DONNÉES VOCALES POUR L’IA · PRIORITÉ AU MAGHREB

Données vocales des dialectes arabes , enregistrées là où chaque dialecte est parlé.

بيانات صوتية باللهجات العربية

Des enregistrements vocaux réalisés avec le consentement des locuteurs natifs et transcrits dans leur langue : arabe tunisien, libyen et algérien — y compris l’alternance naturelle entre le français et l’arabe utilisée au quotidien — pour entraîner et évaluer les systèmes de reconnaissance vocale, de traduction et les assistants vocaux.

✓ Locuteurs natifs ✓ Qualité contrôlée ✓ Données collectées avec consentement
DÉMONSTRATION DE DONNÉES VOCALES

Parole en arabe tunisien

ÉCHANTILLON
ARABE TUNISIEN MÉLANGE ARABE · FRANÇAIS
✓

Exemple illustratif : un extrait audio et une ligne de métadonnées. Les échantillons réels sont partagés dans le cadre d’un accord de confidentialité (NDA).

DE VRAIS DIALECTES. DE VRAIES VOIX. DE VRAIES DONNÉES.
  • Entreprise basée dans l'UE · Conformité RGPD par défaut
  • Consentement écrit de chaque intervenant
  • Participants adultes uniquement, participation rémunérée
  • Transcription et relecture par des locuteurs natifs
  • Données chiffrées, au repos comme lors de leur transfert
  • Les fichiers refusés sont remplacés à nos frais

Pourquoi maintenant

Les dialectes sont là où les modèles vocaux échouent encore.

Les modèles gèrent bien l’arabe standard moderne. La parole du quotidien au Maghreb, c’est une autre histoire : vocabulaire dialectal, orthographe non fixée et passages constants au français. Combler cet écart demande des enregistrements réels de vrais locuteurs, avec des droits libérés pour l’entraînement commercial.

~36 %

taux d’erreur moyen sur les mots pour les meilleurs systèmes sur la parole arabe multi-dialectes.

Source : tâche partagée NADI 2025 (arXiv:2509.02038)

36,9 %

taux d’erreur sur les mots en arabe nord-africain pour le meilleur modèle arabe ouvert testé.

