Zéro ligne de texte, que de la voix : l'IA Dessa de Block ouvre une porte inattendue à la derja tunisienne

Zéro. C'est le nombre de lignes de texte utilisées pour apprendre à parler à Dessa, le nouveau modèle vocal présenté cette semaine par Block, l'entreprise fondée par Jack Dorsey.

Selon la page officielle du projet, Dessa a été entraîné « à partir de zéro » sur des conversations humaines enregistrées, et rien d'autre : pas de texte, pas de transcription, pas de grand modèle de langage préexistant pour lui servir de béquille.

Dans le monde de l'IA, où tout passe aujourd'hui par l'écrit, c'est presque une hérésie. Et pour un pays qui parle une langue que l'on écrit si peu, c'est une nouvelle qui mérite qu'on pose son verre de thé.

Ce que Block a vraiment présenté

Dessa est ce qu'on appelle un modèle « full-duplex » de parole à parole. Concrètement, il écoute et parle en même temps, comme un interlocuteur humain. Il peut glisser un « oui » ou un « d'accord » pendant que vous parlez, sans attendre que vous ayez fini votre phrase.

Block affirme que le modèle entend et restitue directement l'émotion, l'ironie ou le rire, des nuances que les assistants vocaux classiques perdent en route.

Car la plupart des assistants actuels fonctionnent en trois temps : ils transforment votre voix en texte, font réfléchir un modèle de langage sur ce texte, puis retransforment la réponse en voix. À chaque étape, une partie de l'information disparaît : l'intonation, l'hésitation, le silence qui en dit long.

Selon Block, Dessa a appris le langage avec « des centaines de fois moins de mots » que les grands modèles de langage. Il a été entraîné sur un seul système NVIDIA GB200 NVL72, une armoire de calcul certes puissante, mais loin des fermes géantes mobilisées pour les modèles vedettes. Et il fonctionne en local, sur un ordinateur portable haut de gamme de type MacBook Pro M4 Max, plus vite que le temps réel.

L'équipe derrière le projet est un petit laboratoire de Block, fondé par d'anciens membres de la start-up torontoise d'apprentissage profond qui portait déjà le nom de Dessa.

Pourquoi la derja est concernée au premier chef

Pour mesurer l'enjeu côté tunisien, il faut partir d'un constat simple : la derja est une langue que tout le monde parle et que presque personne n'écrit de façon normalisée.

On la tape en lettres arabes, en lettres latines avec des chiffres pour certains sons, ou on bascule vers le français ou l'arabe standard dès qu'il faut écrire « sérieusement ». Résultat : les corpus écrits en derja sont maigres, hétérogènes, et largement issus des réseaux sociaux.

Or les modèles d'IA actuels apprennent essentiellement en lisant. Une langue peu écrite est donc une langue mal servie. C'est pour cela que tant d'assistants comprennent mieux l'arabe littéraire qu'une phrase lancée au marché de Sfax ou dans un taxi de Bab Saadoun.

Un modèle qui apprend directement de la voix renverse ce raisonnement. La matière première n'est plus le texte, mais la conversation enregistrée. Et de la derja parlée, il y en a : à la radio, dans les centres d'appels, dans les podcasts, dans les vidéos, dans les échanges du quotidien.

Les usages possibles en Tunisie

Si cette approche se confirme, les applications concrètes ne manquent pas.

Les centres d'appels, nombreux en Tunisie et souvent au service de clients étrangers, pourraient s'équiper d'assistants capables de comprendre un client qui parle comme il pense, avec ses mélanges de langues.

Les administrations et les banques pourraient proposer des services vocaux accessibles aux personnes peu à l'aise avec l'écrit ou avec les applications, en particulier les plus âgés.

Dans la santé, l'agriculture ou l'éducation, un assistant vocal qui comprend la derja des régions intérieures ouvrirait des portes que les interfaces écrites gardent fermées.

Enfin, le fait que Dessa tourne en local est une donnée importante. Un modèle qui fonctionne sur une machine, sans envoyer chaque conversation vers un serveur à l'étranger, répond à une préoccupation de souveraineté et de confidentialité que les entreprises tunisiennes connaissent bien.

Ce n'est pas un produit, mais un signal

Il faut toutefois garder la tête froide.

Dessa n'est pour l'instant qu'un aperçu de recherche. Block indique que l'accès anticipé est réservé à un petit groupe de chercheurs en sécurité de l'IA, chargés justement d'en trouver les failles. Les liens de lancement sont annoncés « bientôt ». Aucune date de mise à disposition du public n'est donnée.

La page du projet ne précise pas non plus les langues prises en charge. Block présente même l'apprentissage de nouvelles langues comme une question de recherche encore ouverte. Rien ne dit donc que Dessa parlera un jour derja, ni même arabe.

Autre limite : on ne connaît ni la taille du modèle, ni le volume d'heures d'enregistrement utilisées pour l'entraîner. Il est difficile, à ce stade, de comparer sérieusement ses performances avec celles des assistants existants.

La voix, une donnée qui ne se change pas

Il y a enfin une question que la Tunisie aurait tort d'esquiver : celle des données.

Entraîner un modèle sur des conversations, c'est collecter des voix. Et une voix, contrairement à un mot de passe, ne se change pas. Elle identifie une personne, révèle parfois son origine, son âge, son état émotionnel.

La Tunisie dispose depuis 2004 d'une loi organique sur la protection des données personnelles, et d'une instance chargée de la faire respecter. Si des acteurs locaux veulent un jour constituer de grands corpus de derja parlée, ils devront le faire avec le consentement des personnes enregistrées et des règles claires sur l'usage et la conservation de ces voix.

C'est là que se jouera la confiance. Une IA qui comprend la derja sera utile. Une IA nourrie de conversations captées à l'insu des gens sera un problème.

La leçon pour l'écosystème tunisien

Ce que montre Dessa, au fond, c'est qu'il existe d'autres chemins que la course aux modèles géants nourris de tout l'internet écrit.

Pour un petit pays, c'est plutôt une bonne nouvelle. La Tunisie ne rivalisera jamais en puissance de calcul avec les géants américains ou chinois. Mais elle possède quelque chose qu'ils n'ont pas : une langue vivante, parlée par des millions de personnes, et des chercheurs, des ingénieurs et des start-up capables de travailler dessus.

Les universités, les laboratoires et les entreprises de l'IA tunisiens ont intérêt à suivre de près cette piste de l'apprentissage par la voix. Constituer, dans les règles, des corpus de derja parlée pourrait devenir un actif stratégique.

Pendant des années, on a dit que la derja n'était « pas une langue écrite ». Avec l'IA de la voix, ce qui passait pour une faiblesse pourrait devenir un avantage.

Entre deux makrouds, retenons ceci : la machine qui nous comprendra le mieux n'est peut-être pas celle qui aura le plus lu, mais celle qui aura le mieux écouté.