BroadRouter

Concevoir une expérience IA multilingue : arabe, anglais, espagnol

Par l’équipe BroadNet Inference · 7 min de lecture · Publié

Stockez deux réglages : la locale de l’interface et la langue du contenu, et ne déduisez jamais l’un de l’autre. Fixez la direction d’après la locale, isolez le texte de l’utilisateur et du modèle avec dir="auto" ou bdi, formatez nombres et dates selon la locale, normalisez les chiffres en saisie, traitez la détection de langue comme un indice et évaluez qualité et coût par langue.

Une fonctionnalité d’IA pour des utilisateurs arabophones, anglophones et hispanophones, ce sont trois produits qui partagent une même base de code. L’écran doit s’inverser pour l’arabe. Les messages mélangent plusieurs écritures sur une même ligne. Les nombres et les dates changent de forme selon la région. Le modèle peut répondre dans la mauvaise langue, et chaque langue coûte un montant différent. La plupart de ces problèmes viennent d’une seule erreur de conception : traiter « la langue » comme un réglage unique.

Cet article couvre le côté produit et interface. La traduction des chaînes de votre application (espaces réservés, pluriels, messages ICU) est traitée dans traduire les chaînes d’une application en arabe avec un LLM ; la formulation des prompts dans prompt engineering en arabe.

Pourquoi séparer la locale de l’interface de la langue du modèle ?

Parce qu’elles répondent à des questions différentes. La locale de l’interface (ar-SA, en-US, es-MX) détermine la direction de la mise en page, la langue de vos boutons et l’aspect des nombres et des dates. La langue du contenu est celle d’un message, d’un document ou d’un enregistrement précis, et détermine ce que vous demandez au modèle.

Les deux divergent constamment. Un utilisateur saoudien avec une interface en arabe colle un contrat en anglais. Une utilisatrice espagnole téléverse la photo d’une facture en arabe. Un agent bilingue change de langue en pleine conversation (alternance codique). Si le code envoie « réponds en arabe » parce que l’interface est en arabe, le contrat anglais reçoit un résumé en arabe que personne n’a demandé.

Stockez donc les deux, par utilisateur et par message :

  • ui_locale : choisie par l’utilisateur, par défaut la langue du navigateur.
  • answer_language : un choix explicite de l’utilisateur s’il en a fait un, sinon la langue détectée du message.
  • Pour l’audio, audio_language : ce que vous transmettez au modèle de transcription. La référence de l’API BroadNet indique de toujours envoyer language avec une requête de transcription, faute de quoi l’arabe peut revenir en lettres latines.

Comment gérer le texte de droite à gauche et les directions mixtes ?

En trois couches, d’après les recommandations du W3C :

  1. La direction de la page vient de la locale. Définissez dir="rtl" et lang="ar" sur l’élément html pour l’arabe. Le W3C déconseille de fixer la direction de base en CSS et recommande des valeurs logiques (start et end) pour les marges, le padding et l’alignement plutôt que gauche et droite.
  2. Du CSS logique. margin-inline-start au lieu de margin-left, text-align: start au lieu de left. MDN décrit les propriétés logiques comme un contrôle de la mise en page « through logical rather than physical direction » (traduction : « par une direction logique plutôt que physique »). Une seule feuille de style sert alors les deux directions.
  3. Isolez le texte que vous n’avez pas écrit. Les messages des utilisateurs, les réponses du modèle, les noms de produits et les numéros de commande ont leur propre direction. La règle du W3C : si vous ne connaissez pas la direction d’un texte inséré à l’exécution, ajoutez dir="auto" à l’élément qui l’entoure, ou placez-le dans un élément bdi. Sans isolation, un numéro de commande anglais à la fin d’une phrase arabe peut sauter du mauvais côté, et la ponctuation atterrit à des endroits étranges.

Pour une interface de chat, cela signifie dir="auto" sur chaque bulle de message, puisque chaque message prend sa direction de son premier caractère fort, et bdi autour des noms et des codes dans vos propres chaînes d’interface. Là où il n’y a pas de balisage (notifications push, SMS, exports CSV), les isolats de l’algorithme bidirectionnel Unicode font le même travail : U+2068 FIRST STRONG ISOLATE avant le texte et U+2069 POP DIRECTIONAL ISOLATE après.

