KomoriTTS : la première voix de synthèse vocale en shikomori, une révolution signée Komor-IA

Entretien accordé à Al-Watwan, premier journal des Comores

1) Pouvez-vous vous présenter et nous parler de votre parcours dans le domaine de l'intelligence artificielle ?

Je m'appelle Soilahoudine Mohamed. Né à Mvouni, j'ai obtenu mon bac scientifique en 2021, puis poursuivi mes études au Royaume du Maroc, avec une licence en Sciences Mathématiques et Informatique à l'Université Abdelmalek Essaâdi de Tétouan.

C'est en 2024 que j'ai entamé un Master en Intelligence Artificielle et Sciences des Données à l'Université Mohammed Premier d'Oujda. C'est à ce moment-là que je suis véritablement entré dans le monde de l'IA, jusqu'à fonder Komor-IA en août 2025, animé par l'envie et le besoin d'apporter ma pierre à l'édifice et de poser les fondations d'une IA pour les Comores et les Comoriens.

Komor-IA a pour objectif d'offrir des solutions innovantes basées sur l'IA aux entreprises comoriennes, mais surtout de développer des modèles d'intelligence artificielle pour le shikomori, jusqu'ici totalement absent de cet écosystème.

2) Qu'est-ce qui vous a poussé à développer cette plateforme de conversion de texte en message audio en shikomori, plus particulièrement en shingazidja ?

KomoriTTS, sorti le 28 juillet 2026, est un modèle dit TTS (Text-to-Speech). À notre connaissance, c'est le premier modèle du genre pour le shikomori.

Il ne s'agit pas de travailler exclusivement sur le shingazidja. Nous travaillons sur le shikomori dans son ensemble, c'est-à-dire ses quatre dialectes. Mais plutôt que de tout mener de front, au risque de complexifier considérablement le processus, nous avons choisi d'avancer dialecte par dialecte. Le shingazidja est venu en premier parce que c'est celui pour lequel nous disposions du plus de données, faute de traducteurs suffisants en shindzuani, shimwali et shimaore.

Les motivations sont multiples. D'abord un constat simple : il n'existait à ce jour aucun modèle de synthèse vocale pour le shikomori, alors qu'il en existe pour des centaines de langues à travers le monde. Ensuite, une conviction : un modèle TTS peut apporter beaucoup, dans plusieurs domaines.

En accessibilité, par exemple pour la lecture d'écran destinée aux personnes malvoyantes. En éducation, comme soutien à l'apprentissage de la langue et à l'alphabétisation, par l'écoute de textes correctement prononcés, car l'écrit seul prête souvent à confusion. Une phrase comme "Mi ucandja haina mfumo" peut par exemple être mal prononcée : certains diront le "u" comme en français, alors que "ucandja" se prononce en réalité "outchandja".

On peut aussi penser aux agents conversationnels, l'intégration avec des assistants vocaux ou des chatbots pour des échanges naturels en temps réel, comme le permettent déjà des IA telles que ChatGPT. Et enfin à la production automatisée de livres audio, de doublages ou de podcasts, sans nécessiter systématiquement un studio d'enregistrement.

3) Comment fonctionne-t-elle concrètement ?

Sans entrer dans les détails techniques : tout commence par l'entraînement du modèle. L'idée est d'apprendre au modèle à générer de l'audio à partir d'une phrase écrite en shikomori. Pour cela, nous lui fournissons des données structurées, par paires : un fichier texte et son enregistrement audio correspondant. Par exemple, 0001.txt contient la phrase "Ngamwenɗo shiyoni mauɗu 7h", et 0001.wav en est l'enregistrement audio.

Le modèle apprend ainsi, des milliers de fois, à faire le lien entre le texte écrit et sa prononciation réelle, jusqu'à assimiler des régularités comme le fait que le "u" se prononce "ou". C'est de cette manière qu'il apprend à transformer une phrase écrite en parole.

Une fois entraîné, nous l'avons intégré à notre site pour les premiers essais publics. Quand vous saisissez une phrase sur le site, le modèle suit exactement le même principe qu'à l'entraînement : il reçoit le texte, l'analyse, puis génère l'audio correspondant.

4) Pourquoi ce choix de commencer par le dialecte shingazidja ? Et pour les autres dialectes ?

Comme expliqué précédemment, ce choix repose avant tout sur la disponibilité des données. Nous avons développé une plateforme, komor-ia.com, avec un module de collecte par crowdsourcing : des textes en français (phrases simples, paragraphes, articles) sont proposés, et chaque contributeur peut choisir de les traduire dans le dialecte de son choix : shingazidja, shindzuani, shimwali ou shimaore. Ce sont ces phrases traduites, complétées par d'autres préparées en interne, qui servent à entraîner nos modèles. Ce sont précisément elles qui ont permis d'entraîner KomoriTTS V1, disponible dès aujourd'hui sur notre site.

