Wolof, nouchi, franglais : ce que l'IA comprend vraiment des messages de vos clients

Sommaire

1. Ce que Meta autorise, côté langue
2. Pourquoi l'IA se trompe plus souvent en wolof qu'en français
3. Ce qui marche, ce qui casse
4. Quatre règles de garde à poser avant d'activer quoi que ce soit
5. Construire un lexique maison, plutôt qu'attendre un miracle technologique
6. Mesurer, au lieu de croire
7. Questions fréquentes

Ouvrez la conversation WhatsApp d'un gestionnaire de sinistres à Abidjan ou à Dakar : vous n'y trouverez pas du français de note de service. Vous y trouverez « Bjr chef, mon dossier là il est où ? », un vocal de quarante secondes en wolof avec trois mots de français au milieu, une photo de constat, et « inch'allah je paye vendredi ». Ce mélange n'est pas un accident de langage : c'est la langue réelle de la relation client dans la plupart des cabinets d'Afrique francophone. Toute réflexion sur l'intelligence artificielle appliquée à ces conversations commence là, et pas dans une démonstration en français académique.

Ce que Meta autorise, côté langue

Première contrainte, purement technique : hors de la fenêtre de 24 heures, un cabinet ne peut écrire à un assuré qu'avec un template approuvé, et un template est rattaché à un code langue. La liste des langues prises en charge par Meta comprend le français et plusieurs variantes régionales (dont fr_CIV pour la Côte d'Ivoire et fr_MA pour le Maroc), l'arabe et ses variantes, mais aussi le haoussa, le swahili, l'afrikaans et le zoulou. Elle ne comprend ni le wolof, ni le bambara, ni le dioula, ni le lingala, ni le moré, ni le fon.

Deux conséquences pour un cabinet de la zone CIMA ou du Maghreb :

• Un rappel d'échéance envoyé à froid part en français (ou en arabe selon le pays), pas en wolof. Ce n'est pas un choix éditorial, c'est une limite de la plateforme.
• Dans la fenêtre de 24 heures ouverte par la réponse du client, l'échange est en texte libre : là, le gestionnaire écrit dans la langue qu'il veut, y compris en wolof translittéré. Les mécanismes de cette fenêtre sont expliqués dans la fiche fenêtre de 24 heures.

À noter également : Meta ne traduit rien. Une version d'un template dans une seconde langue est un texte que le cabinet rédige lui-même, soumet séparément à validation, et qui compte dans son quota. Un cabinet qui veut servir ses clients en français et en arabe entretient donc deux jeux de messages, pas un seul traduit à la volée.

Pourquoi l'IA se trompe plus souvent en wolof qu'en français

Les modèles de langue apprennent sur ce qui est écrit et disponible. Or les langues africaines sont massivement sous-représentées dans les ressources de traitement automatique des langues : le collectif de recherche Masakhane rappelle que le continent compte plus de deux mille langues et qu'elles ne pèsent qu'une fraction infime des jeux de données et des publications du domaine. Les travaux sur la traduction automatique du bambara parlent explicitement de langue « extrêmement peu dotée ».

À cette rareté s'ajoutent quatre difficultés propres aux conversations de courtage :

1. L'alternance de langues dans une même phrase. Un message qui commence en français, bascule en dioula et se termine par une abréviation SMS n'entre dans aucune catégorie propre.
2. L'orthographe non normalisée. Le même mot wolof s'écrit de trois manières selon la personne, sans que rien ne signale qu'il s'agit du même mot.
3. Les notes vocales. La transcription automatique est encore plus fragile que la compréhension de l'écrit sur ces langues, et l'erreur se propage ensuite dans l'analyse.
4. L'implicite culturel. « Je vais voir » n'est pas un refus ; « on se retrouve » n'est pas un rendez-vous. Un classement de sentiment mécanique lit ces formules de politesse comme des engagements ou comme des rejets.

Résultat concret : sur un message en français standard, un moteur de classification range correctement une demande d'attestation ou un mécontentement. Sur un message mixte, il produit un « neutre » qui ne veut rien dire, ou pire, un faux positif rassurant sur un client qui est en train de partir.