La sortie du modèle ajoute un cas : le Markdown. Un modèle qui répond en arabe peut inclure du code, des URL ou des cellules de tableau en anglais. Rendez les blocs de code explicitement avec dir="ltr", et donnez dir="auto" à chaque paragraphe et à chaque cellule.

Comment les nombres et les dates doivent-ils varier selon la locale ?

Laissez la plateforme les formater, et vérifiez ce qu’elle produit réellement. Nous avons exécuté Intl.NumberFormat et Intl.DateTimeFormat sous Node 24.22.1 (ICU 78.3, CLDR 48) pour 1234.5 et le 15 novembre 2026 :

Locale Nombre Date (longue) Direction
en-US 1,234.5 November 15, 2026 ltr
ar-SA ١٬٢٣٤٫٥ ١٥ نوفمبر ٢٠٢٦ rtl
ar-SA-u-nu-latn 1,234.5 15 نوفمبر 2026 rtl
ar-AE 1,234.5 15 نوفمبر 2026 rtl
es-ES 1234,5 15 de noviembre de 2026 ltr
es-MX 1,234.5 15 de noviembre de 2026 ltr

Quatre points à noter. Les locales arabes diffèrent sur les chiffres : l’Arabie saoudite utilise par défaut les chiffres arabes orientaux, les Émirats les chiffres occidentaux, et l’extension -u-nu-latn (voir numberingSystem sur MDN) fait passer une locale aux chiffres occidentaux. L’espagnol varie selon la région : l’Espagne utilise une virgule décimale et, pour un nombre à quatre chiffres, pas de séparateur de milliers ; le Mexique utilise un point. Les noms de mois varient aussi dans le monde arabe : ar-MA a affiché نونبر pour novembre, là où ar-SA affichait نوفمبر. Enfin, les navigateurs embarquent leurs propres versions d’ICU : faites donc les mêmes vérifications dans vos navigateurs cibles.

Les pluriels suivent les règles CLDR : Intl.PluralRules pour ar a renvoyé six catégories pour 0, 1, 2, 3, 11 et 100 (zero, one, two, few, many, other), alors que l’anglais et l’espagnol n’ont renvoyé que one et other pour ces nombres. Le volet chaînes de ce sujet se trouve dans l’article sur les chaînes d’application.

En saisie, acceptez les deux formes de chiffres. Un utilisateur peut taper ١٢٣٤ dans un champ de quantité ; normalisez en chiffres ASCII avant l’analyse, et avant d’envoyer des nombres à un modèle si vos prompts les comparent.

Peut-on détecter la langue de chaque message ?

En partie. Distinguer l’écriture arabe de l’écriture latine est simple et fiable : comptez les caractères du bloc Unicode arabe. Distinguer l’anglais de l’espagnol, ou interpréter des messages très courts, demande un modèle entraîné. fastText publie deux modèles d’identification de langue pour 176 langues (lid.176.bin, 126 Mo, et la version compressée lid.176.ftz, 917 ko).

Voici un petit module d’aide pour les décisions ci-dessus. Le détecteur est volontairement simple, pour montrer où la simplicité échoue.

// UI locale and content language are separate values. Never derive one from the other silently.
const RTL = new Set(['ar', 'he', 'fa', 'ur']);

/** Rough script-based guess: enough to pick a direction and a prompt, not a language-ID model. */
export function guessLanguage(text) {
  const arabic = (text.match(/[؀-ۿݐ-ݿ]/g) || []).length;
  const latin = (text.match(/[A-Za-zÀ-ÿ]/g) || []).length;
  if (arabic + latin < 3) return 'und';
  if (arabic / (arabic + latin) > 0.6) return 'ar';
  if (arabic / (arabic + latin) > 0.2) return 'mixed';
  return /[ñ¿¡áéíóú]|\b(el|la|los|las|de|que|por|para|está|dónde)\b/i.test(text) ? 'es' : 'en';
}

