Quand l’IA ne parle pas notre langue : Enjeux techniques et sociolinguistiques de la reconnaissance automatique de l’arabe algérien.

Abstract: This article investigates the technical and sociolinguistic challenges of integrating Algerian Arabic into Automatic Speech Recognition and Natural Language Processing systems, particularly in contexts involving code-switching with French. Significant dialectal variation, the absence of orthographic standardization, and the overrepresentation of Modern Standard Arabic in training corpora limit these systems’ ability to accurately reflect our linguistic reality. This situation requires addressing both technical issues (phonetic, prosodic, and script diversity) and an inclusion imperative to prevent the invisibilization of dialectal varieties. To this end, we adopt a theoretical framework combining computational linguistics and digital sociolinguistics, and propose a methodology based on the collaborative construction and annotation of representative corpora that incorporate regional variants, code-switching, and scriptural diversity, with the aim of developing fairer models adapted to the Algerian context. Résumé : Nous examinons dans cet article les enjeux techniques et sociolinguistiques liés à l’intégration de l’arabe algérien dans les systèmes de reconnaissance automatique de la parole et de traitement automatique du langage, notamment dans les situations de code-switching avec le français. La forte variation dialectale, l’absence de standardisation orthographique et la surreprésentation de l’arabe standard dans les corpus d’entraînement limitent la capacité de ces systèmes à refléter fidèlement notre réalité langagière. Cette situation impose de relever des défis techniques (diversité phonétique, prosodique et graphique) et un impératif d’inclusion pour éviter l’invisibilisation des variétés dialectales. Pour y répondre, nous mobilisons un cadre théorique associant linguistique computationnelle et sociolinguistique numérique, et proposons une méthodologie fondée sur la constitution et l’annotation collaborative de corpus représentatifs intégrant variantes régionales, alternances codiques et spécificités scripturales, en vue de développer des modèles plus équitables et adaptés au contexte algérien