Robot parlant somali au Forum IA et première voix afar en fine-tuning : la bataille des…

Chapeau. Début septembre, un robot humanoïde a pris la parole en somali devant le premier Forum national sur l’intelligence artificielle de Djibouti. La vidéo a fait le tour des réseaux sociaux. Une semaine plus tard, un développeur djiboutien a publié l’extrait sonore d’une voix afar née d’un modèle affiné localement. Entre la démonstration institutionnelle et le premier résultat technique, c’est la question des données qui raconte l’histoire.

Le fait. Le robot a parlé somali au Palais du Peuple, lors du premier Forum national sur l’intelligence artificielle organisé les 2 et 3 septembre 2026 sous l’égide de la Présidence, du ministère de l’Économie numérique et de l’UNESCO. Deux réactions ont dominé sur les réseaux : la fierté de voir une langue locale portée par une machine, et une interrogation — pourquoi le somali, et pas l’afar ?

Qui était derrière la démonstration. La société présentée comme ayant préparé la démonstration est Teknosure (teknosure.com), une entreprise de services numériques fondée en 2022 et basée à Paris, dirigée par Hamad WITTI. Sa page « À propos » revendique quatre domaines d’expertise — cybersécurité, cloud, développement d’applications, infogérance — et ne mentionne pas la démonstration du Forum IA. Son rôle précis reste à confirmer directement auprès de l’entreprise.

Sous le capot. Le robot est un Unitree G1 EDU, un humanoïde chinois vendu autour de 16 000 dollars. Il sait marcher, garder l’équilibre, exécuter des gestes fluides — mais il ne parle pas : il diffuse un fichier audio par son haut-parleur, comme une enceinte connectée mobile. La chaîne vocale tient en trois briques — reconnaissance vocale (STT), grand modèle de langage (LLM), synthèse vocale (TTS) — toutes disponibles dans les services commerciaux. Le spectacle n’a donc rien de magique. La vraie matière, ce sont les données.

Le fossé des données. Une voix de synthèse s’entraîne sur des corpus : textes, enregistrements, sous-titres, archives. Le somali en dispose en quantité — traductions, médias, émissions numérisées — et des voix somali commerciales existent déjà, comme celle de Microsoft Azure. L’afar, lui, manque de cette masse critique de corpus publics structurés. Pas parce que la technologie « refuse » l’afar : des briques multilingues existent déjà, à l’image du modèle MMS de Meta. Mais sans données d’entraînement ni voix de référence, ces briques restent des coquilles vides.

Premier résultat local : 45 minutes suffisent. C’est là que le projet de Casan Saqal prend son sens. Développeur et concepteur de la plateforme Feera (feera.net), il a annoncé avoir constitué un premier corpus afar à partir de contes traditionnels et de livres, puis a publié cette semaine le fruit de son travail : un fine-tuning du modèle de synthèse vocale réalisé avec 45 minutes d’enregistrements calibrés et leurs transcriptions, produisant une première voix afar. Voici l’extrait :

« Je vous laisse écouter l’extrait et imaginer ce que ça pourrait donner avec plus d’heures de données », écrit-il. Le résultat est modeste en volume, essentiel en méthode : un corpus restreint mais calibré, affiné par fine-tuning, suffit à faire émerger une voix afar avec son accent — là où les outils du marché, seuls, ne le font pas.

Feera, l’autre pièce du puzzle. Le travail de Casan Saqal s’inscrit dans une initiative plus large : Feera, plateforme née d’une discussion entre amis sur l’avenir d’une langue et d’une culture dont la pérennité repose sur la transmission orale. « Abte gaba rabtah, abto raqtah » — « l’artiste disparaît et l’œuvre survit », disent les Afars. La plateforme collecte et transcrit toute production orale en afar, avec une équipe de transcripteurs et de traducteurs, pour préserver ce patrimoine. Or, c’est précisément ce type de corpus — des textes et des voix enregistrés — qui nourrit les modèles de langage. La conservation culturelle et l’inclusion numérique avancent ici main dans la main : chaque conte transcrit est une donnée d’entraînement potentielle.

Le continent avance, Djibouti peut suivre. L’inclusion linguistique se construit ailleurs en Afrique. La société Intron, avec son modèle de voix Sahara v2.5, a étendu sa synthèse vocale à plusieurs langues africaines (techbuild.africa), confirmé par d’autres sources (itweb.africa, techpoint.africa). Ces initiatives reposent sur des corpus patiemment constitués — la même logique que les modèles vocaux en wolof (AWA, Soynade Research).

Deux réponses, une même conclusion. D’un côté, la démonstration institutionnelle montre la capacité technique d’un pays qui veut devenir pôle régional de l’IA. De l’autre, le fine-tuning de Casan Saqal, la plateforme Feera et l’appel d’Oumalkaire Robleh Elmi (Bullo Qareen Rooble Dheere) — « sauver une langue, c’est préserver une culture » — rappellent que l’IA inclusive ne se décrète pas : elle se construit avec de la matière première. Un robot s’achète. Une langue numérique se cultive.

Et donc, je fais quoi ?

• Vous parlez, lisez ou écrivez l’afar : publiez et partagez vos contenus. Des textes, des enregistrements, des leçons, des contes — sur Feera ou ailleurs. Chaque fichier grossit le corpus collectif.
• Vous développez : inspirez-vous de la méthode du fine-tuning (45 minutes calibrées + transcriptions), documentez vos corpus, partagez vos modèles. Une démarche reproductible vaut plus qu’une démonstration.
• Vous êtes une institution : financez la création de corpus avant de financer des modèles. Un fonds pour les données afar aurait plus d’impact qu’un robot.
• Et nous : signalez-nous vos initiatives (corpus, collectifs, outils) pour qu’elles entrent dans l’annuaire et le Radar des opportunités.

En lien : Feera, Casan Saqal, Teknosure