L'IA de signes de Google arrive, en ASL seulement

Ce que Google a vraiment lancé

SL2T (sign language to text) est un modèle de Google DeepMind qui convertit les mouvements simultanés des mains, du visage et du corps de la langue des signes directement en texte écrit, sans passer par les annotations intermédiaires 'gloss' qui limitaient les systèmes de recherche précédents. Il a été lancé le 12 août 2026 dans deux produits grand public sur le Pixel 11 : la dictée signes-vers-texte dans Gboard, et les réponses de conversation fondées sur les signes dans Live Transcribe. Le modèle a été entraîné sur plus de 100 000 heures de données de signes couvrant plus de 50 langues des signes, dont environ un quart en langue des signes américaine (ASL), et obtient un score de 70 BLEURT sur le référentiel FLEURS-ASL, un résultat que Google décrit comme nettement supérieur à tout résultat publié auparavant. Il a été conçu avec un comité consultatif de langue des signes en IA réunissant des organisations et des spécialistes sourds, et le projet a été initié par Sam Sepah, un employé sourd de Google, selon le principe affiché de construire avec la communauté sourde plutôt que seulement pour elle.

Google reconnaît ouvertement où le modèle peine encore : signes rares, épellation manuelle rapide, constructions grammaticales passives, représentations classificatrices et inférence du temps verbal sans contexte figurent toutes dans sa propre liste publiée de limites. Cette franchise compte, car il ne s'agit pas d'un article de recherche ni d'une vidéo de démonstration, mais du premier modèle de traduction de langue des signes livré dans le clavier par défaut d'un téléphone grand public, disponible dès le premier jour pour tout propriétaire d'un Pixel 11 sans coût supplémentaire.

Le choix de confidentialité qu'aucun titre n'a saisi

En droit européen de la protection des données, les données biométriques utilisées pour identifier de manière unique une personne physique relèvent d'une catégorie particulière au titre de l'article 9 du RGPD, avec des conditions plus strictes sur le moment où elles peuvent être traitées. Une vidéo du visage et des mains d'une personne, captée spécifiquement pour analyser ses mouvements corporels, s'approche fortement de cette limite. L'architecture de SL2T est conçue pour s'en tenir clairement à l'écart : le téléphone fait tourner MediaPipe Holistic, un traqueur de posture, directement sur l'appareil, et seules les coordonnées géométriques résultantes des mains, du visage et de la posture corporelle sont envoyées aux serveurs de Google pour la traduction. La vidéo originale est supprimée sur l'appareil aussitôt et n'est jamais transmise ni stockée.

Que les ingénieurs de Google l'aient formulé en interne en termes de RGPD ou non, c'est un exemple d'école de minimisation des données : réduire un flux de caméra à la plus petite abstraction qui remplit encore la fonction, et abandonner tout le reste avant qu'il ne quitte l'appareil. Toute équipe produit tournée vers l'UE qui construit une fonctionnalité d'accessibilité, de gestes ou de dictée fondée sur une caméra dispose désormais d'un exemple concret et déjà livré à citer dans une analyse d'impact relative à la protection des données, ainsi que d'un argument solide expliquant pourquoi les coordonnées de points clés, et non la vidéo brute, devraient être l'architecture par défaut plutôt qu'un ajout tardif.

Pourquoi 'ASL seulement' pèse plus lourd en Europe qu'il n'y paraît

Les langues des signes sont nationales et régionales, pas universelles, et ne suivent pas la langue orale du pays qui les utilise. La langue des signes britannique et l'américaine sont des langues distinctes, avec une grammaire différente et un vocabulaire en grande partie différent, bien que les deux pays parlent anglais. L'Allemagne a la DGS, la France a la LSF, l'Italie a la LIS, la Pologne a la PJM, et aucune n'est un dialecte de l'ASL ni des autres. Le chiffre de Google de 'plus de 50 langues des signes, 100 000 heures' décrit l'ampleur des données d'entraînement et de la base de recherche de SL2T ; la fonctionnalité réellement lancée traduit uniquement de l'ASL vers l'anglais. Cela signifie qu'aucune langue des signes de l'UE ou du Royaume-Uni n'est utilisable dans ce lancement, ni le premier jour ni pendant une période non précisée ensuite.

Le calendrier accentue cet écart. Les obligations de l'Acte européen sur l'accessibilité sont devenues opposables pour de nombreux produits et services numériques dans les états membres depuis le 28 juin 2025, les autorités nationales de surveillance du marché étant désormais habilitées à agir sur plainte. L'Acte n'impose pas une fonctionnalité de clavier mobile précise comme celle-ci, donc son absence ne constitue pas en soi une infraction. Mais cela signifie qu'un utilisateur sourd à Paris, Lyon ou Marseille lit une publicité sur l'accessibilité du Pixel 11 qui décrit une capacité que sa propre langue des signes ne peut pas utiliser, au moment même où l'attention portée à l'accessibilité numérique dans l'UE et au Royaume-Uni augmente plutôt qu'elle ne diminue.

Ce que cela signifie pour la planification dans l'UE et au Royaume-Uni

Pour les équipes produit et conformité, l'architecture fondée uniquement sur des coordonnées est le schéma à copier pour toute fonctionnalité d'accessibilité, de gestes ou de dictée fondée sur une caméra visant des utilisateurs de l'UE ou du Royaume-Uni. Elle réduit la question de l'exposition des données biométriques avant que le service juridique n'ait à y répondre sous pression, et constitue un exemple concret à citer dans une analyse d'impact relative à la protection des données comme minimisation des données dès la conception, plutôt que comme un ajout de dernière minute pour la conformité.

Pour les équipes accessibilité ou achats qui évaluent précisément cette fonctionnalité, le conseil est plus direct : ne pas budgéter en comptant sur une arrivée prochaine de la langue des signes britannique, de la DGS, de la LSF ou de toute autre langue des signes nationale de l'UE. La propre liste des limites de Google ne promet que des 'langues des signes supplémentaires' sans date, et le séquençage choisi par l'entreprise, l'ASL d'abord avec tout le reste décrit comme devant suivre plus tard, suggère que la prise en charge pour l'UE et le Royaume-Uni constitue une seconde vague de déploiement mesurée en trimestres plutôt qu'en semaines. Lors du conseil à un client sur l'achat d'appareils pour du personnel ou une clientèle sourde, il convient de traiter la publicité sur l'accessibilité du Pixel 11 et la fonctionnalité réellement livrée sur un marché donné comme deux choses distinctes.

À lire ensuite: Neuf des 10 meilleurs modèles vidéo IA sont désormais chinois  |  Une IA ouverte ajoute un jour de préavis cyclonique