CONTRIBUTION/ À l’heure de l’IA, qui racontera l’Algérie si nous ne la documentons pas ?
Par Dr Ali Kahlane*
Une offre reçue par mail pour acquérir l’Universalis sur une clé USB m’a ramené à ma Britannica, achetée sur ma bourse d’étudiant, puis à Al Maârifa, acquise pour mes enfants et pour renouer moi-même avec le savoir en arabe. Mais très vite, une autre question a pris le dessus, bien plus grande que le choix entre le papier et le numérique. À l’heure où l’intelligence artificielle répond à presque toutes nos questions en quelques secondes — et où elle apprend le monde à partir de ce que d’autres ont écrit —, une interrogation devient vitale pour l’Algérie : qui documentera notre pays ? Qui décidera de ce que les machines « savent » de notre histoire, de notre culture, de notre langue ? Car si nous ne le faisons pas nous-mêmes, d’autres l’ont déjà fait à notre place.
En une phrase: l’enjeu n’est plus de savoir si l’encyclopédie a un avenir, mais de savoir si l’Algérie se racontera elle-même aux intelligences artificielles, ou si elle les laissera la raconter à sa place.
- Le point de départ : une bibliothèque, trois langues, un même désir
En 1977, étudiant en Angleterre, j’ai acheté l’Encyclopædia Britannica. Elle m’a coûté environ 400 livres sterling (l’équivalent d’environ 3000 livres selon l’indice utilisé), une somme considérable pour un étudiant de l’époque, que je payais par mensualités prélevées sur ma bourse, à raison de deux volumes par mois. Ce n’était pas une dépense légère : je la considérais comme un investissement, un accès durable à un savoir que je voulais rapporter avec moi en Algérie. À cette époque, tout étudiant algérien à l’étranger préparait soigneusement son « déménagement » avant son retour définitif au pays. Ma Britannica faisait naturellement partie de ce précieux bagage. Il s’agissait des trente volumes de la quinzième édition, lancée en 1974 : la dernière édition numérotée de l’histoire de la Britannica. En 2012, après 244 années de publication sur papier, l’éditeur annonça l’abandon définitif des volumes reliés au profit du numérique. La même année, l’Encyclopædia Universalis mettait elle aussi fin à son édition papier. Le fait que deux des plus grandes encyclopédies généralistes au monde aient renoncé au papier la même année est hautement symbolique : elles n’ont pas cessé d’exister, elles ont cessé d’imprimer. Elles ont abandonné le meuble, pas leur mission. « À l’époque, acheter une encyclopédie, c’était littéralement acquérir une partie du monde. » Dans les années 1980, une fois rentré au pays, j’ai acquis lors d’un Salon du livre à Alger une autre encyclopédie : Al Maârifa (اﻟﻤﻌﺮﻓﺔ). Vingt et un volumes reliés, destinés aux jeunes, avec des textes accessibles et de belles illustrations. Surtout, elle était en arabe : pour mes enfants, mais aussi pour moi, qui devais alors réapprendre à exprimer en arabe des connaissances acquises jusque-là essentiellement en français et en anglais. Cette bibliothèque raconte une expérience très algérienne du savoir : l’anglais de la Britannica, l’arabe d’Al Maârifa, le français du Larousse que tant de foyers tenaient à posséder. Plusieurs langues, plusieurs traditions, un même désir de comprendre le monde. Je retiens cette scène, car elle contient déjà, en germe, tout mon propos. Le savoir sur l’Algérie s’est toujours écrit en plusieurs langues. La question d’aujourd’hui est de savoir qui tient la plume dans chacune d’elles.
