Pour Temi Babs, fondateur et PDG de la startup de voix IA basée à Lagos, Spitch, la menace de concurrents mondiaux bien capitalisés comme OpenAI ou ElevenLabs portant leur attention sur les langues africaines n'est pas un motif d'inquiétude. Lorsqu'on lui a demandé ce qui se passerait si ces entreprises décidaient de se lancer sérieusement dans les langues du continent, sa réponse a été sans équivoque : elles devraient d'abord passer par lui.

C'est une affirmation frappante de la part d'un fondateur qui reconnaît avoir « collecté très peu d'argent » et ne pas encore avoir atteint la rentabilité. Pourtant, Babs affirme que dans la construction d'une infrastructure vocale pour les langues africaines, le capital seul n'est pas l'avantage concurrentiel que beaucoup supposent. Les enjeux sont considérables : l'Afrique compte plus de 2 000 langues, et les grandes plateformes mondiales de synthèse vocale et de traduction ont historiquement offert un support limité ou peu fiable pour celles-ci, laissant un fossé de communication qui affecte tout, du service client à la participation civique.

« Je comprends cela si bien parce que nous avons démarré en autofinancement pour atteindre ce niveau », a déclaré Babs à Technext dans une interview exclusive. « Je ne pense pas que le capital seul soit ce qui va gagner ici. Vous pourriez avoir tout le capital, mais si vous êtes incapable de construire… » Il a fait une pause avant de formuler son argument central : tout géant mondial bien financé tentant de servir les marchés africains aurait besoin des relations, des données et de la compréhension de la mentalité du Nigérian moyen, de l'Africain de l'Ouest ou de l'Est moyen — des atouts que Spitch a passés deux ans à accumuler. « Vous ne pouvez pas battre cela avec des milliards de dollars. »

D'un échec en salle de classe à un projet d'infrastructure

Les origines de Spitch remontent à un projet de transcription de cours universitaires qui a révélé une lacune fondamentale dans la technologie vocale existante. Les conférenciers passaient du yoruba, de l'igbo et de l'anglais en plein milieu d'une phrase. Certains parlaient pidgin. D'autres mélangeaient deux langues dans une même phrase, sur fond de bruit de classe qu'aucun ensemble de données d'entraînement propre n'avait été conçu pour gérer.

« Il était impossible, pour ce cas d'utilisation, que ce produit fonctionne réellement dans le contexte africain », a rappelé Babs.

Plutôt que d'abandonner le projet, l'équipe a interprété cet échec comme un signal. Si la transcription échouait si gravement dans les amphithéâtres, le défi principal — permettre aux machines d'entendre, de comprendre et de parler de manière fiable les langues africaines — allait bien au-delà de l'éducation. C'était un problème d'infrastructure.

Le pivot a été rapide. Spitch a signé son premier client payant une semaine avant le lancement officiel de son produit en octobre 2024, une étape que Babs souligne encore avec une satisfaction évidente. « Cela nous a donné une validation pour les produits que nous construisons. »

Empreinte actuelle

Deux ans plus tard, Babs rapporte que Spitch dessert environ 1 800 développeurs, quatre clients entreprises et quinze entreprises de taille moyenne qui acheminent leurs communications clients via la plateforme. Les clients entreprises nommément cités incluent Safaricom Ethiopia — qui fait partie du groupe Safaricom, l'un des plus grands fournisseurs de télécommunications d'Afrique de l'Est — et la publication d'actualités nigériane Leadership, ainsi que ce que Babs a décrit comme plusieurs partenariats interentreprises plus modestes.

Les cas d'utilisation, l'a-t-il volontiers reconnu, ne sont pas particulièrement inhabituels : le support client entrant et sortant et la livraison de contenu aux clients dans leur langue maternelle.

« Rien de vraiment surprenant dans ce que nous avons vu », a-t-il dit, « tant que vous le reliez aux besoins fondamentaux de l'entreprise. »

Le défi des données

Lorsqu'on lui a demandé quel était l'aspect le plus difficile du travail, Babs a pointé non pas l'architecture des modèles, mais les données.

