Un partenariat pour convertir la langue des signes en texte ou en parole
La société technologique israélienne Rylo (anciennement Nagish) a annoncé une collaboration avec NVIDIA visant à développer un système d'intelligence artificielle capable de reconnaître la langue des signes et de la traduire en texte ou en parole en temps réel, selon VTV.vn qui cite CTech. Rylo s'appuie notamment sur la technologie de sign.mt, acquise il y a moins d'un an, et sur une équipe de recherche dirigée par le Dr Amit Moryossef.
Quels composants techniques sont mobilisés ?
D'après les informations publiées, NVIDIA mettra à disposition son supercalculateur et son infrastructure d'IA pour accélérer l'entraînement des modèles. Le projet exploite en particulier la méthode dite Cosmos Tokenizer de NVIDIA, destinée à convertir des flux vidéo en une représentation numérique « légère » adaptée aux modèles de langage modernes. L'objectif affiché est d'améliorer l'efficacité de la reconnaissance tout en réduisant les besoins en calcul.
- Acteurs : Rylo (anciennement Nagish), NVIDIA, équipe dirigée par le Dr Amit Moryossef.
- Technologies citées : supercalculateur NVIDIA, Cosmos Tokenizer, composants issus de sign.mt.
- Cas d'usage : traduction instantanée de la langue des signes en texte ou en parole, réduction de la dépendance aux interprètes humains.
Applications déjà disponibles chez Rylo
Parallèlement, Rylo propose une application, Rylo Desktop pour Mac, qui génère des sous‑titres automatiques lors de réunions sur Google Meet, Zoom et Microsoft Teams. Le service, qui peut identifier les intervenants et proposer différents formats de sous‑titres, est proposé en version bêta gratuite aux États‑Unis, d'après VTV.vn.
Enjeux et limites soulignés par le projet
Le développement d'une traduction automatisée de la langue des signes rencontre plusieurs défis techniques rapportés dans les sources : la reconnaissance fine des mouvements des mains, la prise en compte des expressions faciales et des autres signaux non verbaux, ainsi que la variété des langues des signes elles‑mêmes. Transformer des flux vidéo en tokens exploitables par des modèles de langage est une piste pour réduire la charge de calcul, mais ne supprime pas les difficultés liées aux données d'entraînement — notamment la représentativité des corpus et la qualité de l'annotation.
| Problématique | Conséquence potentielle |
|---|---|
| Variabilité des langues des signes | Risque de performances inégales selon les communautés linguistiques |
| Captation faciale et gestuelle | Exigences élevées en qualité vidéo et questions de vie privée |
| Dépendance à l'infrastructure | Coûts et contraintes de déploiement hors des zones bien connectées |
Questions de confidentialité et d'éthique
Transformer en texte ou en parole des vidéos contenant des visages et des gestes soulève des enjeux de protection des données et de consentement. Les sources indiquent que le projet manipule des données très sensibles (mouvements corporels, expressions faciales) ; leur collecte, leur stockage et leur usage devront être encadrés pour limiter les risques de réidentification ou d'usage non désiré. À ce stade, VTV.vn et CTech rapportent les intentions techniques et les partenaires, sans détailler les mesures précises de gouvernance des données.
Accessibilité, marché et perspectives
Si la technologie venait à tenir ses promesses, elle pourrait réduire la dépendance aux interprètes dans certains contextes professionnels et privés, et améliorer l'accessibilité des réunions en ligne et des services publics. En même temps, la fiabilité des traductions automatiques pour des emplois sensibles (juridique, médical) devra être prouvée avant tout déploiement à grande échelle.
Enfin, la participation de NVIDIA, via ses ressources de calcul et ses outils, illustre la tendance des grands fournisseurs d'infrastructure à s'associer à des start‑ups pour accélérer des usages d'IA spécialisés. Les éléments publiés par VTV.vn et CTech permettent d'identifier les ambitions techniques et commerciales du projet, mais la plupart des questions opérationnelles et réglementaires restent à préciser lors des phases d'entraînement, de tests et de mise en service.
