Le cantonais est parlé par plus de 80 millions de personnesà peu près autant qu’ils parlent coréen, et plus qu’ils parlent italien ou thaï. Pourtant, en matière d’intelligence artificielle, cette langue reste en marge d’une industrie dominée presque entièrement par l’anglais et le mandarin. C’est de ce déséquilibre qu’est née Votee AI, une startup hongkongaise qui développe une Modèle d'IA pour le cantonais capable de servir les banques, les universités et les organismes gouvernementaux, dans une tentative concrète de briser le monopole linguistique qui caractérise aujourd'hui les grands modèles génératifs.
Points clés
- Les principaux développeurs d’IA – OpenAI, Anthropic, DeepSeek, Moonshot AI, Z.ai – sont basés aux États-Unis ou en Chine continentale, et leurs modèles fonctionnent mieux en anglais et en mandarin.
- Votee AI, basée à Hong Kong, recycle des modèles à poids ouvert tels que Llama de Meta et Qwen d'Alibaba en utilisant des données cantonaises.
- Le corpus de données cantonais de l'entreprise est passé de 100 millions à plus de 500 millions de jetons.
- Les modèles de vote ont environ 70 milliards de paramètres et ont été formés avec un budget d'environ 250 000 $.
- L’entreprise vise à se développer en Asie du Sud-Est et à appliquer l’IA pour protéger les langues en voie de disparition.
Dominance de l'anglais et du mandarin, et vide laissé par le cantonais
La course à l’intelligence artificielle générative se joue presque entièrement en deux langues. Comme le souligne Pak-Sun Ting, PDG de Votee AI, « Toute la révolution de l'IA se déroule en anglais et en mandarin »alors que seule une fraction minime des modèles représente les autres langues du monde. Ce n’est pas une coïncidence : les entreprises à la tête du développement de grands modèles linguistiques sont basées presque exclusivement aux États-Unis ou en Chine continentale, et leurs systèmes reflètent naturellement le contexte linguistique dans lequel ils ont été créés.
Le cantonais paie le prix de ce déséquilibre malgré son utilisation répandue. Il a une grammaire et un vocabulaire distincts du mandarin et, à Hong Kong, il se mélange souvent à l'anglais au sein d'une même phrase. Ting insiste sur le fait qu'il ne s'agit pas seulement d'une question culturelle : le cantonais est la langue utilisée dans l'éducation, les soins de santé et les communications policières. Si un système d’intelligence artificielle ne peut pas le gérer, il devient effectivement inutile pour ceux qui vivent et travaillent dans ces contextes. Un banc d'essai indépendant, HKCanto-Eval, développé par des chercheurs de l'Université de Kyushu et de l'Université d'éducation de Hong Kong avec le soutien de la communauté hon9kon9ize et du sponsor Votee, a confirmé que les modèles traditionnels traitent le cantonais familier à un niveau acceptable, mais échouent systématiquement lorsque les références culturelles et les connaissances locales entrent en jeu.
Comment Votee AI construit son modèle d'IA pour le cantonais
Construire un modèle d'IA pour le cantonais, explique Ting, signifie suivre pratiquement les mêmes étapes que la formation à partir de zéro : vous partez d'un modèle open source existant, comme le Llama de Meta ou le Qwen d'Alibaba, et procédez à une formation supplémentaire basée sur des données cantonaises.
Pour construire ceci Corpus cantonais pour l’IAVotee combine de multiples sources : le scraping en ligne, avec des contenus également issus de Radio Television Hong Kong, le diffuseur public de la ville, la contribution des communautés et des universités, les actifs informationnels accumulés lors de l'activité précédente de l'entreprise dans le secteur du big data, et enfin les données synthétiques générées en interne. La somme de ces efforts a permis au corpus de croître 100 millions à plus de 500 millions de jetonsun bond significatif mais encore minime par rapport aux quantités de textes disponibles en anglais.
Et c'est précisément là qu'apparaît l'avantage concurrentiel de Votee : ses modèles comptent environ 70 milliards de paramètresune taille beaucoup plus petite que les systèmes leaders du marché. Cependant, Ting maintient qu’ils sont toujours capables de comprendre et de raisonner en cantonais. La véritable force réside dans les coûts : l'entreprise utilise le tra 500 millions et 1 milliard de jetons pour la formation, comparé aux milliers de milliards utilisés par les modèles anglophones, pour une dépense totale estimée à environ 250 000 $. Un chiffre qui, s’il est confirmé à grande échelle, ouvre la voie à un développement durable de l’IA pour les cantonais même pour les entreprises et organismes publics aux budgets limités.