- Ce que l’IA change vraiment : elle répond à notre place
Le présent article est né d’un mail : une offre pour acquérir l’Universalis sur une clé USB numérotée, à 59 euros au lieu de 178, pour un fonds annoncé de plus de 55 000 articles vérifiés. L’objet reste séduisant : toute une encyclopédie dans la poche. Mais à l’heure de ChatGPT, de Gemini, de Copilot, une question vient immédiatement : à quoi bon acheter une encyclopédie, alors qu’une IA répond en quelques secondes, reformule, traduit et poursuit la conversation ? En un demi-siècle, notre rapport au savoir a changé de nature. Nous sommes passés des volumes imprimés, où il fallait chercher dans l’index, aux CD-ROM des années 1990, puis à Google et Wikipédia, au smartphone et à la 4G, et enfin, depuis 2022, au dialogue avec des machines. À chaque étape, l’information est devenue plus abondante et plus immédiate. Le problème n’est plus de la trouver : il est de savoir si l’on peut lui faire confiance. Du volume à la conversation : cinquante ans d’accès au savoir
Car l’IA générative franchit un seuil que le moteur de recherche n’avait pas franchi. Elle ne nous renvoie plus une liste de sources à consulter nous-mêmes : elle formule à notre place une réponse unique, fluide, assurée. Et cette réponse, elle ne la puise pas dans une bibliothèque intérieure qu’elle consulterait page après page. Elle la produit à partir de modèles statistiques, de données d’entraînement, et parfois de sources recherchées sur le moment. Tout le problème est là : de quelles données parle-t-on, lorsqu’il s’agit de l’Algérie ?
- Le premier problème : le biais, ou l’Algérie racontée par les autres
Voici la vérité inconfortable : une intelligence artificielle ne connaît pas spontanément l’Algérie. Elle la découvre à travers les documents auxquels elle peut accéder. Et l’immense majorité de ces documents : livres, presse, thèses, archives, statistiques, ont été produits hors d’Algérie, ou dans des cadres qui ne sont pas les nôtres. Le biais n’est donc pas un accident technique : c’est le reflet mécanique d’un déséquilibre documentaire. Ce biais prend plusieurs visages, et il faut les nommer précisément. Le biais des sources. Interrogez une IA sur un épisode de notre guerre de libération, sur une figure historique, sur un événement récent : elle s’appuiera d’abord sur des archives, une presse et des travaux universitaires majoritairement étrangers, parce que ce sont eux qui sont numérisés, indexés et accessibles. Une IA peut être factuellement correcte tout en reproduisant une grille de lecture qui n’est pas la nôtre. Le danger n’est pas seulement l’erreur : c’est le cadrage. Le biais linguistique. La mémoire vivante de l’Algérie s’exprime en arabe, en tamazight, en darija, et en français. Or la darija algérien est explicitement classée, dans la recherche en traitement du langage, parmi les langues « sous-dotées » : peu de textes numérisés, peu de corpus annotés. Le tamazight l’est plus encore. Une IA « comprend » donc mal la façon dont les Algériens parlent réellement et ce qui n’est pas dans ses données devient, pour elle, ce qui n’existe pas. Le biais de cadrage culturel et religieux. L’islam tel qu’il est vécu en Algérie, le malékisme, le soufisme local, les zaouïas, est souvent restitué à travers des grilles importées, généralistes, parfois orientalistes. De même pour la question amazighe, pour notre organisation sociale, pour nos traditions. La nuance algérienne se dissout dans une moyenne mondiale. Le biais statistique et économique. Quand les chiffres sur l’Algérie proviennent de bases de données étrangères, souvent estimées, extrapolées, datées, l’IA hérite de leurs approximations et de leurs angles morts. Elle présente comme un fait établi ce qui n’est parfois qu’une reconstitution extérieure. « Une IA peut être exacte sur l’Algérie, et pourtant la raconter avec les yeux d’un autre. » La vigilance critique face à ces dérives n’est d’ailleurs pas absente en Algérie : la désinformation à l’ère du web y fait déjà l’objet de travaux de recherche [13]. Ce qui manque n’est pas la conscience du problème, mais l’infrastructure documentaire pour lui donner les outils nécessaires. Car ce biais est le problème le plus urgent, parce qu’il produit ses effets maintenant, sur des millions de requêtes, chaque jour. On ne peut pas attendre d’avoir tout reconstruit pour s’en protéger. Mais la protection durable, elle, passe par un chantier de fond et c’est là qu’intervient alors le second problème.
