L'IA et la Culture Marocaine : Préserver le Darija et l'Amazigh à l'Ère Numérique

Il y a un angle mort dans la révolution de l'IA mondiale : la plupart des grands modèles de langage — ces systèmes qui comprennent et génèrent du texte avec une sophistication croissante — ont été entraînés massivement sur de l'anglais, avec quelques incursions dans le français, l'espagnol, le mandarin ou l'arabe classique. Le darija marocain, parlé quotidiennement par plus de 30 millions de personnes, est quasi absent de ces modèles. L'amazigh et ses variantes — tachelhit, tamazight, tarifit — encore davantage.

C'est l'injustice que le groupe IA4Société & Culture d'AI4Morocco s'est donné pour mission de corriger. Non pas par militantisme culturel abstrait, mais parce que des systèmes d'IA qui ne comprennent pas comment les Marocains parlent réellement sont des systèmes qui ne peuvent pas vraiment servir les Marocains.

Le darija n'est pas simplement "de l'arabe parlé". C'est une langue à part entière, avec sa propre grammaire, sa propre phonologie et un lexique qui mélange de manière créative des racines arabes, berbères, françaises, espagnoles et même portugaises — héritage des siècles d'histoire cosmopolite du Maroc. Cette richesse en fait un terrain d'étude linguistique captivant, mais aussi un défi technique redoutable pour les systèmes de traitement automatique du langage.

Le darija s'écrit rarement — et quand il s'écrit, les locuteurs utilisent tantôt l'alphabet arabe, tantôt les caractères latins, tantôt un mélange des deux, avec des conventions orthographiques qui varient d'une personne à l'autre. Un même mot peut s'écrire de cinq façons différentes selon le scripteur. Cette absence de standardisation écrite est un obstacle majeur à la constitution de jeux de données d'entraînement.

Le groupe IA4Société & Culture travaille sur plusieurs fronts : la collecte et l'annotation de corpus de darija écrit et oral, la définition de conventions orthographiques de référence (sans imposer une normalisation artificielle qui trahirait la nature vivante de la langue), et le développement de modèles de traitement automatique adaptés à ces spécificités.

Si le darija est sous-représenté dans l'IA mondiale, l'amazigh l'est encore davantage. Pourtant, le tamazight est co-officiel au Maroc depuis la Constitution de 2011, et des millions de Marocains — particulièrement dans les régions du Souss, du Rif et de l'Atlas — ont l'amazigh comme langue maternelle.

Construire des systèmes d'IA capables de comprendre et de générer l'amazigh — dans ses variantes régionales et en tifinagh, son écriture propre — est à la fois un acte de justice linguistique et un projet technologique pionnier. Il existe peu de modèles de ce type dans le monde, ce qui signifie que l'équipe qui y travaillera au Maroc pourra faire œuvre de précurseur à l'échelle internationale.

Le groupe collabore avec l'Institut Royal de la Culture Amazighe (IRCAM) pour accéder aux ressources linguistiques existantes et développer des corpus annotés. C'est un partenariat symboliquement fort, qui ancre le travail technologique dans les institutions culturelles marocaines légitimes.

Au-delà des langues vivantes, le groupe IA4Société & Culture s'intéresse à la préservation du patrimoine culturel marocain immatériel. Des milliers d'heures d'enregistrements de musique andalouse, de poésie malhoun, de contes traditionnels, de chants gnawa ou de musique amazighe sont stockés sur des supports qui se dégradent ou sont dispersés dans des archives peu accessibles.

L'IA peut jouer un rôle crucial dans la numérisation, la transcription, la classification et la mise en accès de ce patrimoine. Des modèles de reconnaissance vocale entraînés sur les dialectes et les styles musicaux marocains peuvent automatiser une partie du travail de transcription. Des systèmes de recommandation culturelle peuvent aider à diffuser ces trésors auprès des jeunes générations marocaines et de la diaspora mondiale.

Le groupe travaille à des projets concrets de numérisation en partenariat avec la Bibliothèque Nationale du Royaume du Maroc et plusieurs associations culturelles régionales.

Il y a une dimension profondément sociale dans ce travail culturel. Des millions de Marocains — personnes âgées en zone rurale, population peu alphabétisée, locuteurs monolingues amazighs — sont aujourd'hui exclus des bénéfices de l'IA parce que ces systèmes ne parlent pas leur langue. Construire une IA qui comprend le darija et l'amazigh, c'est construire une IA qui peut aider une femme du Haut-Atlas à accéder à des informations de santé dans sa langue, un agriculteur du Souss à obtenir des conseils agro-météorologiques sans passer par l'intermédiaire de quelqu'un qui parle français, un artisan de la médina à commercialiser ses produits sur des plateformes numériques en comprenant ce qui s'y passe.

C'est cela que veut dire "IA pour tous" au Maroc — pas simplement mettre des interfaces en arabe classique sur des outils pensés pour des usagers anglophones, mais construire des systèmes qui partent des réalités linguistiques et culturelles marocaines.

Ce groupe est particulièrement ouvert aux linguistes, anthropologues, ethnomusicologues, historiens, archivistes, développeurs en NLP, et à toute personne passionnée par les langues et la culture marocaines. Il accueille aussi des membres de la diaspora qui souhaitent contribuer à distance à la préservation et à la valorisation numérique du patrimoine marocain.

Rejoindre AI4Morocco sur ce chantier, c'est participer à quelque chose d'unique : une technologie de pointe au service d'un héritage millénaire.