Transcription du swahili pour le Kenya et la Tanzanie : ce qui fonctionne en 2026

Le swahili est la langue africaine la plus parlée en termes de nombre total d'utilisateurs, avec plus de 200 millions de locuteurs à travers l'Afrique de l'Est et centrale, en comptant à la fois les locuteurs natifs et ceux qui l'utilisent comme seconde langue. En novembre 2025, elle est devenue la septième langue officielle de la Conférence générale de l'UNESCO, rejoignant l'arabe, le chinois, l'anglais, le français, le russe et l'espagnol. Pour la transcription, cette échelle compte : plus il y a de locuteurs, plus il y a d'audio en ligne, plus les investissements en recherche sont importants, et meilleures sont les données d'entraînement par rapport à la plupart des autres langues subsahariennes.

La réponse courte à la question de savoir si la transcription du swahili fonctionne en 2026 : oui, pour le swahili standard et celui des médias. Pour le sheng, attendez-vous à des imperfections.

Pourquoi le swahili est plus facile à transcrire que la plupart des langues africaines

Trois avantages structurels distinguent le swahili des langues africaines aux ressources plus limitées.

Alphabet latin, sans diacritiques. Le swahili s'écrit entièrement avec l'alphabet latin standard, sans tons, caractères spéciaux ni rendu de droite à gauche. La sortie de n'importe quel moteur de transcription s'affiche correctement dans tout environnement texte, sans problème d'encodage.

Une base de locuteurs importante alimente les données d'entraînement. Plus de contenu audio public est disponible en swahili que pour la plupart des autres langues africaines. Les chercheurs ont atteint un taux d'erreur sur les mots de 3,24 % sur le swahili de Common Voice avec des modèles affinés, contre des WER de 25 % ou plus pour de nombreuses langues moins dotées sur le même audio de référence propre. Cet écart est entièrement fonction des données étiquetées disponibles, et le swahili en profite plus que ses voisins.

Standardisation. Le kiswahili sanifu, la norme formelle promue par les institutions nationales de Tanzanie, donne aux modèles de reconnaissance vocale une phonologie et un vocabulaire cohérents sur lesquels s'appuyer. Les langues sans standard écrit de facto sont plus difficiles à modéliser.

Cela dit, l'audio du monde réel n'est pas Common Voice. Pour la précision de transcription expliquée en termes pratiques, une parole propre et lue sur un benchmark et une conversation spontanée avec du bruit de fond sont des tâches entièrement différentes.

Swahili du Kenya vs Swahili de Tanzanie : ce qui change pour la reconnaissance vocale

Le swahili de Tanzanie est la base de presque tout. Le Kiswahili sanifu, codifié principalement à Dar es Salaam, est ce que les médias nationaux (TBC, ITV) utilisent, ce que les écoles enseignent, et ce que la plupart des corpus d'entraînement indexent. Si votre audio est une interview de salle de rédaction tanzanienne ou un discours formel, vous travaillez dans la zone idéale de la reconnaissance vocale swahilie actuelle.

Le swahili standard kenyan, tel qu'on l'entend sur KTN et Citizen TV, suit de près. Les différences sont réelles mais pas dramatiques : les locuteurs kenyans ont tendance à utiliser davantage d'emprunts à l'anglais directement plutôt que de les adapter phonologiquement, et la qualité des voyelles change légèrement sous l'influence de l'anglais. Les moteurs de reconnaissance vocale gèrent cela parce que l'alternance codique est prévisible.

Le swahili côtier (Mombasa, Zanzibar, les anciens dialectes Kiunguja et Kingare) porte un vocabulaire arabe plus lourd, héritage historique de siècles de commerce omanais. Ces mots à racine arabe sont bien établis dans le lexique et apparaissent dans les données d'entraînement, donc l'audio côtier ne pose généralement pas de problème. Là où vous voyez des erreurs, elles ont tendance à se concentrer autour d'un vocabulaire spécialisé d'origine arabe, sous-représenté en dehors des contenus côtiers.

Le swahili ougandais est un cas distinct. Parlé comme une langue de contact simplifiée plutôt que comme langue maternelle dans la plupart des zones urbaines, il diverge plus nettement du Kiswahili sanifu. Traitez-le avec prudence et testez avant de vous engager dans un flux de production.

Sheng n'est pas simplement un dialecte du swahili. C'est un sociolecte urbain de type créole, né dans les quartiers de l'Est de Nairobi, qui touche aujourd'hui toute la culture jeune du Kenya. Le nom est un acronyme : swahili-anglais, avec de nombreux emprunts supplémentaires au gikuyu, au dholuo et au kamba.

Ce qui rend le sheng vraiment difficile pour la reconnaissance vocale :

• Aucune orthographe standardisée. Le même mot d'argot peut apparaître orthographié de cinq façons différentes dans les données d'entraînement, s'il y figure du tout.
• Évolution rapide du vocabulaire. Les termes courants il y a deux ans sont déjà dépassés ; de nouveaux sont inventés en permanence.
• Alternance à trois niveaux. Le code-switching classique alterne entre deux langues ; le sheng peut en mélanger trois ou quatre dans une seule phrase.

