
Parler français à l’IA coûte jusqu’à 58 % plus cher (🎤 Thomas Serval, Baracoda)
Parler français à une intelligence artificielle peut coûter jusqu’à 58 % de tokens supplémentaires par rapport à l’anglais, selon une étude de Baracoda AI Labs. Thomas Serval, PDG de Baracoda, explique les raisons de ce surcoût et les solutions possibles pour rendre les modèles d’IA plus efficaces en français.
🎤 INTERVIEW : Thomas Serval – PDG de Baracoda
L’essentiel
- En moyenne, en français, il faut deux tokens par mot.
- Le français est plus inefficace que l’anglais pour parler aux machines.
- Il va falloir réentraîner les modèles, ce qui est très, très coûteux.
- Consommer plus de tokens, c’est consommer plus d’énergie, plus de GPU, plus de hardware.
=================================
L’interview
Pourquoi le français coûte-t-il plus cher à utiliser avec une IA ?
Pour qu’un ordinateur comprenne une langue, il faut la découper en petits morceaux appelés tokens. Or, les modèles de langage sont généralement plus efficaces dans les langues sur lesquelles ils ont été entraînés. En anglais, un token correspond souvent à un mot, tandis qu’en français, il faut en moyenne deux tokens par mot. Nos accents, nos accords et les particularités de notre grammaire rendent cette tokenisation moins efficace. À cela s’ajoute un déséquilibre dans les données d’entraînement disponibles : les corpus anglophones sont beaucoup plus importants.
Quel est l’impact concret sur la facture des entreprises ?
Les grandes entreprises qui proposent des modèles d’IA facturent souvent leur utilisation au token. Notre étude montre que le surcoût varie selon les modèles : environ 30 % pour GPT-5 dans nos mesures, 45 % pour Claude et 56 % pour Qwen, par rapport à l’anglais. Pour Mistral, nous avons mesuré un surcoût de 31 %. Ces chiffres sont des moyennes. Pour une entreprise qui multiplie les conversations et les projets d’IA, cette différence peut peser sur les coûts, mais aussi sur la consommation de ressources informatiques et d’énergie.
Quelles solutions pour rendre les IA plus efficaces en français ?
Il faut agir dès la conception des modèles, notamment au niveau de la tokenisation, avant l’entraînement. Réentraîner un modèle coûte très cher, et les corrections réalisées après l’entraînement ne permettent d’améliorer la situation que marginalement. Chez Baracoda AI Labs, nous avons développé une deuxième version de notre encodeur, Baracoda FR2, qui ramène le surcoût à 12 % par rapport à l’anglais. Nous testons également notre approche sur les 24 langues de l’Union européenne. Il est possible de faire beaucoup mieux, sans pour autant transformer le français en langage SMS.
Pourquoi cette question est-elle aussi un enjeu de souveraineté ?
L’efficacité des modèles a un coût économique et énergétique. L’Europe ne dispose que d’une part limitée des capacités de calcul nécessaires, et les entreprises consomment de plus en plus de tokens avec leurs projets d’IA. Pour les langues régionales et moins représentées, comme le breton, le corse ou le créole haïtien, le surcoût peut atteindre deux à trois fois celui d’une langue mieux prise en charge. Il faut donc investir dans des environnements d’entraînement adaptés et faire de l’efficacité dans les langues nationales un critère de choix des solutions d’IA. Sans cela, nous risquons de marginaliser certaines langues dans le monde numérique.
Hébergé par Audiomeans. Visitez audiomeans.fr/politique-de-confidentialite pour plus d'informations.
Więcej odcinków z kanału "Monde Numérique (Actu tech & IA)"



Nie przegap odcinka z kanału “Monde Numérique (Actu tech & IA)”! Subskrybuj bezpłatnie w aplikacji GetPodcast.








