rassemblement annuel de l’IA en Afrique, tenu cette année-là au Kenya. Le projet démarre petit, avec une soixantaine de participants dans 15 pays. En 2022, la communauté revendique plus de 1 000 membres venus de plus de 38 pays africains, puis plus de 2 000 chercheurs aujourd’hui.
En mars 2020, une première publication signée par vingt-cinq auteurs décrit Masakhane comme un effort de recherche en ligne, ouvert, réparti sur tout le continent et consacré à la traduction automatique.
Une philosophie de terrain
Ce qui distingue Masakhane d’un laboratoire d’entreprise ou d’un département universitaire tient en trois choix :
- Par des Africains, pour des Africains. La communauté se définit comme une initiative ouverte, de la base, menée par des Africains.
- Ouverte à tous. Le travail participatif permet à des personnes sans formation formelle de contribuer concrètement à la recherche.
- Décentralisée socialement, pas techniquement. D’après les notes fournies, Masakhane s’appuie sur des outils standards (PyTorch, GitHub, Hugging Face) et non sur une blockchain ou un jeton : sa décentralisation vient de son réseau de bénévoles. Son financement relève de subventions et de partenariats de recherche (le CRDI et le Lacuna Fund sont cités dans ces notes).
La gouvernance du Hub, la structure née plus tard au sein de la fondation, se réclame de la philosophie Ubuntu : « Je suis parce que nous sommes ».
Chapitre 3. Dans le désert de données
Les chercheurs parlent de langues « peu dotées » (low-resource). Sur les 7 111 langues vivantes, 2 144 sont africaines, mais seule une petite part des ressources linguistiques pour le TAL leur est consacrée. Le problème dépasse pourtant le manque de données : la faible dotation reflète des problèmes systémiques de société.
Les obstacles
- Peu de texte numérisé. La plupart des pays africains utilisent l’anglais, le français ou le portugais comme langues officielles, et les langues locales y sont peu écrites en ligne.
- Peu de financement. Les auteurs de Masakhane relèvent que les sociétés africaines voient rarement dans leurs langues un moyen de communication principal, et que peu d’efforts financent le TAL ou la traduction pour ces langues.
- Peu de références pour mesurer les progrès. Avant ces travaux, seules quelques tâches (comme la reconnaissance d’entités nommées et la traduction) disposaient de jeux de test standardisés couvrant plusieurs langues africaines.
- Des modèles mal adaptés. Pelonomi Moiloa, de Lelapa AI, explique que les langues africaines remettent en cause les hypothèses sur lesquelles reposent les modèles actuels. Son entreprise travaille sur l’isiZulu.
Ce que cela change au quotidien
Sans données, les outils de traduction automatique, les assistants vocaux et les moteurs de recherche fonctionnent mal ou pas du tout pour des centaines de millions de locuteurs. Le manque de voix enregistrées en est un exemple : le Hub de Masakhane a lancé un appel pour constituer des données vocales ancrées dans leur culture pour 18 langues, avec un souci d’équilibre entre femmes et hommes.
Chapitre 4. La méthode Masakhane : innover par la collaboration
La méthode tient dans un mot : participatif. Dans leur article de référence, présenté aux Findings of EMNLP 2020, les membres proposent d’associer à la création des outils tous les acteurs nécessaires : locuteurs, traducteurs, curateurs de données, évaluateurs et ingénieurs. Le résultat : de nouveaux jeux de données de traduction et des références de traduction automatique pour plus de 30 langues, dont un tiers avec évaluation humaine. Données, code et modèles sont publiés en accès libre. L’article a reçu le prix de recherche de la Fondation Wikimedia en avril 2021, lors de la conférence The Web Conference.
Quelques réalisations
- Traduction participative : jeux de données et références de traduction automatique pour plus de 30 langues africaines.
- MasakhaNER : reconnaissance d’entités nommées (personnes, lieux, organisations) dans 10 langues.
- MasakhaNEWS : classification de sujets d’actualité dans 16 langues.
- MasakhaPOS : étiquetage grammatical, le plus grand jeu de données de ce type, pour 20 langues.
- FFRTranslate et OkwuGbé : première traduction neuronale ouverte français-fon, et reconnaissance vocale en fon et en igbo.
Ces jeux de données servent aujourd’hui de référence à d’autres : l’évaluation AfroBench, qui teste les grands modèles de langage sur 64 langues africaines, reprend plusieurs d’entre eux. Parmi les langues concernées figurent le swahili, le haoussa, l’igbo, le kinyarwanda, l’amharique, l’oromo, le pidgin nigérian, l’isiZulu, le setswana et le siswati.
Chapitre 5. Impact mondial et avenir de l’IA souveraine
Le Hub des langues africaines
Le Masakhane African Languages Hub, adossé à la Fondation de recherche Masakhane, vise à ouvrir l’IA à plus d’un milliard d’Africains parlant plus de 50 langues. Dirigé par Chenai Chair, il construit des jeux de données et soutient la recherche pour les 50 langues les plus parlées. Son objectif affiché : donner accès à des outils d’IA pertinents à un milliard d’Africains d’ici 2029. En janvier 2026, il a lancé un appel à propositions ouvert aux chercheurs, linguistes, start-up et organisations communautaires pour créer des jeux de données dans 50 langues.
Souveraineté linguistique et influence
Le Hub défend la souveraineté linguistique africaine : la capacité des langues africaines à prospérer dans l’espace numérique, sous contrôle et propriété locaux. Cette voix porte désormais dans les institutions. Le Conseil africain de l’IA a été dévoilé en novembre 2025, après un appel qui a réuni plus de 400 candidatures de 57 nationalités. D’après le titre d’une publication du Hub, sa directrice y siège. Le Hub a aussi participé à la conférence « AI for Africa » du G20, à l’occasion de la présidence sud-africaine du G20, et s’est associé en octobre 2025 à la GSMA et à des opérateurs mobiles pour des modèles d’IA africains inclusifs.
Un modèle pour d’autres régions
La leçon dépasse l’Afrique. Quand on construit avec les communautés les plus marginalisées, le produit sert tout le monde. D’autres régions aux langues peu dotées peuvent reprendre la recette : des données ouvertes, des contributeurs locaux, des évaluations publiques.
Les défis à venir
Selon notre analyse, trois défis se dessinent : financer durablement une communauté largement bénévole, passer de 50 langues prioritaires à des centaines, et garantir que les données restent sous contrôle local à mesure que les grandes entreprises s’y intéressent.
Conclusion. Une nouvelle ère pour l’IA mondiale
En sept ans, Masakhane est passé d’une poignée de chercheurs à une communauté de plusieurs milliers de personnes. Elle a produit des jeux de données, des références et un modèle de travail participatif reconnu par la recherche internationale. Sa réussite tient moins à la puissance de calcul qu’à une idée simple : les locuteurs d’une langue sont les mieux placés pour la préserver, la décrire et la faire comprendre a l’IA.
L’IA ne sera vraiment universelle que si elle est construite par des voix diverses. Tant qu’une langue Africaine manque à l’appel, c’est une culture entière qui reste hors de l’ère de l’intelligence artificielle. Masakhane rappelle qu’on peut changer cela, et que ce sera plus vite fait ensemble.