Une phrase comme « Niko stuck na hii project, na deadline ni next week, lakini bado niko on track » reste gérable, car les parties en anglais sont des mots courants à haute fréquence. Mais un sheng dense, qui puise dans les racines gikuyu ou l'argot récent, produira des erreurs qu'aucun moteur ne gère bien pour l'instant. Prévoyez une passe de relecture manuelle si votre contenu est majoritairement en sheng.

Pour en savoir plus sur les raisons pour lesquelles certaines variétés africaines sont structurellement plus difficiles pour les systèmes d'IA, voir pourquoi l'IA peine avec les langues peu dotées en ressources.

Morphologie bantoue : le défi discret de la reconnaissance vocale

Un point rarement abordé dans les comparatifs d'outils : le système de classes nominales du swahili crée une complexité combinatoire que les modèles de reconnaissance vocale conçus pour l'anglais ne sont pas faits pour gérer. Le swahili compte 15 classes nominales ou plus, chacune déclenchant ses propres préfixes d'accord sur les verbes, les adjectifs, les possessifs et les démonstratifs. Une seule racine verbale peut porter l'accord sujet, le temps, l'accord objet et des suffixes dérivationnels avant la voyelle modale.

Cela compte pour la transcription, car le modèle doit correctement attribuer les frontières de mots et les structures de préfixes et suffixes qui n'ont aucun équivalent dans les langues indo-européennes. Le swahili standard et propre s'en sort bien, car les schémas morphologiques y sont réguliers et bien représentés dans les données d'entraînement. La parole spontanée, où les locuteurs élident ou modifient les formes de préfixes, est plus difficile à décoder correctement.

Quels outils prennent en charge le swahili en 2026

Happy Scribe est l'outil grand public le plus explicitement optimisé pour le swahili dans cette comparaison. Il annonce environ 85 % de précision pour la transcription IA en swahili et détecte également l'alternance codique entre le swahili et l'anglais au sein d'un même enregistrement. La transcription humaine est disponible avec 99 % de précision, assurée par des relecteurs natifs en swahili. Les tarifs sont échelonnés, de 17 €/mois (formule Basic, 120 minutes IA) à 89 €/mois (formule Business, 6 000 minutes IA), avec des minutes supplémentaires à 0,20 €/minute.

Trint liste le swahili parmi ses plus de 40 langues de transcription prises en charge, avec en plus un support de traduction.

Google Cloud Speech-to-Text prend en charge le swahili à la fois via ses API V1 et V2, propulsée par Chirp. La tarification est à la minute, actuellement autour de 0,016 $/minute sur le niveau standard, avec une option Dynamic Batch à environ 0,004 $/minute pour les travaux non temps réel. Un niveau gratuit de 60 minutes par mois est proposé. L'API de Google n'inclut pas de résumé IA en swahili ; les résumés nécessitent un appel séparé à un LLM.

AssemblyAI Universal-2 prend en charge le swahili dans un niveau de précision modéré (WER supérieur à 25 % et jusqu'à 50 % sur ses benchmarks internes). Cela signifie une précision nettement inférieure à ce que suggèrent les benchmarks formels, et cela reflète la parole spontanée réelle sur une base audio diversifiée. L'Universal-3 Pro d'AssemblyAI se concentre sur un ensemble plus restreint de langues et n'inclut pas le swahili pour le moment.

Otter.ai ne prend pas en charge le swahili. Il couvre uniquement l'anglais, l'espagnol, le français, l'allemand, le japonais et le chinois (simplifié).

Deepgram Nova-3 ne répertorie pas actuellement le swahili parmi ses langues prises en charge.

Mon avis : pour du contenu swahili standard, plusieurs outils fonctionnent et les différences se résument à vos besoins, que ce soit des résumés IA, un recours humain ou un abonnement à tarif fixe. Pour l'audio riche en sheng, aucun outil actuel ne supprime la nécessité d'une passe de relecture.

Mettre en place un flux de transcription en swahili

Quelques points pratiques qui s'appliquent quel que soit l'outil choisi.

Définissez la langue explicitement. La détection automatique peut mal identifier le swahili kenyan fortement mélangé comme de l'anglais, ou parfois le classer comme une autre langue bantoue. Spécifier sw (swahili) verrouille le modèle sur le bon vocabulaire dès le départ.

Fournissez un glossaire pour les noms propres. Les noms de lieux, de personnes et de marques kenyans et tanzaniens sont souvent transcrits phonétiquement et nécessitent des corrections. La plupart des outils professionnels acceptent une liste de vocabulaire personnalisée ou un glossaire ; utilisez-la.

Segmentez les sections riches en sheng. Si votre enregistrement alterne des passages en swahili formel et des segments très marqués par le sheng, vous obtiendrez peut-être une meilleure précision en les traitant comme des tâches séparées et en éditant les sections en sheng manuellement.

