Google Research présente la carte de Language Explorer couvrant 7 000 langues

Google Research a présenté Language Explorer le 9 novembre 2026, une plateforme interactive permettant d’examiner la géographie des langues, leurs systèmes d’écriture et le nombre de leurs locuteurs. Sa vue d’ensemble du monde couvre environ 7 000 langues et 159 systèmes d’écriture. Les données sont destinées à soutenir la recherche linguistique et le développement des technologies linguistiques.

Développée dans le cadre de l’initiative 1,000 Languages de Google, la plateforme transforme le jeu de données libre LinguaMeta en une interface visuelle accessible au public. L’annonce de Daan van Esch et Uche Okonkwo inscrit cette interface dans un effort plus large visant à rendre les technologies linguistiques utiles dans une plus grande partie de la diversité linguistique mondiale.

Une couche de métadonnées pour les technologies linguistiques

Le site Language Explorer permet d’effectuer des recherches par nom de langue, pays ou région, continent ou sous-continent. Les utilisateurs peuvent parcourir les données selon le nombre de locuteurs, le degré de mise en danger ou les systèmes d’écriture, puis sélectionner un repère sur la carte pour ouvrir une page détaillée consacrée à la langue. Ces pages regroupent les noms, les lieux et les identifiants, notamment les balises BCP-47, les Glottocodes et les identifiants Wikidata, afin de fournir des références cohérentes entre les ressources linguistiques.

Toutes les données affichées sur le site proviennent de LinguaMeta, un dépôt libre qui harmonise les informations linguistiques issues de 19 sources citées. L’article de 2024 sur LinguaMeta documentait le jeu de données sous-jacent, qui répertoriait 7 511 langues avec leurs codes BCP-47 et ISO 639-3 ; chaque donnée était assortie d’une balise indiquant sa provenance, afin d’en assurer la traçabilité et de faciliter les corrections. En cas de désaccord entre les sources, les auteurs privilégiaient la source la plus fiable ou effectuaient des recherches complémentaires dans des publications universitaires, des documents de recensement et des constitutions.

L’article indiquait que la traduction automatique, la reconnaissance vocale et la synthèse vocale n’étaient largement disponibles que pour environ 100 langues, tandis que la couverture était de faible qualité, voire inexistante, pour la plupart des autres. Cette lacune confère aux métadonnées une utilité concrète : le nombre de locuteurs peut aider à établir les priorités, tandis que les combinaisons langue-système d’écriture-paramètres régionaux indiquent précisément celles qu’un système localisé doit prendre en charge. La structure du dépôt conserve ces combinaisons dans des enregistrements JSON ; un récapitulatif TSV plus simple omet les détails sur les sources, les noms étendus, les balises d’usage des systèmes d’écriture, les recherches sur le statut officiel et les coordonnées.

Du dépôt de recherche à l’installation muséale

Language Explorer est également présenté sous la forme d’une installation interactive dans Real Talk ! Langue. Pouvoir. Monde., au Museum of Communication Berlin. Le musée indique que l’exposition a ouvert le 5 novembre 2026.

Six salles thématiques abordent les univers linguistiques, la diversité, les identités, les contacts, le pouvoir et l’avenir. La dernière salle interroge la manière dont l’IA et les chatbots transforment la communication, ainsi que la façon dont les chercheurs et les militants documentent les langues menacées. Un complément en ligne a été lancé le 6 novembre 2026. Il propose des informations contextuelles, des vidéos et des questionnaires autour des six mêmes perspectives, notamment sur le lien entre l’IA et le multilinguisme. L’exposition de Berlin et son complément sont tous deux présentés jusqu’au 27 février 2028.

Couverture inégale et dépôt archivé

Le tableau de couverture de l’article fait apparaître des écarts importants entre les différents champs. Des données sur le nombre de locuteurs étaient disponibles pour 6 253 langues, soit 83 %, mais les endonymes — les noms que les communautés donnent à leurs propres langues — n’étaient documentés que pour 1 136 langues, soit 15 %. La carte constitue donc un point de départ général, mais le niveau de détail varie considérablement selon la langue et la catégorie.

Les chiffres de population sont assortis de réserves supplémentaires. Les méthodes sous-jacentes excluent les nombres de locuteurs de seconde langue, car il était difficile d’obtenir des statistiques fiables ; elles arrondissent les estimations élevées du nombre de locuteurs à l’ordre de grandeur afin d’éviter une fausse précision ; elles avertissent aussi que l’agrégation des populations par paramètres régionaux peut amplifier les erreurs présentes dans les sources. La ressource se concentre sur les langues parlées vivantes : les langues signées, anciennes, historiques et construites en sont exclues. Les macrolangues et les langues classées comme éteintes sont incluses, car certaines de ces dernières comptent encore de petites communautés de locuteurs. L’espéranto constitue une exception explicite à l’exclusion des langues construites, puisque plusieurs technologies linguistiques le prennent déjà en charge.

Chaque repère sur la carte indique un centre linguistique théorique, établi à partir des coordonnées de Glottolog et de révisions manuelles. Le site précise que les langues sont parlées par des communautés susceptibles de se déplacer ou de franchir des frontières politiques ; les repères ne doivent donc pas être interprétés comme des territoires fixes.

La maintenance présente également une incohérence. La FAQ d’Explorer décrit LinguaMeta comme un projet actif et invite les chercheurs à contribuer en proposant des corrections et des ressources.

Le dépôt url-nlp qui l’héberge comporte un avis d’archivage GitHub daté du 6 octobre 2026 et est indiqué en lecture seule. Le jeu de données complet, dont les versions sont suivies, reste téléchargeable, mais ce statut ne permet pas de savoir clairement comment les contributions pourront être apportées à l’avenir, alors que Google présente l’interface à un public plus large.