Google DeepMind a déployé une nouvelle forme de traduction IA de la langue des signes qui permet aux personnes sourdes et malentendantes de signer directement sur leur téléphone au lieu de taper, dans ce que l’entreprise présente comme une véritable avancée pour les technologies d’accessibilité. Le modèle, dévoilé le 12 août 2026, s’appelle SL2T — abréviation de sign-language-to-text — et c’est la première fois que ce type de technologie sort des laboratoires de recherche pour arriver dans des applications grand public comme Gboard et Transcription instantanée (Live Transcribe).
Summary
Points clés à retenir
- Google DeepMind a lancé SL2T, un modèle multilingue de langue des signes qui convertit la langue des signes directement en texte écrit.
- Il prend actuellement en charge la langue des signes américaine (ASL) vers l’anglais dans Gboard et Transcription instantanée sur le Pixel 11, sans coût supplémentaire.
- Le modèle a été entraîné sur plus de 100 000 heures de données couvrant plus de 50 langues des signes et obtient un score de 70 BLEURT sur le benchmark FLEURS-ASL, bien au-dessus des modèles précédents.
- SL2T suit des points de repère de pose plutôt que la vidéo brute afin de protéger la vie privée des utilisateurs, en supprimant immédiatement les images de la caméra.
- Les membres de la communauté sourde ont façonné le projet dès le départ, et Google a créé le Comité consultatif sur l’IA pour la langue des signes (AISLAC) pour guider son déploiement.
Google DeepMind lance SL2T, un modèle multilingue de traduction IA de la langue des signes
SL2T est la réponse de DeepMind à une lacune qui existe dans l’IA depuis des années : alors que les outils de langue parlée comme la dictée et la traduction automatique sont devenus courants au cours des deux dernières décennies, les plus de 200 langues des signes dans le monde — utilisées par environ 70 millions de personnes sourdes et malentendantes — ont été largement laissées de côté. DeepMind décrit SL2T comme un système « massivement multilingue » conçu pour combler cette lacune avec un saut significatif à la fois en qualité de traduction et en couverture linguistique.
Le résultat pratique est une nouvelle forme de dictée. De la même manière que les utilisateurs entendants peuvent parler au lieu de taper, SL2T permet aux utilisateurs sourds de signer sur leur téléphone partout où ils taperaient normalement — pour rechercher sur le web, rédiger des messages ou des documents, ou demander à Gemini d’exécuter une tâche. Dans Transcription instantanée, les utilisateurs peuvent signer leur côté d’une conversation au lieu de taper en aller-retour avec une personne entendante. Selon les propres testeurs de Google, signer en ASL semblait plus rapide et plus naturel que de taper l’équivalent en anglais.
Prise en charge de l’ASL dans Gboard et Transcription instantanée sur Pixel 11
Pour l’instant, la technologie prend en charge une seule paire de langues : la langue des signes américaine traduite en anglais. Elle est disponible en premier dans Gboard et Transcription instantanée sur le Pixel 11, et Google promet que d’autres appareils et des langues des signes supplémentaires sont en préparation. Il est à noter que cette fonctionnalité est proposée sans coût supplémentaire pour les utilisateurs, ce qui la positionne comme une fonction d’accessibilité standard plutôt qu’un module complémentaire payant.
Comment le modèle multilingue de langue des signes a été conçu
SL2T a été entraîné sur un jeu de données de plus de 100 000 heures couvrant plus de 50 langues des signes, dont environ un quart spécifiquement en ASL. L’entraînement du modèle sur de nombreuses langues et niveaux de compétence en même temps, plutôt que de construire des systèmes séparés pour chaque langue, l’a aidé à apprendre des structures communes qui ont amélioré les performances globales — surpassant les modèles monolingues dans les propres tests de DeepMind.
