---
title: "Dialectes arabes : tester la reconnaissance vocale (ASR)"
description: "Pourquoi le speech-to-text peine sur l’arabe du Golfe, égyptien, levantin et maghrébin, et comment un jeu de test par dialecte révèle le niveau d’un fournisseur."
url: https://broadrouter.com/fr/blog/arabic-dialect-speech-recognition/
lang: fr
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traduit de l’anglais avec l’aide de l’IA. [Lire l’original en anglais](https://broadrouter.com/blog/arabic-dialect-speech-recognition/) (mis à jour le 2026-11-16).

# Reconnaissance vocale arabe : Golfe, Égypte, Levant, Maghreb

Par l’équipe BroadNet Inference · 5 min de lecture · Publié 2026-11-14 · Mis à jour 2026-11-16

Les dialectes arabes diffèrent de l’arabe standard moderne par les sons, les mots et l’orthographe, et les locuteurs y mêlent l’anglais ou le français : les modèles ASR entraînés surtout sur l’arabe formel y obtiennent donc de bien moins bons scores. Pour tester un fournisseur, constituez un jeu de test par dialecte à partir de votre audio réel, fixez une convention d’orthographe et mesurez WER, CER et exactitude des entités par dialecte.

## À retenir

-   Le dialecte pèse lourd sur la précision de l’ASR arabe : pour un même modèle, BroadNet indique un WER de 3,8 sur l’arabe lu et de 23,4 sur la parole dialectale.
-   Les dialectes n’ont pas d’orthographe standard : décidez avant de mesurer si les références sont en dialecte verbatim ou normalisées.
-   L’arabe du Golfe intègre de l’anglais ; l’arabe maghrébin, du français. Évaluez les extraits avec alternance codique comme un groupe à part.
-   Rapportez le WER et le CER par dialecte, ainsi que l’exactitude sur les nombres et les noms. Ne vous fiez jamais à une seule moyenne.
-   Trente à cinquante extraits par dialecte, dont dix avec des références vérifiées à la main, suffisent pour classer des fournisseurs.

**Sur cette page**

1.  Pourquoi les dialectes arabes sont-ils difficiles pour la reconnaissance vocale ?
2.  Où chaque dialecte arabe met-il la reconnaissance vocale en difficulté ?
3.  Comment constituer un jeu de test pour les dialectes arabes ?
4.  Que disent les WER publiés pour l’arabe ?
5.  Quel LLM doit lire les transcriptions dialectales ?
6.  La place de BroadNet Inference

Le speech-to-text peine sur les dialectes arabes, car ils diffèrent de l’arabe standard moderne (MSA, Modern Standard Arabic) par les sons, les mots et l’orthographe, et les locuteurs y mêlent l’anglais ou le français. Pour savoir ce que vaut un fournisseur, constituez un petit jeu de test par dialecte à partir de votre audio réel et évaluez chaque dialecte séparément.

Un appelant de Riyad, une note vocale du Caire et un appel au support depuis Casablanca relèvent tous de « l’arabe », et un même modèle peut traiter très bien le premier et mal le troisième.

Cet article explique ce qui rend chaque grand groupe de dialectes difficile pour la reconnaissance vocale, et comment construire un test qui montre ce qu’un fournisseur donnera sur **vos** dialectes. Pour la checklist d’achat plus large (prix, limites, confidentialité), voyez le [guide d’achat d’une API speech-to-text pour l’arabe](https://broadrouter.com/fr/blog/arabic-speech-to-text-api-buyers-guide/).

## Pourquoi les dialectes arabes sont-ils difficiles pour la reconnaissance vocale ?

Quatre problèmes s’additionnent :

1.  **Des sons différents.** Une même lettre se prononce différemment selon la région : le modèle acoustique doit donc associer plusieurs sons à une seule graphie.
2.  **Des mots différents.** Les mots du quotidien varient selon le dialecte. Un modèle entraîné surtout sur le MSA peut « corriger » un mot dialectal en son équivalent formel, ce qui compte comme une erreur si votre référence est verbatim.
3.  **Pas d’orthographe standard.** Les dialectes s’écrivent de manière informelle, si bien que deux transcripteurs humains ne sont pas d’accord. Les données d’entraînement sont, elles aussi, inégales : une étude de 2024 sur la couverture dialectale note que les systèmes d’ASR existants « mainly cover the modern standard Arabic (MSA) variety and few high-resource dialects » (traduction : « couvrent principalement la variété arabe standard moderne (MSA) et quelques dialectes bien dotés en ressources ») ([arXiv 2411.05872](https://arxiv.org/abs/2411.05872)).
4.  **L’[alternance codique](https://broadrouter.com/fr/glossary/code-switching/).** Les locuteurs passent à l’anglais ou au français en pleine phrase. Le jeu de données [Casablanca](https://aclanthology.org/2024.emnlp-main.1211), qui couvre huit dialectes, annote l’alternance codique en plus du dialecte et du genre.

