Nous vivons le rêve de Frege, même si peu de gens savent encore qui était ce philosophe allemand mort en 1925. La thèse principale de Gottlob Frege était que si nous trouvions les éléments essentiels et communs du langage naturel, de la logique et des mathématiques, et que nous examinions les relations qu’ils entretiennent entre eux, nous pourrions construire une sorte de système de communication universel qui engloberait tout et dépasserait aussi bien les différences entre les langues que celles qui existent entre les lettres et les sciences.

Frege soutenait que les mathématiques étaient une langue pauvre par rapport au langage humain. En voici un exemple. Nous pouvons écrire mathématiquement qu’Asier et Aitor sont les fils d’Amaia ainsi : « Asier et Aitor = les fils d’Amaia ». Nous y parvenons parce que le verbe être possède un équivalent mathématique (=), qui indique quelle est la relation exacte entre Asier, Aitor et Amaia. Il en va de même pour le mot « et », dont la transcription mathématique est le symbole (+). La phrase resterait donc ainsi : « Asier + Aitor = les fils d’Amaia ».

Le problème, c’est que nous n’avons pas de symbole mathématique courant pour remplacer le mot « de », qui marque la relation exacte entre « fils » et « Amaia ». Mais Frege disait que ce n’était pas un problème, que nous devions simplement le créer, car il estimait que son langage utopique en valait la peine.

Frege s’y essaya réellement — il inventa même une ébauche de ce langage de la « pensée pure », avec de curieux traits coudés caractéristiques qui tombaient entre des équations de sens —, mais il ne parvint même pas à s’approcher de ses ambitions. Le langage humain est extrêmement riche et, en même temps, il signifie, évoque et définit de multiples façons.

Ce ne sont pas seulement les liens entre les mots qui importent. Les noms propres choisis dans la phrase de l’exemple, bien que celle-ci soit écrite en français, évoquent le Pays Basque. Personne ne penserait a priori qu’Aitor, Asier et Amaia forment une famille esquimaude, même s’il n’est pas impossible qu’ils le soient.

Il se peut même que quelqu’un ait remarqué que les trois noms sont tirés d’une seule œuvre littéraire : Amaia ou les Basques au VIIIe siècle, de Francisco Navarro Villoslada. La complexité du langage humain est immense, voire peut-être infinie.

Le philosophe allemand n’est pas allé assez loin dans son entreprise, mais son travail a jeté les bases théoriques du développement de ce qui deviendrait plus tard l’IA générative, laquelle fait précisément cela : décomposer le langage naturel en petites unités reliées les unes aux autres, puis utiliser les énormes capacités informatiques actuelles et des algorithmes sophistiqués pour construire des phrases comme le ferait un être humain.

Il fallut un siècle après la mort de Frege pour que, par l’intermédiaire de ChatGPT, d’Anthropic et d’autres entreprises, l’humanité comprenne que ce qui était le rêve d’un philosophe était devenu réalité, et qu’il était en outre très utile dans la vie quotidienne.

Mais la réussite n’est pas encore totale. En réalité, il est assez surprenant que, sur une base purement informatique, les intelligences artificielles parlent mieux certaines langues que d’autres et se distinguent surtout lorsqu’elles s’expriment en anglais.

Cela n’a rien à voir avec une quelconque suprématie de cette langue liée à des qualités intrinsèques de l’anglais, comme celles que défendait Jorge Luis Borges, qui estimait que cette langue était supérieure et plus raffinée que l’espagnol, en raison de sa « capacité de nomination » et de sa « plasticité lexicale ».

En réalité, cette suprématie est due au fait que les programmeurs des premières intelligences artificielles ont travaillé en anglais et se sont efforcés d’adapter l’informatique à cette langue précise. L’avantage, c’est qu’ils l’ont si bien fait qu’ils se rapprochent de plus en plus du rêve de Frege.

Langues et données

Les intelligences artificielles sont dévoreuses de données, et l’anglais ne leur suffit pas, car il ne leur permet pas d’accéder à tous les contenus qu’elles veulent traiter. Elles poursuivent aussi des objectifs commerciaux, car elles cherchent à séduire le plus grand nombre d’utilisateurs possible — et s’il s’agit d’utilisateurs payants, c’est encore mieux. En conséquence, elles doivent mâcher et remâcher des informations venues de partout pour s’améliorer elles-mêmes, y compris en ce qui concerne la connaissance des langues.

Isabel Durán, professeure de philologie anglaise à l’université de Cordoue et chercheuse au sein du programme LinguaCor, souligne que plus une langue est petite et minorisée, moins elle intéresse les intelligences artificielles, car il existe moins de données sur Internet dans cette langue.