Cette échelle se reflète dans les chiffres. Sur le benchmark FLEURS-ASL, qui mesure la qualité de la traduction ASL-vers-anglais, SL2T a obtenu un score zero-shot de 70 BLEURT — un chiffre que DeepMind indique comme étant nettement supérieur à tout ce qui avait été rapporté auparavant pour ce type de tâche. Cet écart est important : il montre que SL2T n’est pas seulement une amélioration incrémentale, mais un changement de niveau dans la capacité de l’IA à comprendre la langue des signes comme une langue à part entière, plutôt que comme une série de gestes de la main associés à des mots.
Une partie de la difficulté vient du fait que les langues des signes ne sont pas simplement des langues parlées réalisées avec les mains. Elles ont leur propre grammaire, leur vocabulaire et leur structure, et elles véhiculent le sens par le mouvement simultané des mains, des bras, du torse, de la tête et du visage. Suivre tout cela en temps réel est un problème exigeant de vision par ordinateur, et c’est l’une des raisons pour lesquelles les tentatives précédentes — comme les gants de langue des signes — ont eu du mal, car elles traitaient la langue des signes comme une tâche étroite de suivi des mains plutôt que comme une véritable traduction linguistique.
Les points de repère de pose protègent la vie privée des signants
Plutôt que d’envoyer de la vidéo brute vers un serveur, SL2T traite la langue des signes comme un flux de coordonnées de points de repère de pose. Un modèle sur l’appareil appelé MediaPipe Holistic suit des points sur le corps du signant, et seules ces coordonnées géométriques — et non les images de la caméra elles-mêmes — sont envoyées pour la traduction. La vidéo originale est immédiatement supprimée, ce qui est la manière dont DeepMind intègre la protection de la vie privée directement dans l’architecture du système plutôt que de la traiter comme une réflexion après coup.
Contourner les glosses pour une précision de traduction directe
SL2T s’écarte également d’une approche courante dans les recherches antérieures sur la langue des signes : il traduit les séquences de coordonnées directement en texte, en contournant les annotations intermédiaires étape par étape appelées « glosses ». Les glosses ont tendance à manquer les aspects plus riches et non linéaires des langues des signes, y compris les expressions faciales et les constructions spatiales qui portent un véritable sens. En sautant cette étape, SL2T évite les limites artificielles de vocabulaire et permet à la qualité de la traduction de s’améliorer directement avec davantage de données.
Google indique avoir également travaillé sur des problèmes pratiques et concrets au-delà des scores de benchmark — réduire le délai de diffusion en continu, éviter les fausses traductions lorsque quelqu’un ne signe pas réellement, et améliorer spécifiquement la précision pour environ 10 % des signants qui sont gauchers, ainsi que pour les personnes qui signent d’une seule main tout en tenant un téléphone dans l’autre.
La communauté sourde a façonné le développement de SL2T
DeepMind présente ce projet comme un projet construit avec la communauté sourde plutôt que simplement pour elle. L’idée est venue de Sam Sepah, un employé sourd de Google, et des partenaires sourds ont été impliqués dans la collecte de données, les tests utilisateurs et l’évaluation de l’impact réel de la technologie.
Pour maintenir cette implication de manière structurée au-delà du lancement initial, Google a formé le Comité consultatif sur l’IA pour la langue des signes (AISLAC), réunissant des organisations sourdes du monde entier et des experts du domaine afin d’aider à orienter la manière dont la technologie sera déployée à l’avenir. L’entreprise a également co-rédigé un rapport d’impact conjoint avec des partenaires communautaires pour cette première version, exposant à la fois ce que SL2T peut faire et quelles sont ses limites actuelles — une approche que Google indique vouloir reproduire pour les futures versions liées à la langue des signes.
Et ensuite pour la traduction IA de la langue des signes ?
DeepMind présente la prise en charge de l’ASL comme un point de départ plutôt qu’une ligne d’arrivée. L’équipe indique travailler à l’extension de SL2T à d’autres langues des signes, à l’exploration de la génération de langue des signes — essentiellement le processus inverse consistant à transformer du texte en sortie signée — et à l’ajout de capacités d’IA plus avancées par-dessus le modèle existant.