L’article de l’[Open Universal Arabic ASR Leaderboard](https://arxiv.org/abs/2412.13788) (Interspeech 2025) évalue des modèles open source sur plusieurs jeux de test multidialectaux précisément pour cette raison : un score unique pour « l’arabe » masque la dispersion.

## Où chaque dialecte arabe met-il la reconnaissance vocale en difficulté ?

| Groupe de dialectes | Où | Points faibles typiques de l’ASR |
| --- | --- | --- |
| Golfe (khaleeji) | Arabie saoudite, Émirats arabes unis, Koweït, Qatar, Bahreïn, Oman | Noms de produits, nombres et termes de marque en anglais ; prononciation régionale du qaf et du kaf |
| Égyptien | Égypte | Jim prononcé comme un g dur ; qaf souvent réalisé en coup de glotte ; très présent dans les médias, donc généralement mieux connu des modèles |
| Levantin | Syrie, Liban, Jordanie, Palestine | Qaf urbain réalisé en coup de glotte ; français ou anglais intégré, surtout au Liban |
| Maghrébin (darija) | Maroc, Algérie, Tunisie, Libye | Le plus éloigné du MSA ; voyelles brèves élidées ; forte alternance avec le français ; emprunts à l’amazigh |
| Irakien | Irak | Vocabulaire et prononciation propres ; moins d’audio d’entraînement public |

Ce sont des tendances, pas des règles. Le parler urbain et le parler rural diffèrent au sein de chaque groupe, et les jeunes alternent davantage les langues. L’essentiel : chaque groupe échoue à sa manière, donc vous évaluez chaque groupe séparément.

## Comment constituer un jeu de test pour les dialectes arabes ?

### 1\. Échantillonner de l’audio réel par dialecte

Prélevez 30 à 50 extraits par dialecte sur le canal que vous exploiterez en production : appels téléphoniques, notes vocales WhatsApp, enregistrements de réunions. L’audio téléphonique en 8 kHz ne se comporte pas comme l’audio de studio. Étiquetez chaque extrait avec son dialecte et marquez ceux qui contiennent de l’anglais ou du français.

### 2\. Convenir d’abord d’une convention d’orthographe

Avant que quiconque écrive une référence, décidez :

-   **Dialecte verbatim** (écrire ce qui a été dit, en orthographe dialectale), ou
-   **Normalisé** (ramener à une forme cohérente).

Consignez ce choix par écrit, avec des exemples. Si les références sont verbatim et que le modèle produit des mots proches du MSA, le WER paraîtra catastrophique même quand le sens est juste. Aucun choix n’est mauvais. Il doit correspondre à ce dont votre système en aval a besoin.

### 3\. Rédiger des références pour 10 extraits par dialecte

Faites-les transcrire par des locuteurs natifs du dialecte concerné. Pour les extraits avec alternance codique, décidez si les mots anglais restent en écriture latine, et appliquez-le partout.

### 4\. Normaliser les deux côtés, puis mesurer

Supprimez les diacritiques, unifiez les formes de l’alef (إ أ آ vers ا) et du ya final (ى vers ي), retirez la ponctuation et convertissez les chiffres arabes orientaux en chiffres occidentaux. Calculez ensuite :

| Métrique | Pourquoi |
| --- | --- |
| [WER](https://broadrouter.com/fr/glossary/word-error-rate/) par dialecte | La mesure de référence ; stricte sur les clitiques et les préfixes |
| CER par dialecte | Plus tolérant envers les variantes orthographiques |
| Exactitude des entités | Part des nombres, dates et noms transcrits exactement |
| WER du groupe à alternance codique | Montre si les mots anglais ou français survivent |

Le paquet `jiwer` calcule le WER et le CER ; [le WER en arabe expliqué](https://broadrouter.com/fr/blog/arabic-asr-wer-explained/) fournit une fonction de normalisation réutilisable et un exemple chiffré de son effet sur le score.

### 5\. Lire les transcriptions

Les nombres décident si un workflow de centre d’appels ou de banque fonctionne. Lisez 20 transcriptions par dialecte et vérifiez à la main chaque nombre, chaque date et chaque nom.

## Que disent les WER publiés pour l’arabe ?

Les benchmarks publics donnent une direction, pas une promesse. BroadNet publie trois valeurs de WER pour BroadNet Transcribe Arabic dans son [catalogue de modèles](https://www.broadnet.ai/inference/models) : 3,8 sur FLEURS-ar (parole lue, propre), 21,1 sur MASC-ar (parole réelle, variée) et 23,4 sur son propre jeu dialectal. Pour un même modèle, c’est un écart d’un facteur six entre parole lue et parole dialectale : voilà pourquoi vous testez sur vos propres dialectes.

