Les LLM pour l’arabe et la darija

Faites fonctionner les modèles de langage en arabe et en darija algérienne : mesurez-les, corrigez leurs points faibles et construisez une application que vos utilisateurs comprennent.

La plupart des modèles de langage sont conçus pour l’anglais. Vous comprenez pourquoi ils peinent avec l’écriture arabe, la darija et le mélange français-arabe que les gens écrivent vraiment, puis vous construisez un benchmark pour le mesurer. Vous terminez avec un assistant adapté à la darija, grâce au prompting, à la recherche (RAG) et à un fine-tuning léger.

Ce que vous saurez faire

• Expliquer pourquoi les LLM gèrent moins bien l’arabe et la darija que l’anglais
• Construire un petit benchmark pour comparer les modèles en darija
• Livrer un assistant qui comprend la darija, l’arabe et le français

Avant de commencer

• Bases de Python
• Lire l’arabe ou la darija

Programme du cours

1. Pourquoi les modèles peinent: Une comparaison de tokenizers sur l’arabe, la darija et le français. Une note coût et qualité par langue.
2. Un benchmark darija: Un petit jeu de test avec alternance de langues. Une comparaison de modèles à partager.
3. Prompting et RAG pour l’arabe: Un assistant ancré dans des documents arabes. Des scores avant et après.
4. Fine-tuning léger: Un petit modèle ajusté sur des exemples en darija. Un assistant qui comprend la darija, l’arabe et le français.

Toutes les formations en IA et machine learning