Le problème
Les modèles progressent. Les données, non.
Rendre une IA capable de comprendre une langue ne dépend pas seulement du modèle. Pour la plupart des langues africaines, ce qui manque se situe en amont — dans les données elles-mêmes.
- 01Représentativité — trop peu de voix, de régions, de registres et de domaines réels.
- 02Provenance — l'origine d'un enregistrement est rarement documentée de bout en bout.
- 03Droits — accéder à un contenu n'est pas avoir le droit de l'utiliser pour entraîner une IA.
- 04Qualité — sans contrôle, un jeu de données volumineux reste inexploitable.
- 05Évaluation — il manque des références fiables pour mesurer ce que valent vraiment les systèmes.
Ce que SA BAAT construit
Une chaîne, de la voix au jeu de données gouverné.
Quatre fonctions, dans l'ordre. Chaque contribution porte son identité, sa provenance, son consentement et ses droits.
01 — COLLECT
Collecter
Recueillir la parole avec consentement éclairé, missions ciblées et métadonnées propres.
02 — GOVERN
Gouverner
Attacher provenance, licence, droits d'usage et historique à chaque enregistrement.
03 — VERIFY
Vérifier
Transcrire, contrôler la qualité, détecter les doublons et attester l'intégrité.
04 — EVALUATE
Évaluer
Mesurer les jeux de données et, à terme, les systèmes ASR, TTS et LLM sur des références réelles.
L'état réel
Ce qui existe déjà.
La boucle de collecte est construite et vérifiée sur notre environnement de test. Nous n'annonçons que ce qui est prouvé.
La collecte publique n'est pas encore ouverte. Cette page présente la mission et la méthode — la contribution se fera par cohortes, après validation des exigences de sécurité, de confidentialité et de droits.
Wolof first
Pourquoi commencer par le wolof.
Le wolof est notre terrain de validation. C'est une langue vivante, largement parlée, au carrefour de l'oral, de l'écrit et du français — un cas d'usage exigeant et représentatif.
Ce que nous prouvons sur le wolof — la qualité, la gouvernance des droits, la traçabilité — l'infrastructure le rendra reproductible pour d'autres langues africaines. Nous ne prétendons pas couvrir déjà tout le continent. Nous construisons la fondation, langue après langue.
Confiance & gouvernance
La confiance n'est pas une option ajoutée.
Elle est inscrite dans le système, dès la première contribution.
- ◆Provenance — l'origine et le parcours de chaque enregistrement sont tracés.
- ◆Consentement éclairé — recueilli, versionné et conservé.
- ◆Droit de retrait — un contributeur peut retirer sa voix des usages futurs.
- ◆Contrôle qualité — validation humaine et empreinte d'intégrité côté serveur.
- ◆Droits d'usage explicites — par défaut, l'usage commercial est refusé tant qu'il n'est pas accordé.
- ◆Protection des contributeurs — pas d'identité civile dans les données, pseudonymat par conception.
Partenaires recherchés
Construisons cette infrastructure ensemble.
SA BAAT résout d'abord un problème pour vous — donnée, évaluation, valorisation d'archives, inclusion. Le partenariat vient avant la demande.
Pilote
Premier pilote en préparation.
50–100 contributeurs
Nous préparons une cohorte pilote pour mesurer la qualité, l'expérience et l'économie réelle de la collecte. Il n'a pas encore eu lieu — nous ne revendiquons aucun résultat que nous n'avons pas.