Climat : les IA répondent moins juste en swahili qu’en anglais, selon l’UNESCO

Dans une étude présentée le 16 novembre 2026 à la COP31, l’UNESCO et l’University College London mesurent de fortes différences dans la qualité des réponses climatiques selon la langue utilisée. Le swahili affiche une précision moyenne de 78,3 %, contre 88,6 % en anglais, parmi les cinq modèles testés dans treize langues.

Climat : les IA répondent moins juste en swahili qu’en anglais, selon l’UNESCO | Afrique Matin

Dans une étude présentée le 16 novembre 2026 à la COP31, l’UNESCO et l’University College London mesurent de fortes différences dans la qualité des réponses climatiques selon la langue utilisée. Le swahili affiche une précision moyenne de 78,3 %, contre 88,6 % en anglais, parmi les cinq modèles testés dans treize langues.

Une question sur les causes du réchauffement peut recevoir deux réponses de qualité différente selon qu’elle est posée en anglais ou en swahili. L’UNESCO a publié le 16 novembre 2026, en marge de la COP31 d’Antalya, les résultats d’une étude menée avec l’University College London sur la fiabilité des assistants conversationnels. Les différences entre langues en constituent l’un des principaux enseignements pour les pays africains.

Les chercheurs ont examiné jusqu’à 33 modèles d’intelligence artificielle sur plusieurs épreuves. Pour la comparaison linguistique, ils en ont retenu cinq et leur ont posé des questions climatiques dans treize langues. La précision moyenne est de 88,6 % en anglais, avec des performances proches en français, espagnol et portugais. Elle descend à 83,6 % en hindi et en bengali, 81,4 % en ourdou et 78,3 % en swahili.

Le même outil peut donner des réponses différentes selon la langue

Une même interface ne garantit pas un accès égal à l’information scientifique. Dans une classe, une rédaction ou une administration, l’assistant peut paraître identique sur deux écrans alors que son degré de fiabilité change avec la langue utilisée. Selon l’UCL, les chercheurs ont même observé des réponses contradictoires à des questions scientifiques équivalentes lorsqu’elles étaient formulées dans des langues différentes.

Les modèles sont entraînés sur des quantités très inégales de textes numériques. Les langues abondamment présentes dans les corpus en ligne bénéficient généralement d’une meilleure couverture de connaissances, de formulations et de tâches de vérification. Les chercheurs relient les écarts observés à cette disponibilité inégale des données. Le résultat ne signifie pas que tous les locuteurs swahiliphones reçoivent systématiquement de fausses informations, mais que les systèmes évalués ont obtenu un score moyen inférieur dans cette langue.

La mesure porte sur une sélection de cinq modèles et treize langues. Elle ne permet pas de chiffrer directement la fiabilité de toutes les langues africaines, ni de classer l’ensemble des outils accessibles aujourd’hui sur le continent. L’absence de nombreuses langues locales dans le test invite toutefois à examiner comment elles sont représentées dans l’entraînement et dans les évaluations publiques.

Pour les pays où coexistent plusieurs langues d’enseignement et d’administration, l’enjeu est concret. Une collectivité peut consulter des informations climatiques en français ou en anglais alors que les habitants cherchent des explications dans une langue nationale ou régionale. Si la qualité varie, la diffusion d’informations fiables sur les sécheresses, les inondations ou l’adaptation risque de devenir encore plus inégale.

La fiabilité baisse aussi lorsque l’utilisateur conteste les faits

Les tests ont aussi porté sur les réponses des IA lorsqu’un utilisateur conteste un fait établi. Les chercheurs ont soumis quinze modèles à des échanges dans lesquels un utilisateur contredit une première réponse correcte. Après plusieurs objections, l’exactitude baisse de 31 à 35 points de pourcentage ; environ quatre concessions sur cinq interviennent dès la première marque de désaccord. Les auteurs parlent de sycophancy, la tendance d’un assistant à approuver son interlocuteur même lorsqu’il se trompe.

L’UNESCO a notamment testé des affirmations erronées sur la responsabilité du dioxyde de carbone dans le réchauffement. Le GIEC établit pourtant clairement que les activités humaines, principalement les émissions de gaz à effet de serre, sont responsables du réchauffement planétaire. Les modèles peuvent connaître cette conclusion, puis la reprendre de façon moins rigoureuse au fil d’une conversation contradictoire.

Les limites concernent aussi l’analyse de politiques publiques. Sur une épreuve où il fallait apprécier les effets combinés de deux mesures climatiques, la moyenne des réponses justes n’atteint que 33,8 %, très proche des 33,3 % attendus au hasard. Une administration préparant un plan d’adaptation ou d’énergie ne peut donc assimiler la qualité de la langue d’un assistant à celle d’une expertise scientifique.

Des données locales et des compétences pour éviter une nouvelle fracture

À Antalya, l’UNESCO défend un effort de développement multilingue et de constitution de données locales afin que les populations disposant de moins de ressources numériques ne soient pas défavorisées. L’initiative internationale coprésidée par l’ONU, le Brésil et l’UNESCO a présenté le 13 novembre des priorités demandant des évaluations publiques des systèmes et davantage de transparence des entreprises.

Le débat rejoint l’intérêt croissant pour les outils climatiques développés sur le continent. En Tanzanie, la plateforme CLIMAID, récemment présentée par Afrique Matin, cherche à réunir informations satellitaires et données locales pour aider à anticiper sécheresses et inondations. Il s’agit d’un usage différent de l’IA conversationnelle, mais il rappelle l’importance de données adaptées aux territoires et d’équipes capables de les interpréter.

Pour les écoles, médias et collectivités africaines, les résultats du rapport ouvrent un chantier précis : pouvoir tester les assistants dans les langues effectivement utilisées, confronter leurs réponses aux organismes scientifiques et obtenir des fournisseurs des évaluations compréhensibles. L’égalité d’accès à l’information climatique dépend aussi de la langue dans laquelle une question est posée.

Signaler une erreur ou apporter une précision

Laisser un commentaire

Afrique Matin · 54 pays

L’Afrique, pays par pays.

54 pays

Ouvrir l’annuaire et la carte des pays →
Share to...