IA et français québécois : le défi d’une souveraineté linguistique numérique

L’intelligence artificielle ne décide pas, à elle seule, du destin d’une langue. Mais elle influence déjà la façon dont des millions de personnes écrivent, cherchent une information, apprennent, traduisent, rédigent un courriel ou interagissent avec une administration. Pour le Québec, où le français est à la fois la langue commune et un pilier de l’identité collective, cette transformation technologique pose une question concrète : quelle place le français québécois occupera-t-il dans les outils numériques qui s’imposent au quotidien ?

Les assistants conversationnels peuvent répondre en français, reformuler un texte ou proposer une traduction. Cette disponibilité ne garantit pourtant ni une compréhension fine des expressions locales, ni une restitution fidèle des références culturelles, ni une qualité identique à celle observée en anglais. Le sujet dépasse donc la simple présence d’une interface traduite : il concerne la capacité de la langue française à rester pleinement vivante, utile et légitime dans l’économie numérique.

Pourquoi l’anglais pèse-t-il autant dans les modèles d’IA ?

Les grands modèles de langage, souvent désignés par l’acronyme LLM, apprennent en analysant d’immenses volumes de textes. Livres, articles, pages web, documentation technique, conversations annotées et codes informatiques servent à leur faire repérer des régularités statistiques entre les mots. Ils ne comprennent pas une langue comme le fait un humain, mais prédisent la suite la plus vraisemblable d’une phrase à partir des exemples rencontrés pendant leur entraînement.

Or, une grande partie des contenus facilement disponibles en ligne, notamment dans les domaines scientifique, technique et économique, est rédigée en anglais. Cette abondance se retrouve dans les corpus d’entraînement. Une étude citée à propos de la version 3 de ChatGPT indique que moins de 8 % du contenu utilisé pour l’entraîner n’était pas en anglais. Ce chiffre illustre un déséquilibre structurel : même lorsqu’un outil répond dans plusieurs langues, la richesse de ses apprentissages n’est pas répartie de manière égale.

La question n’est pas seulement quantitative. Un corpus peut contenir beaucoup de textes en français sans refléter correctement la diversité de ses usages. Entre le français administratif, le langage courant, les écrits journalistiques, les œuvres culturelles, les contenus éducatifs et les expressions québécoises, les registres sont nombreux. Si certains sont absents ou marginalisés, l’IA risque d’adopter un français uniforme, parfois correct sur le plan grammatical, mais peu naturel dans une conversation locale.

Une question d’identité, mais aussi d’accès aux services

Au Québec, la défense du français dans l’intelligence artificielle ne relève pas seulement d’une préférence culturelle. Lorsque les outils numériques sont d’abord conçus, testés et optimisés en anglais, les francophones peuvent se retrouver devant des services moins précis, moins pratiques ou moins fiables dans leur langue.

Cela concerne des situations très ordinaires : résumer un document, préparer un cours, chercher une information administrative, transcrire une réunion, générer un premier brouillon ou obtenir une explication pédagogique. Si la version française produit davantage d’erreurs, ignore des formulations locales ou propose spontanément des sources et des exemples anglophones, l’utilisateur est implicitement poussé vers l’anglais pour profiter des meilleures performances.

Cette dynamique peut installer un cercle défavorable. Plus les usages se déplacent vers l’anglais, plus les contenus et les retours d’expérience en anglais restent dominants. À l’inverse, un environnement numérique qui fonctionne bien en français encourage la production de contenus, l’innovation locale et la confiance des usagers.

La notion de souveraineté linguistique prend ici un sens pratique. Elle ne suppose pas que le Québec doive se couper des modèles internationaux, ni que chaque technologie soit développée localement. Elle renvoie à la possibilité de choisir, d’évaluer et d’adapter les outils afin que les citoyens puissent les utiliser en français sans renoncer à la qualité.

Les limites actuelles face aux subtilités du français québécois

Selon Luc Lespérance, de HEC Montréal, les modèles comme ChatGPT présentent des lacunes dans la compréhension des subtilités du français québécois. Ils peuvent imiter un accent, reproduire quelques expressions ou générer un dialogue aux apparences locales. Mais cette démonstration reste souvent superficielle et peut conduire à des emplois maladroits, à des confusions de sens ou à des clichés.

C’est une limite importante : une expression ne se réduit pas à une traduction mot à mot. Son sens dépend du contexte, du registre, de la relation entre les interlocuteurs et de références partagées. Un système entraîné surtout sur des textes anglophones, ou sur un français peu représentatif des usages québécois, peut produire une phrase grammaticalement acceptable tout en manquant son intention.

Le risque n’est pas uniquement celui d’une tournure étrange. Dans certains domaines, l’imprécision peut avoir des effets plus importants : explication d’une démarche publique, communication en entreprise, soutien scolaire ou transcription d’un témoignage oral. Une IA qui comprend mal les variétés de français peut aussi traiter certains locuteurs comme s’ils s’exprimaient de manière incorrecte, alors qu’ils emploient simplement les normes de leur communauté linguistique.

