Tether AI Research a annoncé mercredi le lancement de ses modèles de traduction open source conçus pour fonctionner sur des smartphones, des ordinateurs portables et d’autres appareils sans connexion internet.
Les modèles couvrent 19 langues africaines et neuf langues européennes. Ils traitent les traductions localement, conservant les données des utilisateurs sur leurs appareils au lieu de les envoyer à des serveurs cloud tiers, selon une déclaration.
Les modèles de langues africaines comprennent TranslatePsy-AfriSLM, qui couvre le haoussa, l’amharique, le yoruba, le swahili et 15 autres langues, ainsi que TranslatePsy-AfriNano, qui prend en charge huit langues africaines. Tether a indiqué que les 19 langues prises en charge par AfriSLM représentent collectivement environ la moitié de la population africaine.
Fait notable, le plus petit modèle d’AfriSLM compte 800 millions de paramètres et a surpassé Qwen3.5-122B-A10B, TranslateGemma-27B et NLLB-3.3B lors de plusieurs évaluations de traduction comparative, a indiqué l’entreprise.
Tether a déclaré que les modèles pouvaient être utilisés dans l’éducation, la santé, l’agriculture et l’action humanitaire dans les régions où l’accès à internet est limité. AfriSLM peut également être associé à QVAC MedPsy, son modèle plus compact destiné aux applications médicales et de santé, pour dispenser une éducation sanitaire dans les langues locales.
Pour l’Europe, TranslatePsy-EuroNano prend en charge neuf langues et 90 directions de traduction, en utilisant l’anglais comme langue pivot. Le modèle EuroNano offrant la meilleure qualité a conservé 98,4 % de la qualité de traduction de NLLB-200 de Meta lors de traductions vers l’anglais, a indiqué Tether.
Les modèles TranslatePsy sont disponibles dans la collection de Tether sur Hugging Face, notamment les versions d’AfriSLM dotées de 0,8 milliard, 2 milliards et 4 milliards de paramètres, ainsi que les modèles EuroNano et AfriNano.
Les travaux de recherche à l’origine de TranslatePsy-AfriSLM ont également été acceptés pour être présentés lors de la conférence Empirical Methods in Natural Language Processing 2026, selon la déclaration.