Quand vous comparez des fournisseurs, comparez-les sur le même jeu de test. Un classement comme l’[Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) est utile parce que chaque modèle y est évalué de la même façon. Le chiffre d’un fournisseur sur son propre jeu n’est pas comparable à celui d’un autre fournisseur.

## Quel LLM doit lire les transcriptions dialectales ?

Les transcriptions alimentent en général un LLM : pour résumer un appel, router un ticket ou répondre à une question. Ce modèle doit lui aussi lire le dialecte. Notre [guide pour choisir un LLM pour l’arabe](https://broadrouter.com/fr/blog/choosing-an-llm-for-arabic/) explique comment le tester, et [Qwen3.8 27B](https://broadrouter.com/fr/models/qwen3.8-27b/) est le modèle que BroadNet a testé sur les dialectes du Golfe et égyptien.

## La place de BroadNet Inference

[BroadNet Transcribe Arabic](https://broadrouter.com/fr/models/cohere-transcribe-arabic/) est conçu pour l’arabe, dialectes compris, et coûte $0.0042 la minute ($0.25 de l’heure). Son classement sur l’Open Universal Arabic ASR Leaderboard, selon BroadNet : #2 sur 37 (chiffre de septembre 2026 ; le classement en direct le plaçait #4 sur 39 le 15 novembre 2026), et n° 1 parmi les modèles dont la licence autorise le service via une API. Pour les nombres, dates et noms dans un audio bruité, BroadNet propose une version affinée [sur demande](https://broadrouter.com/fr/models/#on-request). Le crédit de départ de $5 couvre environ 1,190 minutes, assez pour tout le test ci-dessus ; le [calculateur de coût speech-to-text](https://broadrouter.com/tools/speech-to-text-cost-calculator/) convertit votre volume de production en facture mensuelle. [Créez une clé](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-dialect-speech-recognition&utm_content=body) pour commencer.

BroadNet ne publie pas de WER distinct par groupe de dialectes. C’est précisément pour cela qu’il faut faire ce test : son chiffre sur le jeu dialectal est un nombre unique, et vos clients parlent un ou deux dialectes, pas tous.

Outils gratuits sur ce sujet (en anglais)

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[Outils gratuits (en anglais)](https://broadrouter.com/tools/)

## Termes de cet article

[Speech-to-text (reconnaissance vocale)](https://broadrouter.com/fr/glossary/speech-to-text/)

Le speech-to-text, ou reconnaissance automatique de la parole (ASR), est une technologie qui convertit l’audio parlé en texte écrit. Une API speech-to-text accepte un fichier ou un flux audio et renvoie une transcription, généralement facturée à la minute d’audio. La précision se mesure avec le taux d’erreur de mots et varie selon l’accent, le dialecte et la qualité d’enregistrement.

[Arabe standard moderne (MSA)](https://broadrouter.com/fr/glossary/msa/)

L’arabe standard moderne (MSA) est la forme standardisée de l’arabe utilisée à l’écrit, dans l’information, l’enseignement et le discours formel dans tout le monde arabe. Ce n’est la langue maternelle de personne : on parle au quotidien des dialectes régionaux, comme l’égyptien ou l’arabe du Golfe, et on passe au MSA dans les contextes formels.

[Taux d’erreur sur les mots (WER)](https://broadrouter.com/fr/glossary/word-error-rate/)

Le taux d’erreur sur les mots (WER) est la mesure standard de précision en reconnaissance vocale : le nombre de substitutions, suppressions et insertions de mots nécessaires pour transformer une transcription en référence correcte, divisé par le nombre de mots de la référence. Plus il est bas, mieux c’est.

[Arabe dialectal (dialectal Arabic)](https://broadrouter.com/fr/glossary/dialectal-arabic/)

L’arabe dialectal est l’arabe parlé au quotidien dans une région ou une ville, comme l’égyptien, l’arabe du Golfe, le levantin ou le maghrébin. Les dialectes diffèrent de l’arabe standard moderne par les sons, les mots et la grammaire, n’ont pas d’orthographe standard et s’écrivent de plus en plus en ligne, ce qui complique la tâche des modèles de langage.

[Code-switching (alternance codique)](https://broadrouter.com/fr/glossary/code-switching/)

Le code-switching, ou alternance codique, est l’usage de deux langues ou plus, ou de plusieurs variétés d’une même langue, au sein d’une même conversation ou phrase, à l’oral comme à l’écrit. Par exemple, des arabophones qui glissent des mots anglais dans leur dialecte, ou qui passent de l’arabe standard moderne à leur dialecte.

