---
title: "Dialectes arabes et LLM : Golfe, Égypte, Levant | BroadRouter"
description: "Comment les LLM gèrent l’arabe du Golfe, égyptien et levantin : où ils échouent, comment prompter et tester un dialecte, et ce que BroadNet annonce pour Qwen3.8 27B."
url: https://broadrouter.com/fr/blog/arabic-llm-gulf-egyptian-dialects/
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-llm-gulf-egyptian-dialects/) (mis à jour le 2026-11-14).

# Arabe du Golfe, égyptien et levantin : les LLM face aux dialectes

Par l’équipe BroadNet Inference · 6 min de lecture · Publié 2026-11-14

Les LLM gèrent les dialectes arabes de façon inégale : ils comprennent en général l’arabe égyptien et du Golfe mieux qu’ils ne l’écrivent, et la qualité baisse pour les dialectes plus rares. Testez séparément compréhension et écriture sur vos propres messages. Lors des tests de BroadNet, Qwen3.8 27B a compris les dialectes du Golfe et égyptien et écrit un arabe fluide. Il coûte $0.175 par million de tokens d’entrée.

## À retenir

-   Comprendre un dialecte et bien l’écrire sont deux compétences différentes. Notez-les séparément.
-   BroadNet indique que Qwen3.8 27B a compris les dialectes du Golfe et égyptien lors de ses tests. BroadNet ne publie pas de résultat pour le levantin : testez-le vous-même.
-   Pour la plupart des produits en contact avec la clientèle, répondez en arabe standard moderne simple, même quand le client écrit en dialecte.
-   Nommez le dialecte, le pays et le registre dans le prompt système. « Réponds en arabe » ne suffit pas.
-   Constituez un petit jeu de test par dialecte à partir de messages réels anonymisés avant de choisir un modèle.

**Sur cette page**

1.  Les dialectes sont-ils vraiment si différents ?
2.  Où les LLM échouent-ils sur les dialectes arabes ?
3.  Qu’a testé BroadNet sur les dialectes arabes ?
4.  Comment prompter un LLM pour un dialecte précis ?
5.  Faut-il vraiment répondre en dialecte ?
6.  Comment tester la gestion des dialectes en une journée ?
7.  Et le dialecte dans les messages vocaux ?

Les LLM comprennent en général l’arabe du Golfe et l’égyptien mieux qu’ils ne les écrivent, et s’en sortent moins bien avec les dialectes plus rares. Un client à Riyad, un autre au Caire et un troisième à Beyrouth peuvent tous demander « que voulez-vous ? » avec trois phrases différentes, et un modèle qui maîtrise l’arabe standard moderne (MSA) peut tout de même les mal lire. Testez séparément compréhension et écriture.

Cet article présente ce qui change entre les grands groupes de dialectes, où les LLM échouent typiquement et comment tester un modèle avant de lui confier de vrais clients.

## Les dialectes sont-ils vraiment si différents ?

Très différents pour les mots du quotidien, beaucoup plus proches pour le vocabulaire soutenu. Les corpus de recherche en montrent l’ampleur : le [corpus MADAR](https://aclanthology.org/L18-1535/) a traduit les mêmes phrases de voyage dans les dialectes de 25 villes arabes. Le tableau présente quelques expressions courantes. La colonne MSA correspond à ce qu’imprimerait un manuel ; les autres sont des formes typiques à l’oral et dans les messages. L’orthographe varie d’une personne à l’autre, ce qui fait partie du problème.

| Sens | MSA | Golfe (saoudien / émirien) | Égyptien | Levantin |
| --- | --- | --- | --- | --- |
| Que veux-tu ? | ماذا تريد؟ | وش تبي؟ / شو تبي؟ | عايز إيه؟ | شو بدّك؟ |
| Comment vas-tu ? | كيف حالك؟ | شلونك؟ | إزيك؟ | كيفك؟ |
| maintenant | الآن | الحين | دلوقتي | هلّق |
| Je ne sais pas | لا أعرف | ما أدري | مش عارف | ما بعرف |
| très / beaucoup | جداً | وايد | أوي | كتير |

Trois tendances comptent pour les LLM :

-   **Les mots-outils changent.** Mots interrogatifs, négation et « vouloir » diffèrent complètement d’un dialecte à l’autre. Ce sont des mots courts et fréquents qui décident du sens de la phrase : en mal lire un, c’est inverser l’intention.
-   **L’orthographe n’est pas standard.** Les dialectes sont surtout parlés, et les gens les écrivent comme ils sonnent. Un même mot peut apparaître avec d’autres lettres, avec ou sans hamza, ou en écriture latine ([arabizi](https://broadrouter.com/fr/blog/arabizi-llm-handling/)).
-   **L’[alternance codique](https://broadrouter.com/fr/glossary/code-switching/) est normale.** Les messages professionnels du Golfe intègrent des noms de produits anglais ; les locuteurs du Levant et du Maghreb y mêlent du français. Un modèle doit gérer les deux écritures dans une même phrase.

