La Somalie possède l'un des écosystèmes technologiques les plus restreints d'Afrique de l'Est. La plupart des startups restent de petite taille et les capitaux sont limités. Le pays compte moins de 500 startups, mais seulement 53 d'entre elles ont atteint une certaine notoriété. a levé des fonds totalisant 47.8 millions de dollars. Les investisseurs ont participé à 49 levées de fonds, ce qui indique une faible activité : seulement 131 nouvelles entreprises ont été créées ces cinq dernières années, levant 12.1 millions de dollars. Cinq startups ont été rachetées et 95 ont fermé leurs portes. Seules huit ont été fondées par des femmes.
Shaqodoon, une organisation à but non lucratif créée en 2011, œuvre depuis des années au renforcement du secteur technologique local en promouvant des outils numériques pratiques en Somalie et au Kenya. Ses équipes conçoivent des systèmes, notamment des outils d'apprentissage mobile, utilisés par les écoles, les ONG et les organismes publics.
De ce travail est issu NaMaqal, une langue somalienne système de conversion de la parole en texte Ce logiciel convertit le somali parlé en texte. Il part du principe que les organisations ne peuvent répondre aux besoins des communautés qu'elles ne comprennent pas.
Pour de nombreuses organisations, les retours d'information proviennent souvent de contextes ruraux et humanitaires et sont stockés sous forme de fichiers audio sur des téléphones, des enregistreurs ou des serveurs de lignes d'assistance téléphonique. Le personnel peut enregistrer des réunions, des entretiens et des plaintes, mais peine à les traiter car la traduction prend des jours.
« Nous avons constaté qu’une grande partie des précieux retours d’information partagés par les communautés, notamment dans les contextes ruraux et humanitaires, n’étaient disponibles qu’en somali parlé. Les réunions, les entretiens et les consultations étaient enregistrés, mais rarement analysés, car leur transcription manuelle prenait des jours », a déclaré Mustafa Othman, directeur exécutif de Organisation Shaqodoon.
Aujourd'hui, NaMaqal fournit aux équipes des outils pour comprendre et utiliser les retours oraux quasiment en temps réel. L'entreprise collabore actuellement avec des agences des Nations Unies, le Conseil danois pour les réfugiés et World Vision International.
« Le somalien est sous-représentées dans les ensembles de données vocales mondiaux et les outils commerciaux ne le prennent pas bien en charge.
Comment NaMaqal gère le langage réel
NaMaqal s'appuie sur des années de travail menées sur Imaqal, l'outil de retour d'information téléphonique de Shaqodoon. Cette plateforme permettait aux utilisateurs de laisser des messages vocaux contenant des commentaires, des réclamations et des mises à jour.
Selon Othman, le volume d'appels a rapidement augmenté. On recensait entre 1 500 et 3 000 appels par jour, et le personnel consacrait jusqu'à 15 heures par jour à l'écoute, à la transcription et à la traduction. Ce processus ralentissait les délais de réponse. NaMaqal intègre la transcription et la traduction directement dans le système, permettant ainsi au personnel de se concentrer sur la finalisation des documents plutôt que de tout gérer manuellement.
Le processus commence par l'enregistrement audio brut, réalisé par des équipes de terrain ou des médias partenaires à l'aide de téléphones ou d'enregistreurs audio. Une fois le fichier intégré au système, il est traité par réduction du bruit, suppression des silences et ajustement du volume. Le modèle convertit ensuite les ondes sonores en caractéristiques qui capturent la hauteur, la fréquence et d'autres motifs acoustiques. Ces signaux sont ensuite transmis à un réseau neuronal entraîné sur des milliers d'heures d'enregistrements de parole en somali.
À ce stade, le modèle prédit les phonèmes, puis les mots, et enfin les phrases complètes. Un modèle de langage vérifie la grammaire, l'orthographe et le contexte pour garantir l'exactitude du texte. Il ajoute également la ponctuation, supprime les mots superflus et masque les informations sensibles.
Le produit final est un texte somalien prêt à être relu. L'équipe examine les passages signalés comme étant peu fiables, corrige les erreurs et ajoute des notes pour les nouveaux termes d'argot ou les expressions propres à la communauté. Le système enregistre ces modifications et les données relues sont intégrées au cycle de formation suivant.
« Le somali présente ses propres points de tension linguistiques où Les mots véhiculent de multiples niveaux de signification. »
La constitution de l'ensemble de données a été le plus difficile, a expliqué Othman, car il n'existe pas de vastes ensembles de données vocales somaliennes ouvertes. L'équipe a donc dû en créer un, et Shaqodoon a collaboré avec des stations de radio, des universités et des médias communautaires pour recueillir des enregistrements variés.
Ils ont recueilli des émissions de débat, des interviews, des conférences, des extraits de journaux télévisés et des retours vocaux auprès d'Imaqal. Des linguistes et des annotateurs qualifiés ont ensuite étiqueté manuellement les données en relevant le dialecte, le contexte, le ton et les variations entre les locuteurs. Cela a permis au modèle d'apprendre les particularités linguistiques des différentes régions.