[Taux d’erreur sur les caractères (CER)](https://broadrouter.com/fr/glossary/character-error-rate/)

Le taux d’erreur sur les caractères (CER) mesure la précision d’une transcription ou d’un OCR au niveau du caractère : substitutions, suppressions et insertions nécessaires pour transformer la sortie en texte de référence, divisées par le nombre de caractères de la référence. Plus il est bas, mieux c’est ; 0 signifie une correspondance parfaite.

[Appel d’outils (tool calling, function calling)](https://broadrouter.com/fr/glossary/tool-calling/)

L’appel d’outils, aussi appelé function calling, est une fonctionnalité des API LLM dans laquelle le modèle renvoie une demande structurée d’exécution d’une fonction définie par le développeur, avec des arguments JSON. L’application exécute la fonction et renvoie le résultat ; le modèle n’exécute jamais de code lui-même.

## Questions fréquentes

### Quel dialecte arabe est le plus difficile pour la reconnaissance vocale ?

Il n’existe pas de classement universel : tout dépend des données d’entraînement du modèle. Les dialectes maghrébins, comme le marocain et l’algérien, sont souvent difficiles, car ce sont les plus éloignés de l’arabe standard moderne et ils intègrent du français. Testez votre propre dialecte plutôt que de vous fier à un classement général.

### Le speech-to-text comprend-il l’arabe égyptien ?

Souvent mieux que les dialectes plus rares, car l’égyptien est très présent dans les médias, mais attendez-vous à une précision inférieure à celle obtenue sur l’arabe formel. Mesurez-la sur vos propres enregistrements.

### Faut-il utiliser le WER ou le CER pour l’arabe ?

Les deux. Le WER compte des mots entiers : un préfixe ou un clitique erroné rend tout le mot faux. Le CER compte des caractères et tolère mieux les variantes orthographiques, ce qui compte pour des dialectes sans orthographe standard.

### Combien d’extraits audio faut-il pour tester un fournisseur d’ASR arabe ?

Environ 30 à 50 extraits réels par dialecte, dont au moins 10 par dialecte transcrits à la main comme références. Cela suffit pour voir les grands écarts entre fournisseurs.

### Le code de langue a-t-il de l’importance pour les dialectes arabes ?

Envoyez language=ar. Sur la plupart des API, les dialectes partagent le code ar. Sans lui, certains modèles renvoient la parole arabe translittérée en lettres latines.

## À lire ensuite

-   [API speech-to-text pour l’arabe : comment la choisir en 2026](https://broadrouter.com/fr/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Choisir une API LLM pour l’arabe : ce qu’il faut tester](https://broadrouter.com/fr/blog/choosing-an-llm-for-arabic/)
-   [Alternative à l’API Whisper : quand changer et comment tester](https://broadrouter.com/fr/blog/whisper-api-alternative/)
-   [Transcrire les enregistrements d’un centre d’appels, arabe compris](https://broadrouter.com/fr/blog/transcribe-call-center-recordings/)
-   [Traduire un audio arabe en texte anglais par API : un pipeline testé](https://broadrouter.com/fr/blog/translate-arabic-audio-to-english/)
-   [Vocaliser un texte arabe avec un LLM : prompt, contrôles, DER](https://broadrouter.com/fr/blog/arabic-diacritization-llm/)
-   [Correction grammaticale et orthographique de l’arabe par LLM : guide](https://broadrouter.com/fr/blog/arabic-grammar-spelling-correction-llm/)
-   [Guide : API speech-to-text pour l’arabe, étape par étape](https://broadrouter.com/fr/guides/arabic-speech-to-text-api/)

Essayez-le sur votre vraie charge de travail. Les nouveaux comptes démarrent avec USD 5 de crédit pour Gemma et transcription. DeepSeek, GLM et Qwen3.8 nécessitent une recharge.

[Commencer](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-dialect-speech-recognition&utm_content=page-cta) ·

**Sources**

-   [Talafha et al., Casablanca: Data and Models for Multidialectal Arabic Speech Recognition (EMNLP 2024 ; consulté le 2026-11-14)](https://aclanthology.org/2024.emnlp-main.1211)
-   [Wang, Alhmoud et Alqurishi, Open Universal Arabic ASR Leaderboard (Interspeech 2025 ; arXiv 2412.13788 ; consulté le 2026-11-14)](https://arxiv.org/abs/2412.13788)
-   [Dialectal Coverage and Generalization in Arabic Speech Recognition (arXiv 2411.05872 ; consulté le 2026-11-14)](https://arxiv.org/abs/2411.05872)
-   [Open Universal Arabic ASR Leaderboard, Space Hugging Face (consulté le 2026-11-14)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Catalogue de modèles de BroadNet, speech-to-text : WER selon BroadNet (consulté le 2026-11-14) (en anglais)](https://www.broadnet.ai/inference/models)
