Le vocabulaire de l'IA, calque ou français ?
Six paires anglicisme / équivalent français, suivies dans les mots-clés du corpus depuis 2015.
Complément : la piste 1 ci-dessous est vérifiée discipline par discipline dans Discipline et vocabulaire.
Pour chaque paire, deux courbes : le nombre de notices dont les mots-clés portent la forme française, et celui des notices qui portent la forme anglaise, année par année. Une notice qui porte les deux formes compte dans les deux courbes - ce ne sont pas des parts d'un même total.
Vue d'ensemble
Somme des six paires retenues. Part anglaise sur l'ensemble de la période : -
Intelligence artificielle / Artificial intelligence
1 447 mentions au total · 32 % anglais
Apprentissage automatique / Machine learning
868 mentions au total · 56 % anglais
Apprentissage profond / Deep learning
820 mentions au total · 55 % anglais
Traitement automatique des langues / Natural language processing
144 mentions au total · 54 % anglais
IA générative / Generative AI
70 mentions au total · 37 % anglais
Modèle de langage / Language model
42 mentions au total · 67 % anglais
Tableau des données
| Intelligence artificielle | Apprentissage automatique | Apprentissage profond | Traitement automatique des langues | IA générative | Modèle de langage | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Année | FR | EN | FR | EN | FR | EN | FR | EN | FR | EN | FR | EN |
| 2015 | 15 | 7 | 12 | 14 | 1 | 1 | 2 | 1 | 0 | 0 | 0 | 0 |
| 2016 | 7 | 4 | 8 | 17 | 2 | 3 | 3 | 1 | 0 | 0 | 0 | 0 |
| 2017 | 13 | 4 | 15 | 16 | 4 | 5 | 3 | 2 | 0 | 0 | 0 | 0 |
| 2018 | 27 | 8 | 20 | 26 | 12 | 18 | 5 | 7 | 0 | 0 | 0 | 0 |
| 2019 | 54 | 25 | 30 | 33 | 20 | 32 | 4 | 6 | 0 | 0 | 0 | 1 |
| 2020 | 43 | 14 | 20 | 26 | 24 | 31 | 6 | 4 | 0 | 0 | 0 | 0 |
| 2021 | 84 | 43 | 42 | 57 | 50 | 63 | 7 | 14 | 0 | 0 | 0 | 1 |
| 2022 | 112 | 51 | 62 | 79 | 58 | 64 | 9 | 14 | 0 | 0 | 0 | 2 |
| 2023 | 160 | 73 | 47 | 62 | 68 | 78 | 11 | 14 | 2 | 2 | 1 | 2 |
| 2024 | 237 | 113 | 61 | 80 | 59 | 77 | 7 | 6 | 13 | 11 | 3 | 9 |
| 2025 | 231 | 122 | 64 | 77 | 70 | 80 | 9 | 9 | 29 | 13 | 10 | 13 |
Méthode et réserves
Chaque compte est un nombre de notices, pas de mentions : une notice qui porte deux graphies de la même forme dans ses mots-clés (« Machine learning » et « machine-learning ») n'est comptée qu'une fois. Les mots-clés sont d'auteur ou de catalogue, jamais reformulés ; deux formes regroupées (« modèle de langage » et « grand modèle de langage », par exemple) restent deux graphies distinctes fusionnées pour le seul besoin de ce graphique - la casse et les accents sont gommés, pas le sens.
Une paire n'entre dans la grille qu'à partir de 40 mentions cumulées sur la période : en dessous, une courbe dessinerait une forme sur un bruit d'échantillonnage plutôt que sur une tendance. Sous ce seuil, 3 paires candidates ont été mesurées puis écartées de la grille - leur total réel, pas un ordre de grandeur : « Surapprentissage / Overfitting » (0 mentions); « Plongement / Embedding » (10 mentions); « Apprentissage par transfert / Transfer learning » (29 mentions).
Un mot-clé absent ne veut pas dire un concept absent : les mots-clés sont ceux que les auteurs ou les catalogues ont choisi d'indexer, pas un relevé exhaustif du contenu des travaux. Ce graphique suit un vocabulaire déclaré, pas un vocabulaire employé.
Ce que ces courbes permettent de lire, et ce qu'elles ne disent pas
Le terme fondateur reste très majoritairement français pendant que le vocabulaire technique penche anglais : l'hypothèse envisagée ici était que la structure disciplinaire du corpus joue un rôle (droit, éducation, sciences humaines côté français ; informatique, statistique côté anglais). Vérification faite discipline par discipline (Discipline et vocabulaire →) : ce n'est pas confirmé tel quel - le terme fondateur reste majoritairement français dans presque toutes les disciplines mesurables, informatique comprise (17-42 % d'anglais), et le vocabulaire technique penche anglais partout où il est assez présent pour être mesuré (53-61 %). Ce qui varie selon la discipline, c'est le recours ou non à ce vocabulaire technique - pas la langue qu'on lui donne.
La stabilité de la part anglaise agrégée ne signifie pas nécessairement une résistance stable du français au calque : elle peut aussi recouvrir un mélange constant de dynamiques opposées (le terme fondateur reste français, les sous-domaines techniques penchent anglais), qui se compensent d'une année sur l'autre sans que cela traduise un phénomène linguistique unique.
Les deux paires les plus récentes (IA générative, modèle de langage) sont aussi les plus anglophones et les moins peuplées. Une lecture d'« accélération du calque sur les concepts nouveaux » est plausible mais prématurée sur si peu d'années : elle demanderait de suivre ces deux paires sur les prochaines années avant de conclure.