Des trois dialectes, le maxaa est le plus répandu et, de ce fait, il est prédominant dans de nombreux ensembles de données existants. Cependant, les dialectes maay et côtiers comptent également d'importantes communautés, et les ignorer reviendrait à exclure des groupes entiers du système.
« Nous avons ensuite fait appel à une équipe de linguistes internes et d'annotateurs qualifiés pour segmenter, étiqueter et vérifier les transcriptions. Un principe fondamental était l'équilibre régional afin de garantir la diversité des genres et des dialectes dans le corpus », a déclaré Othman.
L'équipe s'est ensuite assurée que la répartition des genres, des régions et des dialectes reste diversifiée lors de la collecte des données. Malgré une bonne couverture de Maxaa, le maay n'atteint qu'un taux de précision d'environ 40 % en raison de ses différences grammaticales et lexicales. Le travail sur le maay se poursuit, a indiqué Othman.
Le somali présente ses propres subtilités linguistiques, où les mots peuvent revêtir de multiples significations. Les locuteurs allongent ou raccourcissent les phrases selon l'intonation, et il arrive que l'on passe du somali à l'arabe et à l'anglais dans une même phrase, une pratique courante en Afrique de l'Est.
Les enregistrements en milieu rural sont souvent perturbés par le vent, la circulation ou le bruit de la foule, notamment lors des enregistrements de discours en extérieur. Tous ces facteurs complexifient le modèle.
La plateforme tente de détecter les schémas vocaux et d'acheminer le signal audio vers le modèle de traitement le plus adapté. Chaque groupe dialectal dispose de modèles acoustiques et linguistiques distincts, auxquels s'ajoutent des corrections et des annotations apportées par des relecteurs originaires des régions de langue maay. Leurs contributions alimentent des cycles de réentraînement périodiques.
Modèle d'affaires
NaMaqal fonctionne sur une infrastructure cloud conteneurisée conçue pour traiter d'importants volumes de données audio. Lors des pics d'activité, le GPU (processeur graphique) prend en charge les calculs les plus complexes. Dans les zones reculées, les enregistrements peuvent être mis en cache hors ligne et téléchargés ultérieurement.
« Tous les fichiers sont chiffrés en transit et au repos », a précisé Othman.
Le système nécessite cette structure car les institutions somaliennes enregistrent un volume important de discours dans de nombreux contextes. Les stations de radio recueillent l'opinion publique et les équipes humanitaires collectent des informations de terrain. Les services gouvernementaux organisent des consultations, les chercheurs réalisent des entretiens et les lignes d'assistance téléphonique reçoivent les plaintes et les questions. La transcription manuelle ralentit considérablement ce processus ; NaMaqal propose donc un enregistrement consultable que les équipes peuvent filtrer par sujet, lieu ou période, facilitant ainsi le suivi des problèmes émergents tels que les variations de prix ou les conflits locaux.
Ce flux de travail modifie également la répartition du temps du personnel : au lieu d’une transcription manuelle complète, les relecteurs se concentrent sur la correction des segments que le modèle signale comme incertains. Ils ajoutent également des notes pour les nouveaux termes ou les tournures de phrase locales, qui sont ensuite intégrées aux données d’entraînement, permettant ainsi au système de s’adapter aux schémas de parole réels.
Les organisations peuvent exporter le texte final ou l'intégrer à des tableaux de bord. Le résultat est d'autant plus utile lorsqu'il est associé à des rapports de terrain, des données de programme ou des informations géographiques.
Othman n'a pas précisé le nombre de clients utilisant l'outil, mais a indiqué une « fourchette de prix par utilisation ».
Pourquoi un petit écosystème a-t-il besoin d'outils comme celui-ci ?
D'après Othman, le secteur technologique somalien est restreint. La plupart des jeunes développeurs manquent de financement, de formation et de clients, ce qui explique la faible diffusion nationale de leurs produits. Le développement de technologies vocales y est rare en raison de sa complexité.
Malgré les exigences, NaMaqal s'attaque à un problème concret. Le somali est sous-représenté dans les bases de données vocales mondiales et les outils commerciaux ne le prennent pas suffisamment en charge. Les organisations ont recours à la traduction manuelle, qui ne permet pas de suivre le rythme des retours de la communauté. NaMaqal ouvre la voie à une réponse plus rapide et à une meilleure visibilité dans tous les secteurs en rendant le contenu oral consultable.
« Les possibilités vont bien au-delà de la simple conversion de la parole en texte. Une fois que l'on peut visualiser et rechercher du contenu oral, cela ouvre de nouvelles perspectives dans de nombreux secteurs, comme le traitement des retours vocaux des communautés pour permettre une intervention rapide », a déclaré Othman.