L’ambition plus large renvoie à l’objectif de longue date de Google de rendre l’information universellement accessible. Pour les communautés sourdes, y parvenir signifie rapprocher les langues des signes de la parité avec les langues parlées et écrites dans les produits numériques, et pas seulement lancer une fonctionnalité sur un seul appareil. La manière dont les premiers résultats de SL2T en ASL se maintiendront lorsqu’il sera étendu à des dizaines d’autres langues des signes, chacune avec sa propre grammaire et ses variations régionales, déterminera probablement la vitesse à laquelle cette vision plus large deviendra réalité pour les utilisateurs au-delà du Pixel 11.
FAQ
Qu’est-ce que SL2T et que fait-il ?
SL2T est le modèle multilingue de conversion langue des signes vers texte de Google DeepMind. Il traduit la langue des signes directement en texte écrit, permettant aux utilisateurs sourds de signer sur leur téléphone pour saisir des messages, effectuer des recherches ou communiquer au lieu d’utiliser un clavier.
Quelles langues des signes SL2T prend-il actuellement en charge ?
Pour l’instant, SL2T ne prend en charge que la langue des signes américaine traduite en anglais, et il est disponible via Gboard et Transcription instantanée sur le Pixel 11. D’autres langues des signes sont prévues pour de futures versions.
Comment SL2T protège-t-il la vie privée des utilisateurs pendant la traduction de la langue des signes ?
SL2T exécute un système de suivi sur l’appareil qui lit des points sur le corps du signant plutôt que d’envoyer de la vidéo brute où que ce soit. Seules ces coordonnées sont utilisées pour la traduction, et les images de la caméra sont immédiatement supprimées.
Comment la communauté sourde est-elle impliquée dans le projet SL2T ?
Des personnes sourdes ont été impliquées dès la phase de concept initial, jusqu’à la collecte de données, les tests et la gouvernance. Google a également mis en place le Comité consultatif sur l’IA pour la langue des signes, composé d’organisations et d’experts sourds, pour aider à guider l’évolution continue de la technologie.
{« @context »: »https://schema.org », »@type »: »FAQPage », »mainEntity »:[{« @type »: »Question », »name »: »Qu’est-ce que SL2T et que fait-il ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »SL2T est le modèle multilingue de conversion langue des signes vers texte de Google DeepMind. Il traduit la langue des signes directement en texte écrit, permettant aux utilisateurs sourds de signer sur leur téléphone pour saisir des messages, effectuer des recherches ou communiquer au lieu d’utiliser un clavier. »}},{« @type »: »Question », »name »: »Quelles langues des signes SL2T prend-il actuellement en charge ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »Pour l’instant, SL2T ne prend en charge que la langue des signes américaine traduite en anglais, et il est disponible via Gboard et Transcription instantanée sur le Pixel 11. D’autres langues des signes sont prévues pour de futures versions. »}},{« @type »: »Question », »name »: »Comment SL2T protège-t-il la vie privée des utilisateurs pendant la traduction de la langue des signes ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »SL2T exécute un système de suivi sur l’appareil qui lit des points sur le corps du signant plutôt que d’envoyer de la vidéo brute où que ce soit. Seules ces coordonnées sont utilisées pour la traduction, et les images de la caméra sont immédiatement supprimées. »}},{« @type »: »Question », »name »: »Comment la communauté sourde est-elle impliquée dans le projet SL2T ? », »acceptedAnswer »:{« @type »: »Answer », »text »: »Des personnes sourdes ont été impliquées dès la phase de concept initial, jusqu’à la collecte de données, les tests et la gouvernance. Google a également mis en place le Comité consultatif sur l’IA pour la langue des signes, composé d’organisations et d’experts sourds, pour aider à guider l’évolution continue de la technologie. »}}]}
Article produit avec l’assistance de l’intelligence artificielle et relu par l’équipe éditoriale.
