Une expression familière – « banm-banm », qui dit le désordre et la difficulté – suffit à mettre en défaut les machines les plus performantes du moment. L’anecdote paraît anodine. Elle ne l’est pas. Elle signale une inégalité nouvelle entre les langues, où celles qui n’ont pas été massivement écrites risquent de devenir invisibles dans les outils qui structureront demain l’accès au savoir.
L’expérience tient en quelques minutes.
On interroge un système d’intelligence artificielle réputé performant sur une expression créole d’usage courant, « banm-banm », qui désigne l’état de désordre et, par glissement, la situation difficile où l’on se trouve. La machine ne connaît pas. Elle ne la trouve dans aucun répertoire, ne peut ni la confirmer ni l’infirmer, et se borne – ce qui est déjà quelque chose – à reconnaître son ignorance. L’expression existe pourtant, elle circule, elle est comprise. Simplement, elle n’a jamais été assez écrite.
Une machine ne connaît que ce qui a été écrit
Il faut rappeler comment ces systèmes apprennent. Un grand modèle de langue n’acquiert pas le créole comme l’acquiert un enfant de Sainte-Marie ou du Lamentin, par immersion, par correction, par affection. Il calcule des régularités statistiques sur des corpus écrits d’une taille vertigineuse, aspirés pour l’essentiel sur internet. Ce qui n’a jamais été fixé par l’écrit n’existe pas pour lui. Ce qui a été peu écrit existe mal, de façon lacunaire et déformée.
Le constat n’a rien d’inédit dans le champ scientifique. Dès 2020, une étude devenue une référence du traitement automatique des langues – celle de Pratik Joshi et de ses collègues, présentée au congrès annuel de l’Association for Computational Linguistics – rappelait que sur les quelque sept mille langues du monde, seul un très petit nombre est réellement représenté dans les technologies langagières. Les auteurs y proposaient une classification des langues selon leurs ressources disponibles et observaient que la catégorie la plus démunie est aussi celle qui rassemble le plus grand nombre de langues. Leur conclusion mérite d’être méditée : le caractère prétendument « agnostique » de ces modèles, censés fonctionner indifféremment pour toutes les langues, relève largement de la fiction.
Quand l’oralité devient un handicap
Le créole cumule précisément les traits qui pénalisent une langue dans ce régime statistique. Il est d’abord une langue d’oralité, dont l’essentiel de la vie se déroule hors de l’écrit. Il connaît une variation dialectale et générationnelle importante. Son orthographe, quoique codifiée par les travaux du GEREC et enseignée aujourd’hui, reste concurrencée dans l’usage courant par des graphies francisées ou improvisées. Le cas réunionnais est éclairant : avec près de 455 000 locuteurs, une forte oralité et plusieurs orthographes en circulation, le créole de La Réunion figure parmi ces langues dites « peu dotées », et les principaux outils de reconnaissance de la parole ne l’intègrent pas officiellement.
La Martinique est, à cet égard, mieux placée que beaucoup. Le créole martiniquais est reconnu comme langue régionale, enseigné, doté d’un CAPES, adossé à un dictionnaire et à une œuvre littéraire considérable – celle de Jean Bernabé, de Raphaël Confiant, de Patrick Chamoiseau et de bien d’autres. Il existe donc un corpus écrit, ce qui n’est pas rien. Mais sa masse demeure sans commune mesure avec celle du français ou de l’anglais, et surtout il ne recouvre qu’une part de la langue réellement parlée. Ce qui fait la force du créole – sa vitalité orale, sa capacité de création permanente, dont « banm-banm » est un échantillon parmi des milliers – est exactement ce que la machine capte le plus mal.
Rien d’une fatalité technique
Il serait pourtant faux d’en conclure à une impossibilité. Les travaux récents montrent le contraire. Le projet CREAM, porté par le Laboratoire ligérien de linguistique, mobilise des algorithmes d’intelligence artificielle – détection de mots-clés dans les corpus oraux, alignement automatique des segments de parole – pour assister la documentation des langues créoles elles-mêmes. Le cas haïtien est plus instructif encore : les premiers corpus destinés à entraîner des systèmes de reconnaissance de la parole en kreyòl remontent à un programme de recherche américain de la fin des années 1990, et des travaux présentés en 2025 concluent que les créoles peuvent recevoir la même attention que les langues majeures, et que leurs locuteurs peuvent accéder aux mêmes technologies.
L’obstacle n’est donc pas dans la nature de la langue. Il est dans la disponibilité de données documentées, transcrites, accessibles. C’est une question de moyens et de volonté, non de destin linguistique.
Un enjeu de souveraineté, non de folklore
On aurait tort de traiter cela comme une affaire de patrimoine sentimental. Trois ordres de conséquences se dessinent. Le premier tient à l’usage : à mesure que la recherche d’information, la rédaction administrative, l’assistance juridique ou médicale, l’accès aux services publics passeront par ces interfaces, une langue qui en est absente se trouvera repoussée vers la seule sphère domestique. Ce serait un retour, sous une forme technique et donc invisible, à la relégation dont le créole a mis un siècle à sortir.
Le deuxième relève de la norme. Les modèles apprennent d’abord sur les variétés les mieux dotées ; le créole haïtien, de loin le plus documenté de l’aire, occupe cette position. Le risque, signalé par plusieurs travaux, est qu’un créole normalisé de l’extérieur finisse par s’imposer comme référence, avec les distorsions culturelles que cela emporte pour les variétés martiniquaise et guadeloupéenne. Le troisième est patrimonial et économique : la question de savoir qui détient, transcrit et exploite les archives orales du pays n’est pas neutre, et elle se posera avec ou sans nous.
Ce que la Martinique pourrait faire de ses archives
Or la matière existe. Des décennies d’émissions de radio et de télévision en créole, des collectages de contes et de récits de vie, des enquêtes ethnographiques et universitaires, des fonds associatifs et familiaux dorment dans des supports plus ou moins accessibles et plus ou moins menacés. Cette matière constitue, au sens propre du terme, un gisement. Transcrite, annotée, juridiquement sécurisée quant aux droits des locuteurs et des ayants droit, elle ferait un corpus de référence pour la langue martiniquaise, utile aux chercheurs, à l’enseignement, et aux systèmes automatiques.
Un tel chantier relève de la coopération entre la Collectivité territoriale, l’Université des Antilles, les médias audiovisuels, les associations culturelles et les détenteurs de fonds privés. Son coût serait sans rapport avec les sommes que la Martinique consacre à d’autres politiques de valorisation identitaire. Sa condition est une exigence : que le corpus reste sous maîtrise locale et ouvert selon des règles définies ici, plutôt que d’être capté à la source par des opérateurs extérieurs, comme l’ont été tant d’autres ressources antillaises avant lui.
La technologie ne détruira pas le créole. Elle risque simplement de l’ignorer, ce qui, à l’échelle d’une génération, produit des effets voisins. La différence entre les deux scénarios ne se jouera pas dans les laboratoires de la Silicon Valley mais dans la décision, très prosaïque, de documenter ou non ce que nos aînés ont dit.
Reste ce mot, « banm-banm », que la machine ne connaît pas. Elle finira par l’apprendre. La seule question qui vaille est de savoir qui l’aura écrit, à partir de quelles sources, et selon les termes de qui.
Gérard Dorwling-Carter