« Ce n’est pas une préférence du modèle, c’est simplement ce qu’il y a », affirme-t-elle. Plus il y a de données dans une langue donnée, plus les intelligences artificielles s’intéressent à cette langue, plus elles traitent de données dans cette langue, et mieux elles la maîtrisent. « Les modèles fonctionnent mieux dans les langues qui disposent du plus grand nombre de données. Ce n’est pas une question d’affinité, mais de possibilité d’apprentissage. Quand un modèle voit des millions d’exemples en anglais, il apprend mieux sa grammaire, son vocabulaire, ses différents registres et son arrière-plan culturel. En revanche, lorsqu’il reçoit peu d’exemples dans une langue, il dispose de moins de matière pour déduire des schémas fiables. »

La situation particulière de la langue basque est singulière, suivant les thèses de la professeure Durán, en raison de ce que l’on appelle le transfert multilingue. Ce concept désigne le fait que ce que l’IA apprend dans une langue lui sert ensuite à déchiffrer une autre langue présentant une certaine parenté ou certains parallélismes. Les intelligences artificielles fonctionnent ici comme les personnes. Quelqu’un qui parle espagnol apprend plus facilement le catalan ou l’italien que l’euskara, parce qu’il s’appuie sur les similitudes entre ces langues.

L’euskara se trouve dans une situation de double désavantage : il ne compte pas beaucoup de locuteurs et génère donc peu de contenus d’intérêt pour les intelligences artificielles ; de plus, c’est une langue sans famille, même si sa cohabitation avec l’espagnol et le français lui a fourni de nombreux emprunts.

La comparaison des contenus en anglais, en espagnol et en euskara de Wikipédia fournit un exemple illustratif. La grande encyclopédie collaborative comptait 7,2 millions d’entrées en anglais en avril 2026 et une communauté de 283 000 utilisateurs actifs.

 Les entrées en espagnol étaient au nombre de 2,1 millions, rédigées par 42 000 utilisateurs. Enfin, Wikipédia en euskara comptait 487 000 entrées rédigées par un millier de personnes.

La communauté d’utilisateurs actifs de Wikipédia en euskara a compris la clé fondamentale pour parvenir à une intelligence artificielle entièrement multilingue : pour que l’euskara soit pris en compte, il faut nécessairement produire du contenu en euskara et, en outre, du contenu de qualité. Ce sera plus intéressant pour les humains comme pour les machines.

L’autre leçon qui ressort de ces données est que la disproportion des contenus entre l’euskara et l’anglais est telle que le moment où l’intelligence artificielle aura absorbé tous les contenus en anglais avant de passer à d’autres langues, selon leur ordre de production, ne semble pas proche. Ce moment ne viendra probablement jamais, car, dans les langues majoritaires, de nouveaux contenus sont sans cesse produits.

Et pourtant, même si la production de contenu en euskara est essentielle, ce n’est pas le seul moyen d’obtenir une intelligence artificielle multilingue qui parle correctement l’euskara. D’autres dynamiques peuvent être lancées en parallèle.

Bien que les grandes IA aient une vision utilitariste des langues et ne s’y intéressent qu’en raison de leur voracité pour les données, toute l’IA n’est pas entre les mains des technocrates, et ce ne sont pas eux qui développent toutes les IA.

Le gouvernement de Lakua ainsi que d’autres entreprises et institutions conçoivent des outils capables de traduire l’euskara grâce au traitement du langage naturel, avec une supervision et une correction renforcées. Il s’agit de soigner davantage le produit final, en préservant les tournures propres à sa grammaire et à son contexte socioculturel.

Ce média participe également depuis longtemps à cet effort, en mettant à disposition son répertoire de nouvelles et de reportages, ainsi que toutes les informations accumulées pendant des décennies, afin que l’intelligence artificielle apprenne la langue au contact de sa culture et développe ainsi des corpus linguistiques spécifiques. Le développement d’un système propre de traduction neuronale vise à publier son contenu simultanément en euskara, en espagnol, en anglais et en français.

En définitive, il s’agit d’éviter que l’euskara perde les références spécifiques liées à son évolution historique. Pour en revenir aux noms de la phrase de l’exemple, il est évident que l’Aitor dont il est question n’est né qu’à la fin des années 1970, tout simplement parce que, dans les décennies précédentes, s’appeler Aitor était interdit.

______________________________________________________________________________

Projet financé par le secrétariat d’État espagnol à la numérisation et à l’intelligence artificielle et par l’Union européenne – Next Generation EU, dans le cadre de l’appel à aides pour l’intégration de l’intelligence artificielle dans les chaînes de valeur des médias.