« La puissance de calcul est dans une large mesure limitée par la quantité d'argent dont vous disposez », a-t-il expliqué. « Mais les données sont une autre histoire. Il existe des politiques et des cadres réglementaires sur la façon dont vous traitez et gérez les données. » Cette couche réglementaire, a-t-il soutenu, rend l'acquisition de données plus difficile que le problème de calcul d'« un ou deux niveaux ». Le défi est aggravé par la rareté d'ensembles de données vocales de haute qualité et étiquetées pour les langues africaines — un manque que les initiatives académiques et open source n'ont commencé à combler que ces dernières années.

La stratégie de données de Spitch a évolué à travers trois phases distinctes. L'équipe fondatrice a initialement enregistré ses propres voix pour entraîner les premiers modèles. Ils ont ensuite concédé sous licence des ensembles de données étiquetés auprès de partenaires couvrant des langues individuelles telles que le haoussa, l'igbo, le yoruba et l'amharique. L'approche actuelle consiste à s'associer directement aux clients entreprises, en utilisant leurs données vocales existantes pour affiner des modèles qui sont ensuite déployés dans les propres environnements des clients.

La plateforme peut techniquement prendre en charge plus de 400 langues, héritées de l'infrastructure plus large sur laquelle elle se base, mais Spitch forme et maintient activement une prise en charge solide pour environ quinze à vingt langues à travers l'Afrique de l'Ouest et de l'Est.

Éthique et provenance

Avec les élections de 2027 au Nigeria à l'horizon, et à la suite d'un incident récent dans lequel un porte-parole présidentiel a diffusé une vidéo générée par IA, l'éthique du clonage vocal est loin d'être abstraite pour l'entreprise. Le Nigeria, le pays le plus peuplé d'Afrique avec plus de 220 millions d'habitants, a fait l'objet d'une surveillance accrue de la désinformation numérique, et l'adoption en 2023 de la loi sur la protection des données du Nigeria a ajouté une dimension de conformité formelle à la façon dont les entreprises gèrent les données personnelles, y compris la voix.

Babs a déclaré que chaque fichier audio généré par la plateforme est cryptographiquement signé, ce qui permet la vérification de la provenance de n'importe quel fichier en question. Il a également souligné le rôle de la sensibilisation du public : « Partez du principe que tout ce que vous voyez en ligne pourrait être faux ; n'y croyez pas immédiatement à moins que cela ne vienne directement de cette personne. »

Sur la réglementation, Babs a adopté un ton mesuré plutôt que combatif. La Stratégie nationale d'IA du Nigeria et les cadres émergents de protection des données sont, selon son évaluation, « tout à fait inclusifs » envers les créateurs locaux jusqu'à présent. Son inquiétude concerne le calendrier : les gouvernements risquent de « trop complexifier les choses trop tôt », en imposant des exigences de conformité aux entreprises avant que la technologie ou ses dommages potentiels ne soient suffisamment compris.

Un positionnement au-delà de la géographie

Babs est visiblement réticent à l'idée d'être étiqueté comme « le ElevenLabs de l'Afrique ». Il soutient que définir une entreprise de voix IA principalement par son marché géographique sous-estime sa fonction réelle.

« L'Afrique communique avec le reste du monde. L'Afrique n'est pas isolée », a-t-il déclaré. Dans sa vision, Spitch n'est pas une réplique régionale poursuivant un original mondial ; c'est une infrastructure construite pour des langues que le reste du monde a ignorées, un point c'est tout.

Il reste à voir si ce positionnement résistera à l'entrée sur le marché d'un concurrent bien capitalisé. Mais Babs est sans équivoque sur son ambition à cinq ans : participer à au moins un tiers de toutes les communications vocales en Afrique.

« La voix n'est pas seulement un moyen de communiquer », a-t-il dit. « C'est notre identité, notre culture. C'est notre façon de vivre. »