Le français distingue « langue » et « langage », et c’est même l’objet d’un chapitre du programme de philosophie au baccalauréat. Ceci pose problème quand on traduit depuis l’anglais, en particulier pour ce qui concerne les « language models », aujourd’hui si populaires.
Alors, « modèle de langage » ? Ou « modèle de langue » ?
Il était jadis question de modèle de langage. Dans les années 1980 et 1990, les modèles de langage étaient surtout utilisés pour la transcription de la parole et, pour tout dire, cela paraissait exotique (ou un peu dingue), pour un linguiste, de chercher à évaluer le mot suivant dans une séquence. Un peu dingue, mais c’est ce qui a fait le succès de la transcription de la parole d’abord, puis la fortune d’OpenAI aujourd’hui. Comme quoi…
Bref, revenons à nos moutons. Faut-il dire « modèle de langage » ou « modèle de langue » ? « Modèle de langage », c’est une copie de l’anglais. L’anglais parle de language, donc si on traduit sans trop se poser de question, « modèle de langage » semble une bonne solution.
Sauf qu’on s’est aperçu depuis que ces modèles ne modélisaient pas le langage (la faculté générale d’exprimer une pensée), mais des langues particulières. Bert, GPT ou Llama « parlent » anglais, parfois français ou allemand (mais, en fait, surtout anglais). L’affaire semblait donc pliée : « modèle de langage », c’était une traduction rapide et paresseuse (et donc fausse), il fallait dire « modèle de langue ». C’est d’ailleurs un peu le consensus aujourd’hui.
Mais, en fait, ces modèles rendent-ils vraiment (et fidèlement) compte de la langue ? Ils produisent des textes bluffants, crédibles, intéressants mais modélisent-ils vraiment la langue pour autant ? Quand on regarde bien, pas vraiment. Le découpage des mots (tokenization) y est souvent folklorique, la syntaxe discutable (ces modèles ne sont pas hiérarchiques) et la sémantique absente (au sens où ces modèles n’ont pas de notion de vérité). Et pourtant, ça marche, comme dirait l’autre !
Allons plus loin. Si on regarde le TLFi, pour « langage », on trouve les définitions suivantes : « Système de signes vocaux et/ou graphiques” et aussi “Système de symboles » et enfin « Système secondaire de signes ou de symboles (code) créé à partir d’une langue et destiné à la transcrire », ce qui en un sens convient assez bien. Enfin, les modèles sont entraînés à partir d’un mixte de langues, de langages informatiques et d’autres éléments, ce qui va aussi dans le sens du langage (d’un ensemble varié de sources) plutôt que dans le sens de langue.
Donc, pourquoi vouer « modèle de langage » aux gémonies ? Peut-être peut-on juste être tolérant, et se dire que « modèle de langage » n’est pas beaucoup plus absurde que « modèle de langue », et qu’en fait les deux sont acceptables ?
OpenEdition vous propose de citer ce billet de la manière suivante :
Thierry Poibeau (29 novembre 2023). Faut-il dire « Modèle de langue » ou « modèle de langage » ? Hors-texte. Consulté le 13 novembre 2024 à l’adresse https://doi.org/10.58079/w9an