Les startups indiennes de l'IA ont levé environ 1,07 milliard de dollars au premier semestre 2026, en hausse de 33 % sur un an. La plus importante levée, environ 234 millions, concerne une entreprise construisant des modèles couvrant les 22 langues officielles de l'Inde. C'est un problème que les laboratoires occidentaux n'ont pas résolu, et il concerne bien plus de monde qu'on ne le croit.
Nous avons traité les langues en voie de disparition. Voici le sujet voisin et beaucoup plus massif : les langues bien vivantes, parlées par des centaines de millions de personnes, que les modèles de pointe traitent mal.
Pourquoi les modèles fonctionnent mal dans la plupart des langues
Trois mécanismes se cumulent, et ils sont techniques avant d'être politiques.
Le déséquilibre du corpus. Le web est massivement anglophone. Un modèle entraîné dessus voit des milliards de phrases en anglais et beaucoup moins ailleurs. La qualité suit mécaniquement cette répartition.
Le découpage en tokens. C'est le facteur le plus concret et le moins connu. Les tokenizers sont optimisés pour l'anglais. Un même contenu exprimé dans une langue moins représentée peut consommer deux à trois fois plus de tokens, comme nous l'expliquions dans notre article sur les tokens.
Les conséquences sont doubles et rarement énoncées : cela coûte plus cher pour le même service, et cela remplit la fenêtre de contexte plus vite, donc on peut traiter des documents plus courts.
L'absence de contexte culturel. Même quand la langue est correctement gérée, les références, les usages administratifs et les normes sociales locales manquent.
Ce point mérite d'être posé clairement. Un utilisateur qui écrit dans une langue peu représentée paie davantage pour un service de moins bonne qualité. Ce n'est le résultat d'aucune décision : c'est une conséquence mécanique du découpage en tokens. Mais l'effet est bien réel, et il pèse le plus lourdement sur des populations qui ont le moins de moyens. C'est le genre de biais qui ne figure dans aucune charte éthique parce qu'il est enfoui dans une couche technique.
Pourquoi les acteurs locaux s'en emparent
Le calcul est logique. Ce marché est très grand, techniquement mal servi, et les laboratoires occidentaux n'ont pas d'incitation forte à le traiter : l'effort d'ingénierie est important et le pouvoir d'achat par utilisateur plus faible.
C'est exactement le type d'espace où un acteur régional a un avantage : il comprend le besoin, il a accès aux données, et il n'a pas besoin de rentabiliser un modèle généraliste mondial.
Cela devient possible pour une raison que nous documentons : les modèles ouverts de qualité permettent de partir d'une base solide plutôt que d'entraîner depuis zéro. C'est le même mécanisme que pour le modèle juridique de Thomson Reuters : la fondation est publique, la spécialisation est propriétaire.
Ce que ça change concrètement
Pour des centaines de millions de personnes, la différence est loin d'être théorique.
Un service administratif accessible dans sa langue, un accès à l'information de santé, la possibilité de rédiger une demande officielle : ce sont les usages que nous avons décrits comme les plus utiles, dans l'accessibilité comme dans l'accès au droit.
Et cela pose une question de souveraineté du même ordre que celle que nous suivons pour le calcul : un pays dont la langue n'est correctement traitée par aucun modèle qu'il contrôle dépend d'acteurs étrangers pour l'accès numérique de ses citoyens à leur propre administration.
Ce qu'il faut retenir
Il y a une leçon qui dépasse le cas indien.
On présente souvent l'IA comme une technologie universelle. Elle est en réalité profondément marquée par les données sur lesquelles elle a été construite, et cette marque se loge dans des détails techniques qu'on ne discute jamais — un tokenizer, une répartition de corpus.
Ce qui se joue avec ces acteurs régionaux n'est donc pas seulement commercial. C'est la question de savoir si cette technologie reproduira les hiérarchies linguistiques existantes ou permettra de les corriger. Pour l'instant elle les reproduit, et il faut un effort délibéré et financé pour que ce soit autrement.