Pourquoi c’est important : Si le développement d’un modèle linguistique spécialisé coûte une fraction de ce qu’il faudrait pour un système généraliste, alors même les langues aux ressources numériques limitées – pas seulement le cantonais, mais des dizaines d’autres langues régionales – pourraient enfin avoir un accès réaliste à l’intelligence artificielle, sans dépendre exclusivement des géants américains ou chinois.
IA souveraine, alliances technologiques et plans d’expansion en Asie
Le projet de Votee s'inscrit dans une tendance plus large de l'IA dite souveraine : l'idée selon laquelle les gouvernements et les entreprises devraient posséder leurs propres données, modèles et infrastructures, plutôt que de les louer à des fournisseurs étrangers. « L'IA est devenue un besoin tellement essentiel que vous ne voulez pas être lié à quelqu'un d'autre qui peut simplement l'éteindre », observe Ting, mais admet franchement que concrétiser pleinement l'idée – posséder chaque maillon de la chaîne de production de l'IA – est « très difficile ». Sa proposition la plus réaliste est que les gouvernements se concentrent sur la propriété des modèles sous-jacents et des applications construites sur ceux-ci.
Vous n'avez pas besoin d'un modèle à la frontière technologique pour automatiser des tâches administratives spécifiques : selon Ting, même un modèle avec seulement 1 milliard de paramètres peut suffire, ou vous pouvez transmettre la sortie d'un modèle puissant en anglais ou en chinois via un niveau plus petit et localisé. Votee, pour sa part, collabore avec plusieurs fournisseurs de modèles et de matériel, notamment MiniMax, SenseTime, Nvidia, Moonshot et DeepSeek, dans ce que Ting décrit comme « l'ami de tout le monde au lycée ».
Cette ouverture contractuelle est également le moteur économique de l'entreprise : Ting affirme que Votee est rentable dans le sens où les revenus dépassent les coûts, soutenus principalement par des contrats avec des clients institutionnels. Parmi les soutiens, il y a aussi Allan Zeman, le magnat de Hong Kong connu pour avoir contribué au développement du quartier de la vie nocturne de Lan Kwai Fong, aujourd'hui conseiller de la startup.
Pour l’avenir, Votee est en discussions actives avec AI Singapore pour une expansion de l’IA en Asie, avec un objectif déclaré d’expansion en Asie du Sud-Est. Ting souhaite également appliquer la même logique à la protection des langues menacées dans des régions telles que l'Asie de l'Est, l'Amérique du Nord et l'Afrique. La comparaison qu'il utilise est celle de la machine à écrire : un gain de productivité si grand que les gens finissent par abandonner leur propre langue pour en adopter une autre. Reste à savoir si un modèle à 70 milliards de paramètres peut inverser cette dynamique, mais l'objectif de Votee est de donner au cantonais – et potentiellement à de nombreuses autres langues négligées – une réelle chance dans un écosystème construit presque exclusivement autour de l'anglais et du mandarin.
FAQ
Pourquoi Votee AI se concentre-t-il sur le cantonais pour développer des modèles d'IA ?
Car le cantonais, parlé par plus de 80 millions de personnes, soit autant que de coréens, est très différent du mandarin et mal servi par l'intelligence artificielle, avec des répercussions sur des secteurs comme l'éducation et la santé.
Comment Votee AI construit-il ses modèles d'IA pour le cantonais ?
Votee AI recycle les modèles à poids ouvert de développeurs comme Meta en utilisant des données cantonaises collectées via le scraping, des sources communautaires, des universités et des données synthétiques générées en interne.
Qu’est-ce que l’IA souveraine et quel est son rapport avec l’IA Votee ?
L’IA souveraine est le principe selon lequel les gouvernements et les entreprises doivent posséder leurs propres données, modèles et infrastructures d’intelligence artificielle. Votee AI soutient cette approche en localisant des modèles pour le cantonais et en collaborant avec des partenaires locaux et internationaux.
Quels sont les plans d’expansion régionale de Votee AI ?
Votee AI est en discussions actives avec AI Singapore et prévoit de s'étendre en Asie du Sud-Est, ainsi que d'explorer l'utilisation de l'intelligence artificielle pour protéger les langues en voie de disparition à l'échelle mondiale.
Contenu créé avec l’aide de l’intelligence artificielle et de la révision éditoriale humaine.