Une IA qui écrit en arabe : ce qui casse dans votre interface

Une boutique de Bab Ezzouar met son catalogue en arabe. Les descriptions sont écrites par un modèle, elles sont propres, et personne dans l’équipe ne lit un mot de travers. Sur le téléphone du premier client, la ligne de prix part du mauvais côté, la date de livraison affiche un jour qui n’existe pas, et le nom de la marque a poussé tout le titre à l’envers.

Le texte est juste. Ce qui a cassé, c’est l’écran. Un système d’intelligence artificielle produit de l’arabe qui n’a pas les propriétés du texte que vos développeurs avaient sous les yeux le jour où ils ont dessiné la page : il mélange les écritures, il écrit ses chiffres en caractères latins, et il n’ajoute aucune des marques invisibles dont une mise en page bidirectionnelle se sert pour trancher.

Cet article nomme les huit endroits où cela casse, dans l’ordre où vous les rencontrerez, et donne la vérification d’une heure qui les trouve tous. Il ne reprend pas l’argument selon lequel une interface arabe ne se dessine pas en retournant la française : c’est le préalable, il est traité ailleurs, et tout ce qui suit arrive même lorsqu’il a été respecté.

Un prix, un numéro de téléphone, un pourcentage, une quantité : ces valeurs se lisent de gauche à droite dans toutes les langues, y compris en arabe. Posées telles quelles dans une phrase de droite à gauche, elles se placent correctement la plupart du temps et se déplacent au mauvais endroit dès qu’un signe les accompagne.

Le cas qui casse est le signe attaché : un moins devant un nombre, un pourcentage derrière, une devise, une flèche de variation. Le signe est neutre du point de vue de la direction, donc il prend celle de son voisinage, et il finit du côté opposé à celui qu’il devrait occuper. Une baisse s’affiche comme une hausse dont le signe traîne au bout de la ligne.

La réponse tient en une règle et un piège. La règle : isoler la valeur dans un élément d’isolation bidirectionnelle forcé de gauche à droite, jamais la phrase entière. Le piège : poser cette direction sur le bloc plutôt que sur la valeur recalcule aussi l’alignement du bloc, qui était hérité, et pousse le chiffre contre le mauvais bord de la section.

Nous avons corrigé exactement cela à quatre endroits du même site — une barre de preuves, une grille d’offres, un résultat mis en avant et le pied de page — et chacun avait été écrit par quelqu’un qui savait que les chiffres devaient être isolés. Savoir la règle ne suffit pas si on l’applique un niveau trop haut.

La façon habituelle de gérer deux écritures est d’empiler les polices : la police latine d’abord, une police arabe derrière, et le navigateur descend la pile caractère par caractère jusqu’à trouver une fonte qui sait dessiner le signe. C’est ce que nous avons fait, et c’est faux.

La raison est qu’une police moderne chargée par un site est souvent accompagnée d’une fonte de secours locale, ajustée pour occuper la même place. Cette fonte de secours a parfois assez de couverture arabe pour intercepter le caractère avant que la police arabe soit atteinte. Le navigateur trouve une fonte qui accepte le signe, il s’arrête là, et le gras est ensuite fabriqué par déformation géométrique plutôt que dessiné.

À l’œil, cela donne un arabe légèrement épaissi, aux liaisons empâtées, que personne ne décrit comme un bug. C’est pourtant la différence entre une page qui a l’air soignée et une page qui a l’air approximative, et sur un écran de téléphone elle se voit sur chaque titre. Nous avons mesuré le cas, essayé l’empilement, et remplacé la pile entière sous direction arabe.

Deux conséquences pratiques. Une police arabe professionnelle s’arrête souvent à un gras normal : demander une graisse supérieure à celle qu’elle contient relance la fabrication géométrique. Et une phrase arabe insérée dans une page française n’hérite pas de la bonne pile, puisque la pile est choisie sur la direction du document : c’est l’élément lui-même qui doit porter sa langue.

Les titres de cartes, les colonnes de tableau et les fils d’ariane tronquent. En latin, une coupe au milieu d’un mot produit un fragment lisible suivi de points de suspension. En arabe, la coupe tombe entre deux lettres liées et casse la liaison : la lettre qui restait à l’écran change de forme, parce que sa forme dépendait de la lettre suivante.

Le fragment obtenu n’est pas un mot arabe abrégé, c’est une suite de signes qui se lit mal, et un lecteur ne reconstitue pas le mot d’origine aussi facilement qu’en latin. Les points de suspension, eux, sont neutres : ils se posent du côté que la direction de la phrase leur donne, et si cette direction a été mal résolue plus haut, ils apparaissent au début.

Ce qu’il faut en tirer n’est pas d’interdire la troncature, mais de la rendre visible aux personnes qui valident la page. Une carte de produit dont le titre est produit par un modèle recevra des titres plus longs que ceux qu’un rédacteur écrivait, parce qu’un modèle n’a pas la contrainte d’écran en tête.

La contrainte utile est donnée à l’écriture : une longueur maximale demandée au modèle, vérifiée en caractères et non en mots — l’arabe écrit le même contenu 25 à 30 % plus court, donc un nombre de mots ne dit rien de la place occupée.

Nous faisons trois choses sur ce sujet. Nous passons la vérification ci-dessus sur votre écran, en votre présence, et nous vous laissons la liste. Nous corrigeons ce qui relève de la feuille de style et du gabarit — direction, isolation des valeurs, polices, interlettrage, largeur de ligne — et nous écrivons la consigne de rédaction que recevra le modèle. Nous branchons ensuite un contrôle qui refuse un texte contenant un signe de ponctuation latin dans un champ arabe.

Nous refusons de faire corriger l’arabe par le modèle qui l’a produit. C’est la proposition qui revient le plus souvent et elle ne tient pas : le système n’a pas de représentation de votre écran, il ne sait pas qu’une ligne a basculé, et il produira une variante différente sans que personne sache laquelle des deux est passée en ligne.

Nous ne prenons pas non plus en charge la relecture éditoriale de l’arabe produit. Le style, le registre et l’exactitude sont un métier, ils se traitent avec des textes relus par quelqu’un qui écrit vraiment dans cette langue, et un prestataire technique qui prétend juger les deux vous coûtera la qualité de l’un des deux.

Ce que vous pouvez faire sans nous est la plus grande partie du travail : les six points de la vérification se voient à l’œil nu, et le quatrième — recopier une référence et la chercher — n’a besoin que de votre propre champ de recherche. Si tout passe, votre problème est ailleurs, et la question suivante est plutôt celle que pose le lexique que les systèmes ne connaissent pas.