- Wikipédia : notre point aveugle, et notre plus grand levier
Avant de parler de grands chantiers nationaux, arrêtons-nous sur un cas concret, mesurable, et déjà à notre portée : Wikipédia. Car Wikipédia n’est pas juste une encyclopédie parmi d’autres. C’est la source la plus sur-pondérée de tout l’écosystème de l’intelligence artificielle. Il faut comprendre ce mot. Lorsqu’un grand modèle est entraîné, toutes les sources ne se valent pas. Une page web ordinaire est lue une fois, noyée dans la masse. Wikipédia, elle, est traitée comme une source « propre », vérifiée, structurée, au point que certains laboratoires imposent au modèle de la lire intégralement, et lui donnent un poids plusieurs fois supérieur à son volume réel. Autrement dit : à volume égal, un article de Wikipédia pèse bien plus lourd, dans ce que la machine apprend, qu’une page web quelconque. Ce que Wikipédia dit de l’Algérie devient, mécaniquement, une part importante de ce que les machines « savent » de l’Algérie. Et c’est ici que notre situation devient sérieuse voire alarmante. Le Wikipédia sur l’Algérie est aujourd’hui rédigé et consulté d’abord en français. Le trafic Wikimédia depuis l’Algérie penche historiquement vers le français ; la version arabophone reste en retrait, et la version en tamazight est embryonnaire. Or ce français dans lequel l’Algérie se documente n’est pas neutre : une large part des sources de référence qu’il mobilise reste structurée par un regard extérieur, hérité d’une longue tradition d’écriture sur l’Algérie plutôt que depuis l’Algérie. Le résultat est un paradoxe cruel : tout compte fait l’Algérie se raconte massivement aux machines dans la langue et à travers les sources de l’ancien colonisateur. Mais ce point aveugle est aussi, si on le retourne, notre plus formidable levier. Suivons la mécanique : ● Les IA sur-pondèrent Wikipédia à l’entraînement. ● Lorsqu’elles cherchent en temps réel une information « fiable » sur un pays, elles sont algorithmiquement orientées vers Wikipédia et les sources qu’elle cite. ● Donc celui qui écrit le Wikipédia algérien n’alimente pas seulement des lecteurs : il alimente tous les modèles du monde aussi bien algériens qu’étrangers. C’est le meilleur rapport de force que l’Algérie puisse trouver dans toute la chaîne de l’IA. Wikipédia est peut-être le seul endroit où quelques milliers de contributeurs algériens déterminés peuvent corriger, d’un même geste, le biais de dizaines de modèles étrangers. Cela sera alors possible par la simple mécanique de leur recherche d’authenticité et de fiabilité. « Réécrire le Wikipédia algérien n’est pas une tâche de bénévoles passionnés. C’est un acte de souveraineté. Car cette information ne restera pas sur Wikipédia : elle remontera, mot après mot, dans toutes les intelligences artificielles du monde. » Il s’agit de faire une précision décisive, pour ne pas se tromper de combat : « Authentiquement algérien » ne veut pas dire « version officielle ». Un Wikipédia militant ou étatisé serait immédiatement disqualifié, par la communauté Wikimédia comme par les modèles eux-mêmes, qui pénalisent les sources non neutres. La force de Wikipédia, c’est précisément sa neutralité procédurale. Authentiquement algérien signifie : documenté depuis l’intérieur, à partir de sources algériennes vérifiables, dans nos langues, avec la rigueur encyclopédique. L’Algérie doit jouer à ce jeu-là et le jouer sérieusement et surtout pas le contourner. Qu’est ce que cela support concrètement : ● Un effort national de contribution organisé : universités, bibliothèques, centre de recherches, think tanks, associations qui, non seulement créerons des articles mais ils feront ce qu’il faut pour les sourcer à partir de références algériennes numérisées et accessibles. ● La priorité aux versions arabophone et tamazight, aujourd’hui les plus faibles : c’est là que le vide est le plus dangereux, et là que chaque article ajouté pèsera de tout son poids. ● La libération, sous licence compatible, de fonds publics algériens — photographies d’archives, cartes, jeux de données, car un fait ne survit sur Wikipédia que s’il s’adosse à une source citable. ● La formation de contributeurs, en effet car le problème n’est pas que le contenu : c’est le nombre de mains. L’Algérie n’a longtemps contribué qu’à une part infime des éditions