Lou Pichoun, le LLM provençal de Lingua Nostra
Lou Pichoun
Lou Pichoun (« le tout-petit »), une intelligence artificielle générative spécialisée en provençal, est en préparation. Elle pourra parler et écrire le provençal dans ses deux grandes variantes, rhodanienne et maritime, dans sa graphie historique et patrimoniale. Nous publierons le modèle sous licence libre, pour que chacun puisse l'héberger. À terme, une synthèse vocale libre lui permettra de lire à voix haute ; une reconnaissance vocale pourrait aussi être conçue. Comme nous l'avons déjà mentionné, le développement d'outils de traitement automatique de la langue et le traitement du corpus littéraire disponible en provençal sont des actions préalables à l'entraînement de cette future intelligence artificielle et bénéficieront directement à la communauté des locuteurs et des apprenants, attachée à la réappropriation de son patrimoine immatériel.
Découvrir Lou Pichoun en détail →
Comment
La méthode envisagée, en trois étapes
Répertorier, numériser, collecter, publier des textes provençaux (revues, dictionnaires, littérature) puis les traiter. Cible : entre 50 et 100 millions de mots.
Construire des outils de traitement automatique de la langue : reconnaître les textes provençaux, découper les mots, analyser les formes, puis créer un premier correcteur grammatical. Ces outils aideront la préparation des textes d'entraînement.
Préparer l'intelligence artificielle : nous partirons d'un grand modèle multilingue déjà entraîné et l'adapterons au provençal en trois temps : pré-entraînements sur des corpus en provençal, affinage par instructions corrigées par des locuteurs, puis alignement sur leurs préférences. Les trois phases se feront avec la collaboration des locuteurs.