InstaDeep et iCompass inventent le premier modèle IA en langue tunisienne
mardi 22, juin 2021
InstaDeep et iCompass ont annoncé ce mardi que les deux startups spécialisées en IA offriraient TunBERT, le premier modèle de traitement du langage naturel (NLP) au monde pour le tunisien. Ce modèle sera disponible gratuitement et en open source pour stimuler davantage l’innovation dans un écosystème de technologie AI Tunisien en pleine croissance. Cet écosystème est devenu un phénomène économique et technologique en Afrique du Nord au cours de la dernière décennie.
TunBERT est un modèle linguistique pour le dialecte tunisien qui, en appliquant les dernières avancées en matière d’intelligence artificielle (IA) et d’apprentissage automatique (ML), a été entraîné pour évaluer plusieurs tâches telles que l'analyse des sentiments, la classification des dialectes et les questions-réponses pour la compréhension écrite.
“Nous sommes ravis de dévoiler TunBERT, un projet de recherche né d’une collaboration étroite entre iCompass et InstaDeep qui offre au dialecte tunisien une technologie de pointe”,indique Karim Beguir, CEO et cofondateur d’InstaDeep.
En rendant TunBERT disponible gratuitement à l’écosystème, InstaDeep et iCompass visent à ouvrir la voie à de nouvelles percées en recherche et développement sur multiples secteurs, accélérant ainsi l’innovation en fournissant une base sur laquelle d’autres peuvent s’appuyer pour construire des applications sur tous les domaine d’expertise.
Une collaboration qui vise à améliorer la diversité et assurer une meilleure représentation pour tous les peuples et leur langues afin de développer d’une manière équitable l’intelligence artificielle dans le futur.
Parlé par 12 millions de personnes, le Tunisien est étroitement lié aux dialectes nord-africains qui sont parlés par environ 105 millions de personnes. Le plus grand défi en ce qui concerne le dialecte tunisien est qu'il s'agit d'une langue non standard car elle n'a pas de règles grammaticales.
Pour surmonter ces défis, les équipes de recherche d'InstaDeep et d'iCompass ont créé un ensemble de données de 67,2 Mo extrait des réseaux sociaux. La taille de l'ensemble de données peut sembler petite, mais combinée aux percées technologiques de l’IA en apprentissage profond, elle s’est avérée suffisante pour obtenir d’excellents résultats avec un modèle performant.
Quant à l’évaluation des performances du modèle, l'équipe a mené des expériences de référence approfondies avec six ensembles de données pour trois tâches en aval: affiner TunBERT sur l'analyse des sentiments, l'identification du dialecte et les tâches de questions-réponses.