mondiales. Nuançons pour rester honnêtes : les modèles étrangers ne vont pas automatiquement, à chaque requête, chercher cette information. Mais la tendance est forte car elle est documentée et structurelle. C’est un levier à saisir mais ce n’est pas une garantie mécanique mais c’est déjà considérable. V. Le second problème : construire notre corpus national Wikipédia est la vitrine. Encore faut-il qu’il y ait, derrière, un magasin. Ce magasin, c’est le corpus national de connaissances : l’ensemble organisé de ce que l’Algérie a déjà produit ou qu’elle produit sur elle-même. C’est la réponse de fond à tout biais, c’est un chantier d’infrastructure qui se compte en années. Notre mémoire est immense, mais elle est dispersée. Elle se trouve à la Bibliothèque nationale, au Centre national des archives, dans les bibliothèques universitaires, les laboratoires, les administrations, les musées, les médias, les maisons d’édition. Elle se trouve aussi auprès des familles, des chercheurs, des photographes, des collectionneurs privés et, aussi souvent, dans des institutions étrangères et même auprès de la diaspora. Mais nous ne partons pas de zéro. Le CERIST porte déjà plusieurs infrastructures importantes — le SNDL, l’ASJP, le PNST, le Catalogue collectif algérien, BiblioUniv. Ces outils constituent une base solide, loin d’être négligeables, mais ils ne couvrent qu’une partie de notre mémoire collective. Cette réflexion n’est pas neuve chez nous. Dès 2011, des chercheurs algériens du CERIST analysaient la place des archives ouvertes africaines dans l’accès au savoir des pays en développement [12] — posant, il y a plus de dix ans déjà, les fondations de ce qui devient aujourd’hui une question de souveraineté. Il ne suffit pas de scanner des documents. Numériser n’est que la première marche. Il faut ensuite les classer, les dater, identifier leurs auteurs, les rendre interrogeables en arabe, en tamazight, en français et en anglais, et permettre aux plateformes de communiquer entre elles. Sans indexation ni description normalisée, un document numérisé reste aussi introuvable qu’un dossier oublié au fond d’une armoire. L’UNESCO, dans sa recommandation sur l’éthique de l’IA, insiste précisément sur la diversité culturelle, linguistique et informationnelle dans le développement de ces technologies. Au-delà des principes, quelques leviers opérationnels méritent d’être posés sur la table : ● Un dépôt légal numérique élargi, qui garantisse que toute production éditoriale, scientifique et médiatique algérienne entre, nativement, dans un fonds national exploitable. ● Des partenariats avec la diaspora et les institutions étrangères détentrices d’archives algériennes, pour rapatrier — au moins numériquement — ce qui a été écrit sur nous hors de nos frontières. ● La libération sous licence ouverte de fonds publics, afin qu’ils soient non seulement consultables, mais entraînables par des modèles. ● La constitution de jeux de données de référence en darija et en tamazight, ces langues aujourd’hui invisibles pour les machines. ● Un « corpus-or » validé, servant à la fois à entraîner les futurs modèles et à évaluer la justesse de tous les modèles, algériens comme étrangers, sur les sujets algériens. L’objectif n’est pas de fabriquer une vérité officielle unique. C’est de bâtir une infrastructure commune de connaissances : fiable, pluraliste, multilingue, mise à jour et exploitable, dans laquelle chaque institution conserve ses fonds, mais où les citoyens, chercheurs et machines savent enfin ce qui existe et où le trouver. Un tel fonds devrait respecter quelques principes simples : identifier les auteurs et les sources ; dater les contenus et conserver les versions ; distinguer les faits établis, les interprétations et les controverses ; publier dans nos quatre langues avec des passerelles entre elles ; prévoir des mécanismes publics de correction ; rendre les contenus lisibles par le public et techniquement exploitables par les IA tout en protégeant les droits d’auteur, les données personnelles et les fonds sensibles. « La souveraineté numérique commence par la maîtrise de notre mémoire et de nos connaissances. » VI. Le pas décisif : de la documentation à l’entraînement d’une IA algérienne Il faut aller au bout du raisonnement. Documenter l’Algérie pour que les IA existantes cessent