En septembre 2026, l'équipe de Vambo AI a publié MORENA, une intelligence artificielle conçue pour travailler avec douze langues africaines. Elle sait notamment traiter le haoussa, le swahili et le yoruba. Alors qu'au Cameroun coexistent plus de deux cents langues, une autre question apparaît : et si nous pouvions entraîner une IA à comprendre aussi le duala, le bulu ou l'ewondo ?
Essayez de demander à un assistant numérique de vous répondre dans une langue locale peu présente sur Internet. Selon la langue choisie, il peut hésiter, changer de langue, inventer des mots ou produire une phrase qui paraît convaincante mais ne veut pas dire grand-chose.
Pour des millions d'Africains, ce n'est pas un détail technique. C'est la différence entre un service qui leur parle et un service auquel ils doivent apprendre à parler.
Le 18 septembre 2026, Vambo AI a publié MORENA, un modèle de langage spécialisé dans douze langues africaines. Un modèle de langage, c'est le moteur qui permet à un assistant de comprendre une demande et de produire une réponse écrite. MORENA n'est pas un assistant prêt à remplacer tous les autres : c'est d'abord une base technologique que l'on peut étudier, adapter et utiliser pour créer des applications.
Douze langues, et une question pour le Cameroun
La fiche technique de MORENA mentionne notamment le swahili, le haoussa, le yoruba, l'igbo, le kinyarwanda, le shona, le zoulou, le xhosa, le setswana, l'afrikaans, le ndébélé d'Afrique australe et le pidgin nigérian. Le modèle a aussi travaillé avec du français, de l'anglais et du code informatique.
Précision importante : le haoussa est également parlé au Cameroun. Il serait donc faux de dire que le pays est totalement absent de ces langues. En revanche, le duala, le bulu, le basaa et l'ewondo ne figurent pas dans les douze langues ciblées. Le pidgin nigérian ne garantit pas non plus des résultats identiques avec toutes les variétés du pidgin camerounais.
Selon l'UNESCO, le Cameroun compte environ 239 langues parlées, un ordre de grandeur qui varie selon les classifications. Ce patrimoine n'est pas une simple curiosité culturelle : il influence l'école, la santé, le commerce, l'administration et les conversations familiales.
Alors pourquoi un assistant pourrait-il traiter plus facilement des textes en yoruba qu'en bulu ? Parce que les modèles apprennent à partir d'exemples. Et certaines langues disposent de bien davantage de textes numérisés, de traductions, de ressources linguistiques et d'évaluations que d'autres.
Apprendre une langue à une IA, ce n'est pas lui donner un dictionnaire
Imaginons que des chercheurs camerounais veuillent créer un assistant qui explique les démarches administratives en duala. Il ne suffirait pas de télécharger une liste de mots traduits du français.
Il faudrait réunir des phrases naturelles, des expressions utilisées aujourd'hui, des textes dont l'origine et les droits sont connus, puis demander à des locuteurs compétents de vérifier les réponses. Il faudrait également faire la différence entre les variantes locales et déterminer comment écrire des mots lorsque plusieurs usages coexistent.
Une IA s'entraîne en recherchant des régularités dans des textes. Si elle rencontre rarement une langue, elle risque de mal en comprendre la grammaire et les nuances. Et si les données utilisées contiennent des erreurs, celles-ci peuvent se retrouver dans les réponses.
L'autre difficulté est l'évaluation. Pour savoir si le modèle fonctionne, il ne suffit pas de montrer cinq exemples réussis : il faut le tester sur des phrases qu'il n'a pas vues, avec des locuteurs capables de repérer les erreurs, et sur des usages concrets comme traduire une consigne scolaire ou comprendre une question.
Le travail de communautés de recherche africaines comme Masakhane rappelle justement qu'une telle démarche demande linguistes, développeurs, traducteurs et locuteurs — pas seulement des cartes graphiques puissantes.
Ce que MORENA prouve… et ce qu'il ne prouve pas
MORENA a été entraîné à partir de zéro, avec un vocabulaire adapté aux langues ciblées. Ses auteurs publient plusieurs tailles de modèles, dont une version principale d'environ 1,5 milliard de paramètres. Les paramètres sont les valeurs numériques ajustées pendant l'entraînement : plus de paramètres ne signifie pas automatiquement de meilleures réponses.
Sur un test qui mesure la capacité à prédire du texte africain, le modèle MORENA 1.5B base obtient 1,408 bit par octet, contre 1,423 pour Lugha-Llama-8B et 2,159 pour Gemma 3 12B Instruct, dans la comparaison publiée par Vambo AI. Ici, plus le score est bas, meilleure est la prédiction sur ce test précis.
MORENA : prédiction de textes africains
Bits par octet — plus bas est mieux sur ce jeu de test spécifique seulement.
Catégories affichées : 3 / 3
C'est un résultat intéressant pour un modèle relativement petit. Mais attention à ne pas lui faire dire davantage : la prédiction de texte ne mesure pas à elle seule la qualité d'une conversation, d'une traduction médicale ou d'une réponse fiable à une question.
La fiche du modèle conversationnel reconnaît d'ailleurs de vraies limites. Dans son propre test de génération à partir de faits fournis, seulement 23 % des réponses évaluées étaient entièrement fidèles aux informations de départ. Les auteurs signalent aussi un problème de refus excessifs sur des demandes ordinaires. Ce niveau de transparence est utile : il rappelle que « parler une langue » ne signifie pas « comprendre et conseiller sans risque ».
Les poids du modèle sont disponibles sous licence Apache 2.0, ce qui autorise notamment certaines réutilisations commerciales. Mais le corpus d'entraînement complet n'est pas publié avec eux. Un développeur peut donc expérimenter avec le modèle ; il ne peut pas pour autant vérifier chaque document ayant servi à l'entraîner.
Et si le Cameroun commençait par un problème modeste ?
On pourrait rêver d'un assistant universel capable de converser dans toutes les langues camerounaises. Mais un premier projet plus limité serait probablement plus utile.
Par exemple : un outil qui aide à comprendre les panneaux de sécurité d'un centre de formation dans une langue locale ; un petit corpus bilingue pour des exercices scolaires ; ou une application permettant aux associations de conserver, avec l'accord des locuteurs, des expressions et des récits oraux.
Dans chacun de ces cas, il faudrait des personnes compétentes pour valider les textes, des règles de consentement claires et un moyen de signaler une erreur. Pour les applications médicales ou juridiques, un contrôle humain renforcé resterait indispensable.
Le Cameroun n'a pas besoin de partir seul. Les universités, chercheurs, communautés linguistiques et développeurs peuvent collaborer, adapter des modèles ouverts et publier leurs méthodes afin que d'autres équipes puissent les améliorer.
MORENA montre qu'une équipe africaine peut produire une contribution technique documentée et l'ouvrir à d'autres. Le prochain défi n'est pas simplement d'ajouter des langues à une liste pour battre un record.
Il est de faire en sorte que le numérique apprenne aussi à écouter ceux qui n'ont jamais eu besoin de parler français ou anglais pour penser, transmettre et comprendre le monde.