Source : sortie de Cohere Transcribe Arabic, juillet 2026

Couverture des dialectes
Les dialectes maghrébins sont notre spécialité.
Tunisien
ar-TN
Projet pilote en préparation
Libyen
ar-LY
Prochaine étape · sur demande
Algérien
ar-DZ
Phase 2 · sur demande
Marocain
ar-MA
Sur demande
Égyptien
ar-EG
Sur demande
Levantin
ar-LB · SY · JO · PS
Sur demande
Dialectes du Golfe
ar-AE · SA · KW · QA
Sur demande
Arabe standard moderne
MSA
Sur demande
Les alternances entre le français et l’arabe, ainsi qu’entre l’anglais et l’arabe, sont enregistrées telles qu’elles sont naturellement prononcées et signalées dans les transcriptions. Notre jeu de données pilote en dialecte tunisien est actuellement en préparation. Les autres dialectes sont collectés sur demande, selon vos spécifications.
Vision & Mandat
Faire en sorte que l’IA vocale comprenne l’arabe tel qu’il est réellement parlé.
Vision
Une technologie vocale qui fonctionne aussi bien pour un locuteur à Sfax, Tripoli ou Oran que pour un locuteur d’arabe standard moderne, et qui s’étendra ensuite à l’ensemble du monde arabe et de l’Afrique.
Mission
Collecter sur le terrain des données vocales dialectales de haute qualité, avec le consentement des participants, les transcrire avec des linguistes natifs et les concéder sous licence aux développeurs d’IA dans un cadre juridique clair.
Mandat
Nos propres opérations sur le terrain dans chaque pays, le consentement et la conformité au RGPD par défaut, des données originales uniquement et des jeux de données livrés dans les délais, conformément aux spécifications du client.
Où nous allons
Maintenant
Tunisie
Jeu de données pilote de conversations bilingues intégrant des alternances entre l’arabe et le français.
Ensuite
Libye & Algérie
Collectes d’abord sur demande, puis développement de nos propres jeux de données.
Puis
Maroc & Égypte
De grands marchés dialectaux, développés avec des coordinateurs locaux.
Plus tard
Golfe & Levant
Des projets pilotés depuis notre base de Dubaï.
Plus tard
Afrique de l’Ouest
Alternances entre le français, le wolof, le bambara et le dioula, en s’appuyant sur nos réseaux africains.
Chaque nouveau pays n’est ouvert qu’avec un coordinateur local, une vérification de la législation locale sur les données et un besoin client identifié.
Nos services
Quatre services, une seule équipe spécialisée en arabe.
Collecte de données vocales
Enregistrements de discours lus, guidés et conversationnels, réalisés dans chaque pays selon vos quotas et vos spécifications.
Transcription & annotation
Transcriptions orthographiques adaptées aux dialectes, avec alignement temporel et annotations des locuteurs, du bruit et des alternances linguistiques.
Services linguistiques en arabe
Traduction et vérification des traductions, vérification des écritures, création d'erreurs et évaluation des résultats produits par l'IA.
Données d'images
Collecte et annotation d'images, y compris les textes en arabe présents dans les images, sur demande.
Scénarios sur mesure : commandes en voiture, centres d'appels, commerce de détail, lunettes intelligentes et appareils connectés ; enregistrements à distance ou en proximité, avec prise en compte des bruits réels de l'environnement.
Notre méthode de travail
De votre cahier des charges à la livraison des données.
01
Définition
Dialectes, quotas, scripts, spécifications et critères d'acceptation.
02
Recrutement
Des coordinateurs locaux recrutent des locuteurs natifs ; leur origine régionale est vérifiée lors de la sélection.
03
Enregistrement
Discours lus, guidés ou conversationnels, enregistrés sur smartphone, en studio ou avec des appareils connectés.
04
Vérification
Contrôle de chaque fichier par un locuteur natif, suivi de la transcription par des linguistes spécialisés dans le dialecte.
05
Livraison
Livraison hebdomadaire des lots via SFTP sécurisé ou votre espace de stockage cloud.
Contrôle qualité. Les fichiers rejetés sont remplacés à nos frais.
Nous définissons avec vous les critères d'acceptation, tels qu'un seuil WER et un taux maximal de rejet, puis nous fournissons un suivi détaillé pour chaque lot livré.
Contrôle audio
Saturation, bruit de fond, silences, chevauchements de voix et doublons.
Vérification par des locuteurs natifs
Respect des consignes et confirmation du dialecte par un vérificateur natif.
Seconde vérification des transcriptions
Un vérificateur indépendant contrôle un échantillon de chaque lot.
Rapport par lot
Nombre d'heures par dialecte, ville, genre, tranche d'âge et taux de rejet.
Approvisionnement responsable & Documentation transparente
Chaque participant signe une autorisation pour l'entraînement commercial des modèles d'IA.
Consentement écrit
Couvre l'enregistrement, le transfert des droits et l'entraînement des modèles d'IA/ML. Versions en arabe et en anglais. L'utilisation pour la synthèse vocale nécessite un consentement distinct.
RGPD par défaut
Identifiants des participants pseudonymisés. Les noms et formulaires signés sont conservés séparément des fichiers audio et ne sont jamais transmis. Les preuves de consentement sont disponibles pour audit.
Collecte éthique
Adultes uniquement, recrutés directement — jamais via des plateformes anonymes de crowdsourcing — et rémunérés équitablement et dans les délais.
Protection des données & sécurité
Spécifications techniques
Livré dans le format de votre choix.
Enregistrement
WAV, 48 kHz, virgule flottante 32 bits, une piste micro-cravate par intervenant, avec enregistreur de secours en parallèle
Audio livré
WAV, PCM 16 bits, mono · 16 kHz (44,1 / 48 kHz pour les données audio propres ou TTS · 8 kHz pour la téléphonie)
Conditions d'enregistrement
Environ 80 % en salle calme traitée acoustiquement et 20 % dans des environnements réels avec bruit contrôlé (café, voiture, bureau). Chaque fichier est étiqueté · ou selon vos spécifications
Transcriptions
Transcription verbatim en dialecte avec alphabet arabe, français/anglais en alphabet latin, segments de 5 à 20 secondes alignés temporellement, avec balises pour les événements et les changements de langue (code-switching)
Métadonnées
JSON ou CSV : identifiant du participant, genre, tranche d'âge, dialecte, région, environnement, durée, statut du contrôle qualité (QA), périmètre du consentement
Livraison
SFTP sécurisé ou votre espace de stockage (S3, Azure, GCS), avec des lots hebdomadaires · nous pouvons adopter votre structure de données et vos conventions de nommage
Spécifications techniques complètes
Commencez par un projet pilote. Ne payez qu'après l'avoir validé.
Étape 1
Échantillon gratuit
30 minutes de conversations en dialecte tunisien, accompagnées d'un manifeste et d'une fiche des participants, pour vérifier leur conformité à vos spécifications.
Gratuit · sous accord de confidentialité (NDA)
Étape 2
Projet pilote
Environ 10 heures, un dialecte, 20 à 30 participants. Démarrage dans les 2 semaines suivant la validation des spécifications ; livraison sous 3 à 4 semaines. Aucune commande minimale.
Prix forfaitaire, établi selon vos spécifications
Étape 3
Production
Volumes adaptés à vos besoins après le projet pilote, avec un équilibre entre les genres, les tranches d'âge et les villes.
Par heure audio acceptée
Sur mesure
Selon vos spécifications
Vos consignes, votre domaine, vos appareils et vos conditions de bruit, sur votre plateforme ou sur la nôtre.
Par heure produite
Licences : exclusivité avec transfert intégral des droits de propriété intellectuelle, exclusivité à durée limitée ou licence non exclusive. Les commandes en volume sont facturées par lot accepté.

