Google DeepMind transforme la langue des signes en texte sur les Pixel 11
L’intégration du modèle SL2T par Google DeepMind sur les Pixel 11 marque une avancée technologique majeure dans l’accessibilité numérique, en permettant la transcription en temps réel de la langue des signes en texte. Cette innovation dépasse les limites des solutions antérieures, comme les gants de traduction, en s’appuyant sur une approche multimodale et une intelligence artificielle entraînée sur des volumes de données inédits. Elle soulève cependant des questions sur l’adaptation aux spécificités linguistiques et culturelles des centaines de langues des signes existantes, ainsi que sur les enjeux éthiques liés à la captation et au traitement des données biométriques.
Quel est l’apport concret du modèle SL2T par rapport aux tentatives précédentes de traduction automatique de la langue des signes ?
Contrairement aux solutions comme les gants de traduction, qui réduisaient les langues des signes à une gestuelle simplifiée, SL2T exploite une analyse multimodale des mouvements du corps, du visage et des mains, sans se limiter à des annotations intermédiaires (gloses). Il est entraîné sur plus de 100 000 heures de données couvrant 50 langues des signes, ce qui lui permet de saisir la complexité grammaticale et lexicale de ces langues, bien plus riches que des transcriptions mot à mot.
Quelles garanties Google donne-t-il concernant la protection des données personnelles des utilisateurs ?
Le traitement est réalisé en local sur l’appareil via MediaPipe Holistic, qui extrait des points de repère corporels sans conserver la vidéo brute. Ces données sont ensuite envoyées au serveur pour analyse, mais la vidéo est immédiatement supprimée. Google insiste sur le fait que la traduction repose uniquement sur ces coordonnées, ce qui limite les risques de fuite ou d’exploitation abusive des images.
Pourquoi l’ASL (langue des signes américaine) est-elle la première langue des signes prise en charge, et quelles sont les prochaines étapes ?
L’ASL bénéficie d’un volume de données d’entraînement important (un quart des 100 000 heures) et d’une communauté de testeurs facilitant les retours. Google prévoit d’étendre le support à d’autres langues des signes et à davantage d’appareils, tout en collaborant avec des organisations spécialisées via l’AI Sign Language Advisory Committee pour affiner le modèle et en évaluer l’impact sociétal.
Quels sont les défis techniques majeurs relevés par Google DeepMind pour développer SL2T ?
Le modèle doit surmonter deux obstacles : d’abord, le défi linguistique, car les langues des signes ont des grammaires et des lexiques propres, distincts des langues orales ; ensuite, le défi visuel, lié à la rapidité et à la simultanéité des mouvements du corps, du visage et des mains. L’entraînement conjoint sur plusieurs langues a permis de dégager des structures communes, améliorant les performances par rapport à des modèles monolingues.
Ce que ça pourrait changer
Cette innovation pourrait réduire significativement les barrières de communication pour les personnes sourdes ou malentendantes, en leur offrant un outil naturel et fluide pour interagir avec le numérique. Elle ouvre aussi la voie à une meilleure inclusion dans des domaines comme l’éducation, l’emploi ou les services publics, à condition que son déploiement soit accompagné d’une adaptation aux réalités locales et d’une vigilance accrue sur les questions de vie privée et d’éthique algorithmique.