/** Wrap user or model text for display inside UI text of either direction (W3C: bdi / dir="auto"). */
export const isolate = (s) => `<bdi>${s.replace(/[&<>"]/g, (c) => ({ '&': '&amp;', '<': '&lt;', '>': '&gt;', '"': '&quot;' })[c])}</bdi>`;

/** Plain-text equivalent for places with no markup (notifications, CSV, SMS): FSI ... PDI. */
export const isolateText = (s) => `⁨${s}⁩`;

export function formatters(uiLocale) {
  return {
    dir: RTL.has(new Intl.Locale(uiLocale).language) ? 'rtl' : 'ltr',
    number: new Intl.NumberFormat(uiLocale),
    date: new Intl.DateTimeFormat(uiLocale, { dateStyle: 'long', timeZone: 'UTC' }),
    plural: new Intl.PluralRules(uiLocale),
  };
}

/** Normalise digits a user typed before parsing: Arabic-Indic and Persian to ASCII. */
export const toAsciiDigits = (s) =>
  s.replace(/[٠-٩]/g, (d) => d.charCodeAt(0) - 0x0660).replace(/[۰-۹]/g, (d) => d.charCodeAt(0) - 0x06F0);

/** System prompt: the answer language comes from the content, or the user's explicit choice, not the UI. */
export function systemPrompt({ answerLanguage }) {
  const name = { ar: 'Arabic', en: 'English', es: 'Spanish' }[answerLanguage] ?? 'the language of the user\'s message';
  return `Answer in ${name}. Keep product names, code, URLs and numbers exactly as written.`;
}

Nous l’avons exécuté sous Node 24. Il a classé وين طلبي؟ en ar, « ¿Dónde está mi pedido? » en es, « Where is my order? » en en, et une phrase arabe contenant le code ORD-5521 en ar. « ok » a donné und, ce qui retombe correctement sur « the language of the user’s message » dans le prompt. Et « ana 3ayez a3raf el order fen », de l’arabe égyptien en lettres latines (arabizi), a donné es, parce que le mot « el » ressemble à de l’espagnol. C’est le résultat honnête d’une heuristique. Si vos utilisateurs écrivent en arabizi, détectez-le explicitement et traitez-le comme de l’arabe, comme dans gérer l’arabizi, et laissez les utilisateurs corriger la langue de réponse d’un simple appui.

La fonction de chiffres a transformé ٢٠٢٦-١١-١٥ en 2026-11-15, et isolate() a échappé le HTML avant d’envelopper le texte, si bien qu’un nom d’entreprise comme Acme <Ltd> ne peut pas injecter de balisage.

Qu’est-ce qui change encore quand la langue change ?

  • La longueur du texte. Le texte d’interface traduit est souvent plus long. Le W3C cite des règles d’IBM selon lesquelles les chaînes anglaises de 10 caractères au plus atteignent 200 à 300 % de leur longueur dans les langues européennes, et celles de plus de 70 caractères environ 130 %. Concevez boutons et libellés pour qu’ils puissent passer à la ligne, et testez la version espagnole sur des largeurs étroites.
  • Les polices. Choisissez une famille de polices avec un dessin arabe assorti, et vérifiez la hauteur de ligne en arabe : les signes diacritiques ont besoin de place au-dessus et en dessous.
  • Recherche et correspondance. Le texte arabe doit être normalisé avant toute comparaison (diacritiques, formes de l’alif, tatweel). Le normaliseur de texte arabe montre chaque règle.
  • La parole. Choisissez le modèle de transcription d’après la langue de l’audio, pas d’après l’interface. BroadNet propose un modèle arabe et un modèle à 14 langues qui couvre l’anglais, l’espagnol et l’arabe ; la page de son modèle multilingue indique de choisir le modèle arabe pour l’audio en arabe. L’article sur le speech-to-text multilingue compare les options.
  • Le dialecte. « L’arabe » n’est pas une cible unique. À Riyad, au Caire et à Casablanca, on n’écrit pas de la même façon ; dialectes du Golfe et égyptien décrit ce qu’il faut tester.

Comment évaluer et budgéter chaque langue ?

Séparément. Un score global masque une langue faible, et un budget global masque une langue coûteuse.