de la déformer, c’est absolument nécessaire. Mais ce n’est que la moitié du chemin. Car un corpus national n’est pas seulement une source à citer : c’est de la matière première d’entraînement pour les IA. C’est la différence entre subir et maîtriser. Tant que nous nous contentons d’améliorer ce que ChatGPT ou Gemini disent de nous, nous restons dépendants d’outils conçus ailleurs, selon des priorités qui ne sont pas les nôtres. Le jour où l’Algérie disposera d’un corpus vérifié, multilingue et massif, elle disposera de ce qui manque le plus cruellement pour bâtir ses propres modèles. Ce n’est pas la puissance de calcul ou les algorithmes qui s’achètent ou qui se partagent, ce sont tout simplement les données authentiques, en quantité et en qualité, que personne d’autre ne peut produire à notre place. C’est un renversement stratégique. Le corpus cesse d’être un musée numérique pour devenir un actif industriel. Il alimente en amont un Wikipédia algérien enrichi, qui propulse notre voix dans tous les modèles du monde, et il alimente, en aval, une future IA algérienne capable de parler nos langues, de comprendre notre darija, de restituer notre histoire sans intermédiaire. Les deux mouvements se renforcent : le corpus fournit les sources, Wikipédia les diffuse, et l’IA nationale les mobilise.
Du patrimoine documentaire à une IA algérienne mieux informée
- Archives, livres et recherches Repérer et préserver les fonds publics et privés.
- Numériser et documenter ↓ Décrire, dater, attribuer et relier les documents. ↓
- Corpus algérien vérifié Tamazight · Français · English · اﻟﻌرﺑﯾ ﺔ ↓
Wikipédia multilingue authentiquement algérien
↓ 4 IA avec sources citées Interroger le corpus sans perdre la trace des documents.
↓ Modèle d’IA algérien entraîné sur nos données ↓
- Citoyens, chercheurs et institutions
Partager, enseigner, décider et transmettre.
Numériser ne suffit pas : les documents doivent être décrits, datés, vérifiés, reliés entre eux et rendus techniquement exploitables. Le corpus alimente Wikipédia, qui diffuse la voix algérienne dans tous les modèles ; et il alimente une IA nationale entraînée sur nos propres données.
VII. Ce que l’encyclopédie nous a appris, et qui reste vrai
Revenons, pour finir, à ma Britannica anglaise et à mon Al Maârifa arabe. Elles sont peut-être devenues des meubles. Mais ce qu’elles représentaient reste, aujourd’hui plus que jamais, indispensable. Car l’IA a une faiblesse que l’encyclopédie n’avait pas : elle s’exprime avec assurance, mais peut mélanger deux événements, inventer une référence, attribuer une phrase au mauvais auteur. Le NIST, l’organisme américain de référence, parle de « confabulation » pour désigner des contenus produits avec aplomb alors qu’ils sont manifestement erronés. L’encyclopédie, elle, portait une responsabilité éditoriale : des auteurs crédibles, une direction scientifique, une date, une bibliographie, une version identifiable. Tout cela permet une remontée aisée aux sources. « Une réponse bien formulée n’est pas nécessairement une réponse exacte. » C’est exactement ce modèle; traçabilité, attribution, datation, responsabilité, qu’il nous faut reconstruire, non plus dans trente volumes reliés, mais à l’échelle d’une nation et à l’ère des machines. L’encyclopédie de demain ne sera ni une rangée de volumes ni une clé USB : elle sera très certainement un fonds numérique national, multilingue et vivant, doublé d’une interface conversationnelle, enrichi par de plus en plus d’agents plus ou moins spécialisés, où les citoyens, chercheurs et intelligences artificielles viendront chercher une connaissance fiable de l’Algérie. Deux outils, deux fonctions complémentaires L’IA apporte L’encyclopédie apporte Une réponse immédiate Un contenu relu Une explication personnalisée Des auteurs identifiés Une synthèse de plusieurs idées Une organisation cohérente Un dialogue continu Une référence stable Une grande capacité d’exploration Une responsabilité éditoriale Elles ne remplissent pas la même fonction. Leur association est plus utile que leur opposition. L’IA et l’encyclopédie ne sont donc pas des adversaires. L’une apporte la vitesse, le dialogue et la personnalisation ; l’autre la structure, la traçabilité et la confiance. Le meilleur avenir naîtra de leur rencontre, à condition que nous en soyons les auteurs.
