Langues maternelles - 700 heures de fongbé : ce que l’expérience Waxal enseigne pour l’IA

En février 2026, Google Research a présenté Waxal, une ressource ouverte consacrée aux technologies vocales africaines. Le corpus couvrait alors 21 langues et plus de 11 000 heures de parole, réparties dans près de deux millions d’enregistrements. Environ 1 250 heures étaient transcrites pour la reconnaissance automatique de la parole (Asr), tandis que des enregistrements réalisés en studio étaient destinés à la synthèse vocale (Tts).

L’intérêt de Waxal réside précisément dans cette diversité de données. Pour qu’une machine apprenne à reconnaître une langue, l’enregistrement audio doit pouvoir être associé à une transcription fiable. La diversité des locuteurs, des accents et des contextes de parole contribue également à rendre les modèles plus représentatifs de l’usage réel de la langue.

L’initiative a depuis été étendue. Google Research indique en mars 2026 que Waxal couvre désormais 27 langues dont le yoruba, avec environ 1 846 heures de parole transcrite et plus de 565 heures d’enregistrements haute fidélité destinés à la synthèse vocale.

Face à cette expérience, les 700 heures de fongbé collectées au Bénin constituent une base importante, mais leur valeur technologique dépendra de leur structuration. Transcription, annotation, contrôle qualité, représentativité géographique et sociolinguistique, ainsi que les modalités d’accès et de réutilisation, seront déterminants pour transformer ces voix en ressources utilisables par des systèmes d’IA.

La comparaison avec Waxal permet ainsi de déplacer le regard : la question n’est pas seulement de savoir combien d’heures de fongbé ont été enregistrées, mais quelles données ces heures contiennent et quels usages technologiques elles peuvent effectivement permettre.