La plupart des Africains parlent au moins deux langues et les mélangent souvent dans une même phrase, comme « My loan imekataliwa, but I paid yesterday. ». Dans de nombreux systèmes de reconnaissance vocale, l’anglais est transcrit tandis que le swahili est omis, ce qui fait perdre une partie du sens à toute entreprise qui s’appuie sur la transcription.

Intron, une entreprise de technologie vocale axée sur l’Afrique et fondée à Lagos, a lancé Sahara v2.5, un ensemble de modèles conçu pour ce cas d’usage. Cette version ajoute la prise en charge du code-switching — la capacité à suivre un locuteur qui passe d’une langue à l’autre au sein d’une même phrase — pour 12 langues africaines, dont le zoulou, le haoussa, le swahili et le luganda.

Elle introduit également ce qu’Intron présente comme le premier modèle africain de reconnaissance vocale trilingue au monde, conçu pour gérer des conversations passant entre trois langues. Le modèle est destiné au Rwanda, où le kinyarwanda, langue nationale parlée par presque toute la population, coexiste avec l’anglais et le français dans la vie professionnelle quotidienne. La société indique avoir déposé des brevets américains sur les algorithmes qui le sous-tendent.

Intron estime que le code-switching constitue un problème technique distinct que les laboratoires mondiaux ont souvent relégué au second plan. Un modèle peut être excellent en anglais, compétent en swahili, et échouer lorsque les deux apparaissent dans la même phrase. La société pense que résoudre ce problème exige des données dédiées, un entraînement dédié et une évaluation dédiée, et qu’une petite entreprise concentrée sur un problème étroit peut surpasser une grande entreprise s’appuyant sur une moyenne mondiale.

Selon les propres benchmarks d’Intron, Sahara v2.5 a enregistré un taux moyen d’erreur de mots de 34,3 % sur 12 langues de parole africaine avec code-switching, contre 53,8 % pour Gemini 3.6, un modèle d’IA de Google. En pratique, cela signifie que Sahara se trompe sur environ un mot sur trois, tandis que Gemini se trompe sur plus d’un mot sur deux.

La société affirme que Sahara a surpassé Gemini, ElevenLabs et Meta dans les 12 langues testées. Cela signifie toutefois qu’environ un mot sur trois reste incorrect.

Fondée en 2020 par Tobi Olatunji, un médecin formé au Nigeria, et Kunle Asekun, Intron a levé 1,6 million de dollars en pré-amorçage en juillet 2024, menée par Microtraction, pour résoudre un problème administratif dans les hôpitaux, mais cherche désormais à faire fonctionner l’IA vocale à l’échelle du continent.

Pourquoi le code-switching est difficile

La parole est plus difficile que le texte ici, car un modèle lisant une phrase écrite peut voir où chaque mot commence et se termine. Un modèle qui écoute l’audio ne reçoit que du son. Il doit déterminer les sons, les mots, l’accent, le contexte et la langue entendue — tout à la fois, sans rien pour marquer où se termine le yoruba et où commence l’anglais. Le changement peut intervenir entre deux phrases, au milieu d’une phrase ou autour d’un seul mot.

Les autres systèmes gèrent cela en identifiant d’abord la langue, puis en envoyant chaque segment vers un reconnaisseur monolingue — un modèle entraîné à transcrire une seule langue. Cette approche fonctionne sur de longs segments propres et se dégrade lorsqu’un changement ne dure qu’un ou deux mots. Intron explique qu’il entraîne Sahara directement sur de la parole multilingue, afin que le modèle traite le changement de langue comme quelque chose de normal, apprenne quelles transitions sont possibles pour chaque paire de langues et les résolve à l’aide d’indices acoustiques et du contexte sur l’ensemble de l’énoncé.

Un second problème commence avec la tokenisation. Avant qu’un modèle puisse traiter la parole, il découpe le son en petites unités appelées tokens, chacune associée à un fragment de langue déjà vu auparavant. Si les formes en langues africaines ne représentent qu’une faible part des données d’entraînement, le modèle dispose de trop peu de tokens africains pour faire la correspondance. Il force alors un son africain inconnu dans le token anglais ou français le plus proche qu’il connaît. Le résultat est soit une hallucination — un mot que le locuteur n’a jamais prononcé — soit un passage de parole qui disparaît entièrement de la transcription.

Les données d’entraînement elles-mêmes sont également rares. Les enregistrements naturels de parole avec code-switching sont difficiles à obtenir, et l’audio artificiellement mélangé ne reflète pas la manière dont les gens changent réellement de langue.

« Le code-switching a été l’un des plus grands problèmes qui revenaient systématiquement pour les clients déployant une IA vocale en conditions réelles », a déclaré Tobi Olatunji, PDG d’Intron, à TechCabal dans un entretien. « L’Afrique a besoin d’une IA conçue pour la façon dont les Africains parlent réellement. Les gens ne devraient pas avoir à se traduire pour une machine, à lisser leur accent, à éviter les expressions locales ou à répéter uniquement la partie anglaise de ce qu’ils ont dit. »

Qui utilise Sahara ?

Intron indique que son modèle prend désormais en charge des déploiements en production et en recherche dans plus de 40 organisations réparties dans six pays : Nigeria, Kenya, Afrique du Sud, Ouganda, Rwanda et Ghana.

L’exemple commercial partagé par Intron est Branch International, un prêteur fintech, où des agents de recouvrement alimentés par Sahara ont récupéré plus de ₦1.2 million ($891) de prêts en défaut en une semaine, avec des remboursements record en dehors des heures de bureau et le week-end, et de meilleures performances que les agents humains sur des prêts de plus de 356 jours de retard.

« Les clients ont interagi naturellement même en dehors des heures de bureau et le week-end », a déclaré Adanne Anene, Head of Product Africa chez Branch, dans une déclaration transmise à TechCabal.

La synthèse vocale, qui convertit des mots écrits en audio parlé, et les agents vocaux gèrent désormais le mélange de langues sur 13 paires de langues, dépassant ElevenLabs et Gemini dans neuf d’entre elles selon les tests d’Intron, a indiqué la startup dans un communiqué.

La nouvelle prise en charge de la reconnaissance vocale pour le nupe, le kanuri, le fulfulde nigérian, le tigrinya, le kikuyu, le dholuo et le somali porte la couverture totale à 31 langues. La société a également ajouté la reconnaissance vocale en streaming et la synthèse vocale en streaming à son interface de programmation d’application (API) — la connexion que les développeurs utilisent pour intégrer les modèles d’Intron à leurs propres produits — pour les sous-titres en direct et les applications en temps réel.

Intron a également publié un Africa Voice AI Report 2026, qui soutient que la collecte de données en langues africaines n’est qu’une des barrières à une IA vocale fiable. La capacité de recherche, la possibilité d’assembler des systèmes entre eux et l’expertise de déploiement comptent tout autant.

Un exemple est le scribe médical ambiant — un logiciel qui écoute une consultation médecin-patient et rédige automatiquement les notes. Il est largement utilisé aux États-Unis et en Europe, mais reste en grande partie impraticable dans les cliniques africaines, où une seule consultation peut impliquer deux ou trois langues.

Une véritable montée en échelle exige d’aller au-delà des intégrations superficielles pour parvenir à une exécution robuste. Nous avons éliminé le bruit de Moonshot 2026, en optimisant la conférence strictement pour des connexions de haut niveau entre fondateurs de startups, opérateurs financiers mondiaux, dirigeants d’entreprise et personnes qui remodèlent les cadres techniques de l’Afrique. Bénéficiez de 20% de réduction sur les billets Early Bird pour une durée limitée.