DIRECTION

Rigueur dans la gestion de projet, expertise technique et
compétences linguistiques natives.

MB

Mourad Ben Chedli

Fondateur · Chef de projet

Certifié PMP, titulaire d'un master en gestion de projet (Université du Québec en Outaouais). Il possède 20 ans d'expérience dans les domaines de la vente, de la gestion de projets et des opérations en Afrique, au Moyen-Orient, en Europe et au Canada, notamment sur des projets informatiques pour le gouvernement du Canada.

IG

Ichrak Gharbi

Responsable linguistique

Enseignante de langue arabe et diplômée de l'Université de la Manouba (langue et littérature arabes). Elle définit les directives de transcription, forme les transcripteurs et les réviseurs, et supervise le contrôle qualité des dialectes.

BM

Barhoumi Mustapha

Directeur technique (CTO)

Développeur web expérimenté en PrestaShop, PHP, JavaScript, HTML/CSS et intégration d'API. Son parcours couvre le développement e-commerce, l'automatisation des données produits et le scraping, l'optimisation des performances, le SEO, WordPress et les applications connectées à des bases de données.

AK

Dr. Achraf Kamoun

Responsable de l'ingénierie sonore

Ingénieur du son spécialisé dans l'enregistrement, l'acoustique et la production audio. Docteur en sciences culturelles et maître-assistant à l'Université de Tunis, spécialisé dans les beaux-arts. Membre fondateur de l'Association nationale de musicothérapie et fondateur de l'Arab Board for Arts and Health. Auteur de plusieurs publications et détenteur de brevets dans le domaine des technologies d'assistance, il possède également une vaste expérience dans l'organisation de conférences et de festivals nationaux et internationaux.

En savoir plus sur notre équipe et notre méthode de travail →

Vous parlez un dialecte maghrébin ? Enregistrez
votre voix et soyez rémunéré.

شارك بصوتك باللهجة وخذ مقابل

Parlons de votre projet pilote en arabe.

Indiquez-nous les dialectes, le volume horaire et votre cas d'utilisation. Nous vous répondrons sous un jour ouvrable. Les échantillons et les spécifications complètes sont partagés sous accord de confidentialité (NDA).

Demander un échantillon

Téléphone

+216 23 22 22 66 (Tunisie)

+971 50 337 1701 (Émirats arabes unis)

+33 6 68 02 80 77 (France)

Nos bureaux

Bruxelles · Tunis · Dubaï