Des données diversifiées pour des outils plus justes

Améliorer la place du français dans l’IA commence par les ressources linguistiques. Il faut des corpus variés et de qualité, mais aussi des jeux de tests capables de mesurer ce que les modèles comprennent réellement. Une IA ne devrait pas seulement être évaluée sur sa capacité à traduire une phrase isolée. Elle devrait aussi être confrontée à des questions formulées au Québec, à des documents locaux et à des situations d’usage réelles.

Cette démarche demande une attention particulière à la provenance des données. Les contenus utilisés pour entraîner ou évaluer les modèles doivent respecter les droits applicables, la vie privée et le consentement des personnes concernées. La course au volume ne peut pas justifier la collecte indiscriminée de textes, d’enregistrements ou de conversations. Pour être durable, une stratégie linguistique doit associer qualité, diversité, transparence et cadre éthique.

Le Québec voit ainsi émerger des projets visant à favoriser la création de modèles d’IA en français et à diversifier les bases de données qui les alimentent. L’enjeu est d’intégrer des caractéristiques culturelles propres au territoire plutôt que de traiter le français québécois comme une simple variante marginale à corriger.

Des entreprises apportent également des briques technologiques utiles. La société française Gladia propose notamment des solutions de conversion audio en texte adaptées aux spécificités linguistiques. Ce type d’outil est stratégique : si la reconnaissance vocale retranscrit mal la parole locale, toutes les applications qui en dépendent, de la prise de notes à l’accessibilité, en subissent les conséquences.

Les plateformes mondiales progressent, sans régler tout le problème

Les grands groupes technologiques ne peuvent plus ignorer la diversité linguistique de leurs utilisateurs. Google a annoncé la prise en charge du français dans ses produits d’intelligence artificielle, et son projet Gemini a intégré des fonctionnalités en français. Ces avancées contribuent à réduire la fracture linguistique en rendant des outils de premier plan accessibles à un public francophone plus large.

Elles ne règlent toutefois pas automatiquement la question de la qualité locale. Proposer une langue dans un menu ne dit rien, à lui seul, de la capacité d’un modèle à maîtriser ses références, ses variétés régionales ou ses usages professionnels. La disponibilité est une première étape. La pertinence, la fiabilité et l’adaptation culturelle doivent ensuite être vérifiées dans la durée.

Pour les usagers, cette distinction invite à conserver un regard critique. Une réponse fluide n’est pas nécessairement exacte. Lorsqu’une IA traite une demande importante, il reste prudent de vérifier les informations, de reformuler la question en donnant davantage de contexte québécois et de signaler les erreurs lorsqu’un service propose cette possibilité.

Universités, entreprises et État : une responsabilité partagée

La réponse ne peut reposer sur une seule organisation. Les établissements d’enseignement supérieur québécois ont un rôle central pour former des spécialistes capables de travailler sur les données linguistiques, l’évaluation des modèles, le traitement automatique du langage et les usages responsables de l’IA. Les collaborations entre universités et entreprises peuvent rapprocher la recherche des besoins concrets : enseignement, administration, accessibilité, services à la clientèle ou création de contenus.

Le secteur privé, de son côté, peut intégrer le français dès la conception de ses produits plutôt que de l’ajouter à la fin du développement. Cela implique de prévoir des tests linguistiques, de recruter des personnes connaissant les usages locaux et de mettre à disposition des mécanismes de signalement lorsque l’outil se trompe.

L’État québécois dispose également de leviers importants. En tant qu’utilisateur de technologies dans ses services, il peut fixer des exigences de qualité en français et favoriser des solutions qui répondent aux besoins de la population. Le projet Albert, l’intelligence artificielle générative de l’État, témoigne de cette volonté de faire une place au français dans les outils publics. Une coordination entre politiques linguistiques, recherche et transformation numérique pourrait renforcer cette orientation.

Ce qu’il faut surveiller pour préserver le français dans l’IA

Le débat sur la langue française et l’intelligence artificielle ne se jouera pas uniquement lors du lancement de nouveaux assistants. Il se jouera dans les critères de qualité fixés aux fournisseurs, dans la présence de données francophones diversifiées, dans la formation des futurs professionnels et dans la capacité des citoyens à demander des services à la hauteur de leurs besoins.

Plusieurs points méritent une attention continue :

• la publication d’évaluations qui distinguent le français standard et les usages québécois ;
• la disponibilité d’outils de reconnaissance vocale et de transcription fiables pour les locuteurs francophones ;
• l’accès des chercheurs à des ressources linguistiques respectueuses des droits et de la vie privée ;
• l’intégration du français dès la conception des services publics et privés ;
• la possibilité, pour les utilisateurs, de corriger et de signaler les réponses inadaptées.

Préserver la richesse du français dans l’IA ne revient pas à figer la langue ni à rejeter les apports venus d’ailleurs. Une langue vivante évolue, emprunte et invente. Le défi québécois consiste plutôt à éviter que cette évolution soit dictée presque exclusivement par des systèmes entraînés selon les priorités et les données du monde anglophone. Dans un paysage technologique qui se transforme rapidement, défendre le français, c’est aussi défendre le droit de participer pleinement à l’innovation dans sa propre langue.