La diarisation des locuteurs fonctionne mieux dans les conversations structurées. Un entretien formel à deux intervenants en swahili standard sera bien diarisé. Une émission de radio avec appels d'auditeurs, audio téléphonique, bruit de fond et trois locuteurs ou plus produira davantage d'erreurs d'étiquetage, quelle que soit la précision sous-jacente du texte transcrit.

Pour une explication détaillée de la diarisation des locuteurs, y compris ce qu'il faut attendre d'un audio multi-locuteurs dans des langues autres que l'anglais, ce guide couvre les mécanismes sous-jacents.

Liens croisés vers les flux de travail associés

Si vous avez besoin de transcription pour d'autres langues africaines en plus du swahili, consultez le guide de transcription haoussa pour le Nigeria et les meilleurs outils de transcription pour les langues africaines. Pour comprendre comment la rareté des données d'entraînement affecte la précision sur tout le continent, pourquoi l'IA peine avec les langues peu dotées est l'article de référence.

Pour des flux de travail spécifiques aux podcasts où vos épisodes mélangent swahili et anglais, le guide meilleure transcription pour podcasts couvre les choix de formats de fichiers, les configurations d'étiquettes de locuteurs et l'export de sous-titres.

Si vous avez simplement besoin de transcriptions swahili propres sans bot de réunion ni sièges par abonnement, ConvertAudioToText accepte tout format audio ou vidéo, fonctionne avec un plan Pro à plat de 9,99 $/mois sans frais par minute, et produit des exports SRT et VTT en plus du texte transcrit.

FAQ

Est-ce que Whisper prend en charge le swahili ?

Oui. Le swahili fait partie des 99 langues de la liste de Whisper. Le swahili standard donne de bons résultats sur de la parole lue et claire, mais la parole spontanée, l'alternance codique fréquente et le sheng font grimper les taux d'erreur de façon notable. Les benchmarks académiques avec un fine-tuning spécialisé atteignent moins de 4 % de WER sur Common Voice en swahili, mais Whisper en usage général sur de l'audio réel se situe dans une fourchette plus large, surtout pour la parole non standard.

Quelle est la différence entre le swahili du Kenya et celui de Tanzanie pour la transcription ?

Le swahili tanzanien (Kiswahili sanifu) est la forme standardisée utilisée dans les écoles et les médias audiovisuels, avec une qualité vocalique plus nette et un vocabulaire plus conservateur. Les moteurs d'IA entraînés sur du texte et de l'audio en swahili standard donnent leurs meilleurs résultats sur cette variante. Le swahili kenyan comporte plus d'alternance codique avec l'anglais et des influences phonologiques locales, ce qui ajoute de la complexité mais reste tout à fait gérable avec les outils actuels. Le sheng, le créole urbain de Nairobi, est le cas le plus difficile, car son vocabulaire évolue rapidement et n'a pas d'orthographe normalisée.

Quels outils de transcription prennent en charge le swahili ?

Happy Scribe, Trint et Google Cloud Speech-to-Text prennent tous en charge le swahili. Happy Scribe annonce environ 85 % de précision pour la transcription IA en swahili et propose aussi de la transcription humaine à 99 % de précision. Trint inclut le swahili dans sa liste de plus de 40 langues. Google Cloud STT prend en charge le swahili sur ses API V1 et V2. Otter.ai ne prend pas en charge le swahili (il ne couvre que six langues). Deepgram Nova-3 ne liste pas le swahili parmi ses langues prises en charge pour le moment.

Comment l'alternance codique entre le swahili et l'anglais affecte-t-elle la précision ?

Le code-switching léger à modéré, celui qu'on retrouve couramment dans les médias standard kényans, est plutôt bien géré par les modèles multilingues comme Whisper. Les mots anglais sont transcrits en alphabet latin, ce qui est cohérent avec l'orthographe swahilie habituelle, et le résultat se lit naturellement. Le sheng soutenu, c'est autre chose : son argot qui évolue rapidement et le mélange à trois volets entre le swahili, l'anglais et les vernaculaires de Nairobi (gikuyu, dholuo, kamba) le rendent vraiment difficile à traiter pour n'importe quel système de reconnaissance vocale actuel. Il faut donc prévoir une relecture manuelle.

Sources

• Documentation des langues prises en charge par AssemblyAI
• Page de transcription en swahili de Happy Scribe
• Tarifs de Happy Scribe
• Centre d'aide sur les langues prises en charge par Trint
• Langues prises en charge par Google Cloud Speech-to-Text (V2)
• Tarifs de Google Cloud Speech-to-Text
• Centre d'aide sur les langues prises en charge par Otter.ai
• Vue d'ensemble des modèles et langues de Deepgram
• Liste des langues d'OpenAI Whisper (Hugging Face)
• Pré-entraînement continu pour la reconnaissance vocale en swahili à faibles ressources (arxiv 2603.11378)
• L'UNESCO reconnaît le kiswahili comme langue officielle de la Conférence générale
• L'Union africaine adopte le swahili comme langue de travail officielle
• La langue sheng et l'alternance codique au Kenya (Cambridge)