Ce qui marche, ce qui casse

Situation	Ce que l'IA fait correctement	Ce qui doit rester humain
Message en français, demande simple (attestation, adresse de l'agence)	Classer l'intention, proposer un brouillon de réponse exact	Une relecture rapide suffit
Message mêlant français et langue locale	Repérer qu'il se passe quelque chose (mots-clés, ponctuation, urgence)	La compréhension du fond et la réponse
Note vocale en langue locale	Peu de chose de fiable	L'écoute par un collaborateur qui parle la langue
Promesse de paiement (« je paye vendredi »)	Détecter la promesse et créer un rappel	Décider si l'on maintient la garantie, ce qui relève du contrat
Contestation d'un refus de sinistre	Signaler l'urgence et le risque de rupture	Toute la réponse, sans exception

Quatre règles de garde à poser avant d'activer quoi que ce soit

1. Auto-réponse uniquement en français et sur intentions fermées. Horaires, adresse, accusé de réception, confirmation qu'un document est bien arrivé. Rien d'autre.
2. Message non compris égale escalade humaine. Une IA qui n'est pas sûre doit passer la main et prévenir un gestionnaire, jamais deviner. Le pire scénario n'est pas le silence : c'est une réponse confiante et fausse.
3. Aucune réponse automatique sur la garantie, le montant ou la prise en charge. Ces sujets engagent le devoir de conseil de l'intermédiaire et se traitent par écrit, par une personne identifiée.
4. Brouillon relu par quelqu'un qui parle la langue. Le gain de temps vient de la proposition de texte, pas de l'envoi sans regard. Sur les langues locales, le relecteur est aussi le seul garde-fou contre le contresens.

Ces règles rejoignent celles décrites dans l'IA pour un cabinet de courtage africain, et la frontière entre automatisation aveugle et assistance supervisée est traitée dans le comparatif chatbot ou IA supervisée.

Construire un lexique maison, plutôt qu'attendre un miracle technologique

Un cabinet n'a pas les moyens d'entraîner un modèle sur le wolof. Il a en revanche les moyens de constituer, en quelques semaines, une liste des formulations réelles de ses clients et de ce qu'elles signifient dans son métier : les manières locales de dire « attestation », « vignette », « carte brune », « je n'ai pas encore payé », « le véhicule est immobilisé », « on m'a refusé le dossier ». Cette liste sert à trois choses : rédiger les templates dans les mots des clients, alimenter les règles de mots-clés qui déclenchent une escalade, et former les nouveaux gestionnaires. Elle vaut plus, en pratique, que n'importe quel réglage de modèle.

Dans ORIS, cette matière trouve sa place à deux endroits : les règles d'auto-réponse, qui définissent quand une réponse automatique est autorisée et avec quel délai de latence entre deux, et la classification des réponses entrantes, qui alimente les Opportunities & Risks et le score de risque. Quand un message est signalé comme nécessitant un humain, il déclenche une notification et un brouillon en attente plutôt qu'un envoi. C'est exactement le comportement à rechercher sur un portefeuille multilingue.

Mesurer, au lieu de croire

La seule manière honnête de savoir ce que l'IA comprend de vos conversations est de le mesurer sur vos propres messages. Prenez cent conversations récentes, choisies au hasard sur trois agences. Faites classer chaque message par l'outil, puis par un gestionnaire expérimenté. Comparez trois chiffres : la part de messages correctement classés, la part de messages mal classés dont le sens était pourtant clair pour un humain, et la part de brouillons envoyables sans retouche. Refaites l'exercice au bout d'un trimestre. Ces trois nombres décideront de ce que vous automatisez — et surtout, de ce que vous n'automatisez pas.

Questions fréquentes

Peut-on faire approuver un template en wolof ou en bambara ?

Non, ces langues ne figurent pas dans la liste des codes langue pris en charge pour les templates. Les messages envoyés hors fenêtre de 24 heures se font donc en français, en arabe ou dans une autre langue de la liste. En revanche, une fois la conversation ouverte par le client, les échanges en texte libre n'ont pas cette contrainte.

L'IA peut-elle traduire automatiquement les réponses de mes clients ?

Pour les langues très peu dotées, les traductions produites restent fragiles et parfois inversées de sens. Traiter une traduction automatique comme une information fiable dans un dossier d'assurance est un risque réel. Utilisez-la comme un indice pour prioriser, jamais comme une pièce du dossier.

Faut-il recruter des gestionnaires bilingues plutôt que d'investir dans un outil ?

Les deux ne s'opposent pas. L'outil trie, classe, rappelle et prépare des brouillons ; le collaborateur qui parle la langue tranche sur les cas ambigus et sur tout ce qui touche au contrat. Un cabinet qui automatise sans personne capable de relire dans la langue de ses clients fabrique des malentendus à grande échelle.

Comment savoir si l'auto-réponse fait plus de mal que de bien ?

Surveillez deux signaux : le nombre de conversations où un client reformule sa question parce que la réponse ne correspondait pas, et le nombre de messages remontés en escalade après un envoi automatique. Si l'un des deux monte, réduisez le périmètre des règles d'auto-réponse au lieu de le corriger message par message.

Et l'interface, existe-t-elle en français ?

L'interface d'ORIS est en anglais. Ce sont les messages, les templates et les brouillons qui sont dans la langue du portefeuille, ce qui compte pour l'assuré ; en revanche, cela suppose que les gestionnaires qui pilotent l'outil soient à l'aise avec un vocabulaire d'écran en anglais. D'autres articles du sujet IA détaillent l'organisation qui va autour.