La réponse arabe du modèle est correcte, mais à l’écran le prix est du mauvais côté et le nom du modèle est coupé en deux. C’est un problème de bidi, pas un problème de modèle.
Comment ça marche
Le texte est stocké dans l’ordre logique, celui dans lequel on le lit et le tape. L’UAX #9, l’algorithme bidirectionnel Unicode, attribue à chaque caractère un type directionnel et calcule l’ordre d’affichage de la ligne. Les caractères ne bougent jamais en mémoire ; seul leur affichage change.
Les lettres sont fortes : l’arabe va de droite à gauche, le latin de gauche à droite. Les chiffres et la ponctuation sont faibles ou neutres et prennent leur position du texte qui les entoure. Les chiffres européens sont de type EN, les chiffres arabes-indiens de type AN, et l’UAX #9 résout EN en AN après une lettre arabe.
Une chaîne mixte typique d’un assistant arabe :
جرّب النموذج broadnet/qwen3.8-27b على 20 رسالة
Affichés dans un contexte de gauche à droite, les segments arabes se lisent bien de droite à gauche, mais le paragraphe commence à gauche : la phrase apparaît dans le mauvais ordre, et la barre oblique, les points et le nombre 20 peuvent s’accrocher au mauvais segment. La solution est de fixer la direction de base, pas de réordonner les caractères.
Quand le balisage n’est pas disponible, Unicode propose des caractères de contrôle invisibles :
| Point de code | Nom | Usage |
|---|---|---|
| U+200F | RLM, right-to-left mark | Pousser un caractère neutre vers RTL |
| U+061C | ALM, Arabic letter mark | Idem, pour les contextes arabes |
| U+2067 | RLI, right-to-left isolate | Ouvrir un segment RTL |
| U+2066 | LRI, left-to-right isolate | Ouvrir un segment LTR, par exemple pour un ID de modèle |
| U+2068 | FSI, first strong isolate | Prendre la direction du contenu |
| U+2069 | PDI, pop directional isolate | Fermer n’importe quel isolat |
L’UAX #9 recommande les isolats plutôt que les anciens enchâssements (U+202A à U+202C) dans les nouveaux documents, car les enchâssements influencent trop le texte environnant, et indique qu’il vaut mieux éviter autant que possible les forçages (U+202D, U+202E) pour des raisons de sécurité.
Pourquoi c’est important
En HTML, le W3C conseille de mettre dir="rtl" sur l’élément html quand la page est RTL, et de ne pas fixer la direction de base en CSS. Pour un texte dont vous ne connaissez pas la direction, comme une réponse de modèle ou le nom d’un utilisateur, utilisez dir="auto" ou l’élément bdi. Le W3C note que auto décide d’après le premier caractère fort : un paragraphe surtout en anglais qui commence par un mot arabe peut donc encore s’afficher de travers.
Pour les utilisateurs d’API, les problèmes habituels sont :
- Interfaces de chat. Une réponse en streaming commence en anglais et passe à l’arabe. Mettez
dir="auto"sur chaque message, pas une seule fois sur la page. - JSON et logs. La sortie du modèle peut contenir des marques invisibles. Une valeur comme
"gulf"ne sera pas égale à"gulf". Supprimez les contrôles bidi avant de comparer des champs de sortie structurée. - Chaînes d’interface traduites. Les placeholders et noms de produits dans un texte arabe ont besoin d’isolats ; voir traduire les chaînes d’une app en arabe.
Sur BroadNet Inference
L’endpoint de chat de BroadNet renvoie l’arabe comme du texte ordinaire dans la réponse JSON, comme toute API compatible OpenAI, et BroadNet n’a aucune fonction d’affichage ni de bidi. La direction relève de votre front-end. Si vous normalisez aussi le texte pour la recherche, retirez les contrôles bidi dans la même passe que la normalisation Unicode, car NFC et NFKC les conservent.
Erreurs fréquentes
- Inverser les chaînes arabes dans le code pour « corriger » l’affichage.
- Fixer la direction uniquement en CSS.
- Laisser U+200F ou U+2067 dans des ID, des clés ou des valeurs d’enum.