Sous-présentation du swahili dans les tâches d’IA

l'image de couverture est également sous-représentée !

Le swahili est considérablement sous-représenté dans la recherche et les applications de l'IA, notamment par rapport à des langues comme l'anglais, le mandarin, l'espagnol ou même le français. Quelques points clés mettent en évidence cette lacune :

1. Rareté des données : les ensembles de données à grande échelle en swahili sont limités. La plupart des modèles de PNL s'appuient sur des corpus de textes massifs pour apprendre des modèles, mais le contenu swahili en ligne est relativement petit, fragmenté ou bruyant.

2. Modèles pré-entraînés limités : bien qu'il existe certains modèles multilingues comme mBERT ou XLM-R, ils sont sous-performants en swahili car la langue ne représente qu'une petite fraction de leurs données de formation. Les modèles vraiment performants et spécifiques au swahili sont rares.

3. Faible orientation de la recherche : les recherches universitaires et industrielles sur la PNL et le traitement de la parole négligent souvent le swahili. Peu d’articles se concentrent sur des tâches telles que l’analyse des sentiments, la traduction automatique ou la reconnaissance vocale pour le swahili.

4. Lacunes vocales et multimodales : les ensembles de données vocales en swahili, les textes manuscrits et les ensembles de données multimodales (images avec légendes en swahili, vidéos, etc.)...
   [Courte citation de 8% de l'article original]