Parler français à l’IA coûte jusqu’à 58 % plus cher (🎤 Thomas Serval, Baracoda)

Parler français à une intelligence artificielle peut coûter jusqu’à 58 % de tokens supplémentaires par rapport à l’anglais, selon une étude de Baracoda AI Labs. Thomas Serval, PDG de Baracoda, explique les raisons de ce surcoût et les solutions possibles pour rendre les modèles d’IA plus efficaces en français.

🎤 INTERVIEW : Thomas Serval – PDG de BaracodaL’essentiel- En moyenne, en français, il faut deux tokens par mot.- Le français est plus inefficace que l’anglais pour parler aux machines.- Il va falloir réentraîner les modèles, ce qui est très, très coûteux.- Consommer plus de tokens, c’est consommer plus d’énergie, plus de GPU, plus de hardware.=================================

L’interviewPourquoi le français coûte-t-il plus cher à utiliser avec une IA ?Pour qu’un ordinateur comprenne une langue, il faut la découper en petits morceaux appelés tokens. Or, les modèles de langage sont généralement plus efficaces dans les langues sur lesquelles ils ont été entraînés. En anglais, un token correspond souvent à un mot, tandis qu’en français, il faut en moyenne deux tokens par mot. Nos accents, nos accords et les particularités de notre grammaire rendent cette tokenisation moins efficace. À cela s’ajoute un déséquilibre dans les données d’entraînement disponibles : les corpus anglophones sont beaucoup plus importants.

Quel est l’impact concret sur la facture des entreprises ?Les grandes entreprises qui proposent des modèles d’IA facturent souvent leur utilisation au token. Notre étude montre que le surcoût varie selon les modèles : environ 30 % pour GPT-5 dans nos mesures, 45 % pour Claude et 56 % pour Qwen, par rapport à l’anglais. Pour Mistral, nous avons mesuré un surcoût de 31 %. Ces chiffres sont des moyennes. Pour une entreprise qui multiplie les conversations et les projets d’IA, cette différence peut peser sur les coûts, mais aussi sur la consommation de ressources informatiques et d’énergie.

Quelles solutions pour rendre les IA plus efficaces en français ?Il faut agir dès la conception des modèles, notamment au niveau de la tokenisation, avant l’entraînement. Réentraîner un modèle coûte très cher, et les corrections réalisées après l’entraînement ne permettent d’améliorer la situation que marginalement. Chez Baracoda AI Labs, nous avons développé une deuxième version de notre encodeur, Baracoda FR2, qui ramène le surcoût à 12 % par rapport à l’anglais. Nous testons également notre approche sur les 24 langues de l’Union européenne. Il est possible