Constituez par langue un petit jeu d’évaluation à partir de vrais messages, avec des locuteurs natifs qui annotent les réponses attendues. Vérifiez que la réponse arrive dans la langue demandée, que les noms, nombres et codes restent intacts, et que la qualité tient pour chaque dialecte que vous servez. Relancez le même jeu quand vous changez de modèle ou de prompt ; la méthode est dans évaluer un LLM avant de changer.

Côté coût, le nombre de tokens varie selon la langue et le tokenizer. Dans le jeu de données mesuré par BroadRouter, le même texte en arabe standard moderne demande 1.31× (Qwen3.8 27B) à 1.77× (GLM 5.3) les tokens de sa traduction anglaise. Le coût réel par langue convertit ces chiffres en argent par modèle, espagnol compris, et le compteur de tokens arabe mesure votre propre texte. Journalisez les tokens par requête avec la langue du contenu, et vous verrez le coût par langue et par utilisateur, pas seulement par mois.

Enfin, faites relire par des natifs avant le lancement. La traduction automatique comme la sortie des modèles produisent de l’arabe et de l’espagnol grammaticalement corrects mais inadaptés à votre public. Une personne qui utilise le produit dans sa propre langue repère ce qu’aucun test ne repère.

La place de BroadNet Inference

BroadRouter est le site de BroadNet. Les modèles de BroadNet Inference conviennent raisonnablement à un produit en arabe, anglais et espagnol : BroadNet indique avoir testé Qwen3.8 27B en arabe, y compris la compréhension des dialectes du Golfe et égyptien ; Gemma 4 VL 26B fonctionne avec le crédit de départ de $5 ; et la transcription couvre l’arabe (BroadNet Transcribe Arabic, $0.0042 par minute) ainsi que 14 langues dont l’anglais et l’espagnol (BroadNet Transcribe, $0.002 par minute). Le contenu d’inférence n’est pas conservé ; les métadonnées nécessaires de compte, de facturation et de sécurité sont conservées comme le décrit la déclaration de confidentialité de BroadNet. Tout ce que cet article dit de la mise en page, de la direction, du formatage et de la détection relève de votre application, quelle que soit l’API utilisée.

Questions fréquentes

L’IA doit-elle répondre dans la langue de l’interface ou dans celle de l’utilisateur ?

Par défaut, dans la langue du message de l’utilisateur, en lui laissant la possibilité de changer. La locale de l’interface indique seulement comment disposer l’écran. Quelqu’un qui utilise l’interface en arabe et écrit en anglais veut en général une réponse en anglais.

Comment afficher du texte anglais dans une bulle de chat en arabe ?

Donnez à chaque élément de message dir="auto" pour que le navigateur fixe la direction d’après le premier caractère fort, et placez les noms, codes et URL insérés dans un élément bdi. En texte brut, entourez-les de U+2068 FIRST STRONG ISOLATE et U+2069 POP DIRECTIONAL ISOLATE.

Faut-il afficher des chiffres arabes orientaux aux utilisateurs arabophones ?

Cela dépend de la région et de vos utilisateurs. Dans notre test sous Node 24, ar-SA et ar-EG utilisaient par défaut les chiffres arabes orientaux, ar-AE et ar-MA les chiffres occidentaux. Choisissez par locale, proposez un réglage et acceptez les deux formes en saisie en normalisant les chiffres avant l’analyse.

Comment détecter la langue d’un message de chat ?

Pour distinguer l’écriture arabe de l’écriture latine, compter les caractères du bloc Unicode arabe suffit. Pour distinguer l’anglais de l’espagnol, ou traiter des messages courts ou mixtes, utilisez un modèle d’identification de langue entraîné comme lid.176 de fastText, et traitez quand même le résultat comme un indice.

L’arabe coûte-t-il plus cher que l’anglais avec une API LLM ?

Souvent, par message, car beaucoup de tokenizers ont besoin de plus de tokens pour le même contenu en arabe. Le rapport dépend du tokenizer du modèle. Mesurez-le sur vos propres textes et budgétez chaque langue séparément.

Lire en MarkdownDemander à ChatGPTDemander à ClaudeDemander à Perplexity