Tether annonce une traduction IA hors ligne pour 19 langues africaines

Tether a annoncé en septembre 2026 QVAC TranslatePsy-AfriSLM, une famille de modèles de traduction qui traite le texte directement sur un téléphone ou un ordinateur. Elle couvre 19 langues d’Afrique subsaharienne et peut fonctionner sans connexion après l’installation du modèle.

Le gain attendu est concret dans les zones où l’accès à Internet est lent, coûteux ou intermittent. Le traitement local peut aussi limiter l’envoi de conversations vers un serveur distant. Il ne garantit toutefois ni une traduction exacte dans toutes les situations ni une confidentialité complète : la qualité dépend des langues et des usages, tandis que l’application qui intègre le modèle peut collecter d’autres données.

19 langues couvertes par un modèle installé localement

La famille AfriSLM prend en charge le haoussa, l’amharique, le yoruba, le lingala, le swahili, l’igbo, le zoulou, le somali et l’oromo. Elle inclut aussi le malgache, le kinyarwanda, le xhosa, l’afrikaans, le wolof, le luganda, le nyanja, le shona, le tswana et le sesotho du Sud.

Ces 19 langues ne forment pas un ensemble homogène. Elles comportent des variantes régionales, des usages différents et des volumes de données disponibles très variables. Un modèle qui traduit correctement un texte standard peut donc produire un résultat moins fiable dans une conversation locale, avec des fautes ou dans un document spécialisé.

Les versions annoncées comprennent 0,8, 2 et 4 milliards de paramètres. Cette déclinaison permet d’adapter le modèle à la mémoire et aux capacités de l’appareil, du téléphone à l’ordinateur portable. Le texte est traité localement, sans appel obligatoire à une API cloud.

La traduction hors ligne réduit la dépendance au réseau

Après le téléchargement du modèle, un téléphone peut continuer à traduire lorsque la connexion disparaît. Cette possibilité dépend toutefois de l’espace de stockage, de la mémoire disponible et des ressources nécessaires à l’exécution du modèle.

Le traitement local réduit l’envoi du texte vers un fournisseur distant. Cela peut être utile pour un message personnel, un échange professionnel ou un document contenant des informations sensibles. Cette protection n’est pas automatique : l’application peut conserver des journaux ou transmettre d’autres données. Il faut donc vérifier son fonctionnement, et pas seulement la fiche technique du modèle.

Les usages envisagés incluent les outils éducatifs, les services d’information agricole, les applications destinées aux voyageurs et certains dispositifs utilisés sur le terrain. Dans le domaine de la santé, une traduction locale peut faciliter l’accès à une information compréhensible. Elle ne remplace pas un professionnel ni une validation humaine pour un diagnostic, une posologie ou une urgence.

Des performances annoncées à vérifier

Les comparaisons annoncées pour la version de 0,8 milliard de paramètres portent sur Qwen3.5-122B-A10B, TranslateGemma-27B et NLLB-3.3B. Elles utilisent FLORES-200, BOUQuET et SMOL, trois ensembles de tests employés pour évaluer des systèmes de traduction.

Un modèle spécialisé peut obtenir de meilleurs résultats qu’un modèle généraliste sur une tâche précise lorsque ses données sont mieux sélectionnées. Le dispositif annoncé aurait écarté jusqu’à 96 % des contenus jugés insuffisants avant l’entraînement. Un filtrage sévère peut améliorer la qualité de données parallèles limitées, mais ce chiffre et l’ampleur des gains doivent encore être confirmés par des évaluations indépendantes.

La publication des modèles permet à d’autres équipes d’examiner leur fonctionnement, de reproduire les tests et de mesurer les erreurs sur leurs propres corpus. Tant que cette vérification n’a pas été menée indépendamment, les comparaisons avec les grands modèles restent des performances annoncées, pas un classement définitivement établi.

Un second modèle européen beaucoup plus compact

La même gamme comprend QVAC TranslatePsy-EuroNano, conçu pour neuf langues européennes. Il utilise l’anglais comme langue intermédiaire et propose 90 routes de traduction entre les langues prises en charge. Sa taille annoncée est d’environ 36 Mo, ce qui réduit l’espace nécessaire à son intégration dans une application mobile.

Cette version met en avant un autre critère que le seul score de traduction. La taille du modèle, le nombre de langues, la mémoire disponible et le fonctionnement sans réseau influencent aussi le choix d’une solution. Un modèle compact peut être plus simple à distribuer, mais sa qualité doit être mesurée pour chaque paire de langues et chaque usage.

Ce qu’il faut vérifier avant un usage quotidien

Un premier test doit dépasser la phrase courte en anglais. Il faut comparer plusieurs directions de traduction, des phrases longues, des noms propres, des expressions locales et des messages contenant des chiffres ou des dates. Une erreur sur un montant, une unité ou une négation peut modifier le sens du message.

Les développeurs doivent également vérifier la licence, la compatibilité matérielle, la consommation de mémoire et la procédure de mise à jour. Un modèle hors ligne ne reçoit pas automatiquement les corrections ou les améliorations d’une version cloud. La distribution de nouvelles versions doit donc être prévue pour les applications utilisées dans un contexte professionnel.

Le test utile consiste à mesurer les résultats sur les phrases réellement employées, avec le téléphone et la connexion dont disposent les utilisateurs. C’est cette vérification, langue par langue et usage par usage, qui permettra de juger la valeur pratique d’AfriSLM au-delà des benchmarks.