IA conversationnelle anglais-twi : Kojo garde le fil malgré le bruit

Une IA conversationnelle utile doit suivre l’intention d’une personne à travers le bruit, les hésitations et les changements de langue, sans lui demander de choisir entre l’anglais et le twi. Quand la langue change au milieu d’une phrase, le contexte doit rester intact.

À 18 h 12, devant une provision shop à Kumasi, Kojo tient un sachet de pain dans une main et son téléphone dans l’autre. Un taxi klaxonne, le congélateur de la boutique ronfle derrière lui, et deux personnes discutent assez fort près de l’entrée. Il doit envoyer rapidement des consignes à sa sœur avant qu’elle achète le mauvais article une deuxième fois.

« Please get the blue one, the smaller pack. Na sɛ wonhu bi a, bisa Auntie no sɛ ɔwɔ foforo. »

Il parle vite. Il commence en anglais parce que la description sur l’emballage lui vient ainsi, puis passe au twi pour expliquer quoi demander à la vendeuse. Il n’a pas décidé de changer de langue. Il suit simplement sa pensée.

Sa sœur attend déjà devant une autre boutique. Si le message devient incohérent, elle repartira avec le mauvais paquet, et l’argent prévu pour les courses de la soirée sera dépensé. Kojo n’a pas le temps de refaire une prise dans un endroit plus calme.

Cette scène est fictive, mais la façon de parler qu’elle illustre est ordinaire. Le vrai test pour une IA commence précisément là.

Une conversation ne contient pas de bouton de langue

Dans une démonstration bien préparée, une personne parle distinctement, termine sa phrase et attend la réponse. Dans la vie, elle avale un mot, s’interrompt, reprend en anglais et termine en twi pendant qu’un moteur passe derrière elle.

Forcer Kojo à sélectionner « English » avant de parler créerait une fausse règle. Son message appartient aux deux langues. Le découper au moment du changement risquerait aussi de détacher « the smaller pack » de « sɛ wonhu bi a », alors que la seconde partie dépend entièrement de la première.

Le problème est proche de celui raconté dans Akwasi’s forced language choice. A 6am trotro he almost missed. Une interface peut sembler simple tout en imposant une décision que le locuteur ne prend jamais dans une conversation réelle.

Suivre la personne signifie conserver le fil: ce qu’elle cherche, ce qu’elle vient de préciser et ce que ses pronoms désignent. Le changement de langue devient alors une partie de la phrase, pas une commande adressée à la machine.

Le bruit révèle la différence entre entendre et comprendre

Le klaxon devant la boutique n’est pas le sujet du message. La voix voisine non plus. Pourtant, ces sons se retrouvent dans l’enregistrement avec les mots importants.

Une IA qui attend une entrée propre peut perdre un fragment, inventer une continuité ou répondre à côté. Une conversation fiable doit rendre le problème visible lorsqu’elle n’a pas compris. Nkomo ne masque pas silencieusement une erreur. Si quelque chose échoue, l’erreur apparaît, ce qui permet à Kojo de reprendre le passage concerné au lieu de croire qu’un message déformé a été compris.

Cette exigence compte particulièrement pour la voix. Dans le mode vocal de Nkomo, Kojo peut maintenir pour parler, entendre la réponse et interrompre naturellement si elle part dans la mauvaise direction. Il garde ainsi la main sur l’échange, comme lorsqu’on coupe poliment quelqu’un pour préciser: « Daabi, blue no, ɛnyɛ green no. »

Les données consacrées à la parole naturelle montrent aussi pourquoi les exemples propres ne suffisent pas. KasaSpeech rassemble 54 855 enregistrements transcrits manuellement, soit plus de 95 heures de parole provenant de locuteurs à travers le Ghana, avec des passages naturels entre l’anglais et le twi dans des sujets et situations du quotidien. Cette matière rappelle une chose simple: le mélange des langues fait partie de la conversation elle-même.

La continuité doit rester sous le contrôle de la personne

Suivre le contexte ne devrait jamais signifier conserver chaque parole sans choix clair. Une conversation peut contenir une adresse, une dépense familiale ou une question que l’on ne souhaite pas retrouver plus tard.

Nkomo distingue donc la continuité de l’échange et le contrôle des données. Avant qu’un contenu atteigne le cloud, la personne choisit « jamais », « demander à chaque fois » ou « pour cette session ». L’historique gardé sur l’appareil peut être désactivé, puis il est supprimé immédiatement. L’export des données et la suppression du compte restent accessibles en un geste.

Cette séparation est essentielle. Kojo doit pouvoir obtenir une réponse qui tient compte du début de sa phrase sans abandonner toute décision sur ce qui reste après la conversation.

Le bon résultat tient dans la phrase suivante

Devant la provision shop, Kojo entend la réponse reprendre le bon article et la solution de rechange, malgré le passage de l’anglais au twi. Il l’interrompt une fois pour corriger la couleur, puis envoie une consigne claire à sa sœur.

Quelques instants plus tard, il range son téléphone et récupère sa monnaie. Le bruit de la rue n’a pas disparu. Sa manière de parler n’a pas été simplifiée pour la machine. C’est l’outil qui a suivi son rythme, son contexte et son choix sur les données.

C’est là que se mesure une conversation naturelle: vous parlez comme la situation l’exige, et l’IA ne vous oblige pas à traduire votre pensée avant de pouvoir vous aider.