Pour être honnête, nous avons reçu très peu de traductions en shindzuani, shimwali et shimaore jusqu'à présent. Et même lorsque nous en recevons, une véritable montée en échelle demanderait un travail de relecture et de validation linguistique plus poussé que ce que nous avons pu mettre en place à ce stade pour le shingazidja, un chantier sur lequel nous voulons structurer une vraie collaboration avec des linguistes.

Sans traducteurs ni validateurs en nombre suffisant, difficile d'avancer aussi vite sur ces dialectes. C'est peut-être aussi le signe d'une campagne de communication qui n'a pas encore suffisamment touché les personnes concernées, nous lançons ici un appel sincère à toute personne souhaitant contribuer.

C'est aussi pour cette raison que nous étudions activement des solutions pour combler cet écart, et nous y travaillons déjà : nos recherches actuelles portent sur le shikomori dans son ensemble, pas seulement sur le shingazidja.

5) Quels défis techniques avez-vous rencontrés lors du développement de la plateforme ?

Pour KomoriTTS, plusieurs défis techniques se sont posés. Le premier est le coût : entraîner ce type de modèle nécessite des GPU, et ces ressources de calcul coûtent cher, c'est d'ailleurs l'une des raisons pour lesquelles on ne trouve pas des dizaines de milliers d'équivalents à ChatGPT à travers le monde.

Le second est le déficit de données. Pour entraîner un modèle de ce type entièrement à partir de zéro, il faudrait des volumes de données considérables. C'est pour cette raison que nous avons recours au transfert d'apprentissage : plutôt que de repartir de rien, nous adaptons un modèle déjà entraîné sur le swahili, une langue proche du shikomori, à notre propre corpus, bien plus modeste en volume. C'est ce qui nous a permis d'obtenir un premier résultat exploitable de KomoriTTS avec un nombre de phrases raisonnable, plutôt qu'avec des centaines de milliers d'exemples.

Bien sûr, notre ambition est de développer des modèles 100 % comoriens, conçus entièrement de zéro, et nous y travaillons déjà. Mais cela demande d'importantes ressources : entre 30 et 50 heures d'enregistrements audio au minimum, des textes préalablement traduits, des traducteurs, du matériel d'enregistrement professionnel et des linguistes pour valider le travail...etc, et pour le tout, de l'argent. Aujourd'hui, nous ne disposons pas encore de toutes ces ressources.

Cela ne veut pas dire que le manque de données cesse d'être un défi : plus nous disposons de données de qualité, meilleure est la précision du modèle, et c'est un chantier sur lequel nous continuons de travailler, notamment via le crowdsourcing. Faute de traducteurs et de validateurs en nombre suffisant, ce travail de collecte prend du temps.

6) À quel public s'adresse principalement cette innovation ?

Cette innovation s'adresse à tous les Comoriens, natifs comme diasporiques, mais aussi à toute personne étrangère souhaitant apprendre le shikomori. C'est également une initiative à portée scientifique : la constitution de bases de données en shikomori ouvre la voie à la recherche, aussi bien en intelligence artificielle qu'en linguistique, pour des chercheurs comoriens comme étrangers.

7) Quels retours avez-vous reçus, et quel message adresseriez-vous aux jeunes qui souhaitent innover dans le domaine des nouvelles technologies ?

Nous avons reçu de très bons retours, alhamdoulillah. Beaucoup de personnes nous encouragent pour avoir pris l'initiative de poser les bases d'un écosystème jusqu'ici absent, mais surtout, pour avoir osé essayer. Nous espérons que cela donnera envie à d'autres, qui hésitaient encore à se lancer, de nous rejoindre dans cette démarche. Nous sommes ouverts à tous, car le domaine de l'IA a besoin de compétences variées : ingénierie informatique, linguistique, mathématiques, finance, droit, et bien d'autres... mais en priorité celles et ceux issus des domaines de la data et de l'IA.

Cette initiative est aussi un message adressé aux jeunes comme moi, animés par l'envie et le besoin d'innover. L'intelligence artificielle façonne le monde d'aujourd'hui et de demain. Même des métiers qu'on croyait à l'abri, comme ceux liés à la médecine, sont aujourd'hui profondément transformés par l'IA. Et nous, en tant que Comoriens, en tant qu'Africains, longtemps mis de côté dans l'histoire des grandes transformations technologiques, avons la responsabilité de nous approprier cette révolution.

8) Comment fonctionne l'application, est-ce hors-ligne ou avec de la connexion ?

Pour le moment, l'application fonctionne avec une connexion Internet. Elle est accessible directement sur notre site komor-ia.com, dans l'onglet « Modèles », où les utilisateurs peuvent tester nos différents modèles d'intelligence artificielle. Une version hors ligne pourra être envisagée à l'avenir, mais ce n'est pas encore le cas.

Par ailleurs et pour finir, nous avons également besoin de nouer des partenariats avec différentes institutions, qu'elles soient publiques, privées ou académiques. Leur soutien, qu'il soit technique, scientifique, humain ou financier, serait précieux pour accélérer le développement de ces technologies au service de la langue comorienne.

Nous avons raté la révolution industrielle. Nous n'avons pas le droit de rater celle-ci.

---

Entretien réalisé pour Al-Watwan.