CE QUE L’ALGÉRIE DOIT RETENIR
Notre priorité n’est pas de reconstruire une encyclopédie en volumes, mais de constituer un patrimoine numérique algérien vérifié, multilingue et exploitable : un corpus qui nourrit un Wikipédia authentiquement algérien, qui corrige le biais des modèles étrangers, et qui fournit la matière première d’une IA nationale. Le meuble et la mémoire Ma Britannica est devenue un meuble. Al Maârifa, un témoin d’une époque où l’on achetait le savoir volume après volume. Mais ce que ces encyclopédies incarnaient, le temps de vérifier, l’effort d’organiser, la responsabilité de publier, la volonté de transmettre, cela n’a rien perdu de sa nécessité. Il a seulement changé d’échelle. Pour l’Algérie, la vraie question n’est plus : « Faut-il encore acheter une encyclopédie ? » Elle est devenue : « Voulons-nous laisser les intelligences artificielles apprendre notre pays à travers les données des autres, ou allons-nous, enfin, organiser, numériser, écrire et transmettre nous-mêmes notre propre mémoire ? » La réponse ne dépend d’aucune machine. Elle dépend de nous.
*Expert en stratégie numérique, vice-président du Care
Sources et repères
CARE | IDÉES & DÉBATS · ENCYCLOPÉDIES ET IA [1] Stephan M. Horak, compte rendu de The New Encyclopaedia Britannica, 15e édition, Nationalities Papers, Cambridge University Press. [2] Encyclopædia Universalis, présentation de l’édition « Universalis Numérotée ». [3] NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (sur la « confabulation »). [4] Encyclopædia Universalis, configurations et fonctionnement hors connexion. [5] Harvard Business Review, « Encyclopaedia Britannica’s President on Killing Off a 244-Year-Old Product ». [6] CERIST, Système national de documentation en ligne et portails de l’information scientifique et technique (SNDL, ASJP, PNST, Catalogue collectif algérien, BiblioUniv). [7] UNESCO, Recommandation sur l’éthique de l’intelligence artificielle. [8] OpenAI, présentation officielle de l’abonnement ChatGPT Plus. [9] Wikimedia / Diff, données de lectorat et de contribution des projets Wikimédia en Algérie (répartition français / arabe). [10] Sur la sur-pondération de Wikipédia dans l’entraînement des grands modèles : voir Brown et al., « Language Models are Few-Shot Learners » (GPT-3, OpenAI, 2020), où Wikipédia est échantillonnée avec un poids plusieurs fois supérieur à son volume réel dans le corpus d’entraînement ; voir aussi les travaux sur la composition de MassiveText (Scaling Language Models / Gopher, DeepMind). [11] Sur le derja algérien comme langue « sous-dotée » : Boucherit & Abainia, Offensive Language Detection in Under-resourced Algerian Dialectal Arabic Language. [12] L. Chalabi, M. Dahmane, « Open access in developing countries: African open archives », Information Services and Use 31 (3-4), 111-119, 2011. [13] M. Dahmane, « Fake news et désinformation à l’ère du Web », STRATEGIA 7 (2), 06-24, 2020.