## Où les LLM échouent-ils sur les dialectes arabes ?

Les modèles apprennent du texte qu’ils voient, et il existe beaucoup moins de texte public pour des dialectes moins répandus comme l’émirien ou le soudanais que pour l’arabe standard moderne. En pratique, cela se traduit par quelques erreurs récurrentes :

1.  **Lire un mot dialectal comme un autre mot MSA.** Le « أبي » du Golfe (je veux) ressemble au « أبي » du MSA (mon père). Le contexte tranche en général, mais pas toujours pour les petits modèles.
2.  **Répondre à la mauvaise intention.** Une courte réclamation égyptienne comme « الطلب لسه موصلش » (la commande n’est toujours pas arrivée) exige que le modèle sache que « لسه » signifie « toujours » et que « موصلش » est un verbe à la forme négative.
3.  **Écrire un dialecte mélangé.** Quand on leur demande de répondre « en arabe du Golfe », les modèles plus faibles produisent un mélange d’égyptien, de levantin et de MSA qu’aucun locuteur natif n’écrirait. C’est plus fréquent que les contresens.
4.  **Corriger à l’excès.** Certains modèles « corrigent » le dialecte du client en MSA alors que vous leur demandiez de le citer, ce qui casse les tâches d’extraction.

La règle générale : **les modèles comprennent les dialectes mieux qu’ils ne les écrivent.** Concevez votre produit en conséquence.

## Qu’a testé BroadNet sur les dialectes arabes ?

BroadNet publie sa propre vérification en arabe sur sa [page de tarifs](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-llm-gulf-egyptian-dialects&utm_content=body). Pour [Qwen3.8 27B](https://broadrouter.com/fr/models/qwen3.8-27b/), il annonce :

-   une écriture fluide en arabe,
-   la compréhension des dialectes du Golfe et égyptien,
-   une traduction arabe–anglais précise.

C’est ce qu’affirme BroadNet, rien de plus. Il ne publie aucun résultat pour le levantin, l’irakien ou le maghrébin, ni de score d’écriture en dialecte. Si vos clients levantins comptent, testez vous-même avec la méthode ci-dessous.

Qwen3.8 27B accepte le texte et les images, prend en charge les outils et la sortie structurée, raisonne avant de répondre et dispose d’un contexte de 262 144 tokens. Par million de tokens, il coûte $0.175 en entrée et $2.17 en sortie. Comparez les autres modèles de chat sur la [page de tarifs](https://broadrouter.com/fr/pricing/), et consultez [choisir une API LLM pour l’arabe](https://broadrouter.com/fr/blog/choosing-an-llm-for-arabic/) pour la check-list plus large qui couvre aussi l’écriture, la traduction et les documents.

## Comment prompter un LLM pour un dialecte précis ?

Dites quel dialecte vous attendez, lequel vous voulez en retour et quel niveau de formalité. Un prompt système qui fonctionne bien pour la messagerie d’un commerçant saoudien :

```python
import os
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

system = (
    "You are a customer-service assistant for a Saudi online store. "
    "Customers write in Gulf Arabic (often Saudi), MSA, English or Arabizi. "
    "Understand all of them. Reply in simple, polite Modern Standard Arabic, "
    "in two or three short sentences. If the customer writes in English, reply in English. "
    "Never invent order details."
)

response = client.chat.completions.create(
    model="broadnet/qwen3.8-27b",
    max_tokens=2000,  # the model reasons first; leave room for the answer
    messages=[
        {"role": "system", "content": system},
        {"role": "user", "content": "السلام عليكم، طلبي للحين ما وصل، وش السالفة؟"},
    ],
)
print(response.choices[0].message.content)
```

Le message du client est en arabe du Golfe : « Bonjour, ma commande n’est toujours pas arrivée, qu’est-ce qui se passe ? » Les mots « للحين » (toujours) et « وش السالفة » (c’est quoi l’histoire / qu’est-ce qui se passe) sont des formes du Golfe. Une bonne réponse reconnaît le retard en MSA et demande le numéro de commande.

Quelques autres habitudes de prompt utiles :

-   **Nommer le pays, pas seulement la région.** « Arabe du Golfe » recouvre les parlers saoudien, émirien, koweïtien, qatarien, bahreïni et omanais, qui diffèrent. Si vous connaissez le marché, précisez-le.
-   **Demander une étiquette de dialecte dans les tâches d’extraction.** Pour le routage ou l’analyse, faites renvoyer au modèle `{"dialect": "gulf" | "egyptian" | "levantine" | "msa" | "other", "intent": ...}` via la [sortie structurée](https://broadrouter.com/fr/blog/structured-output-json-schema/). C’est un moyen peu coûteux de savoir qui sont vos clients.
-   **Garder les consignes dans une seule langue.** Des consignes en anglais avec un contenu arabe fonctionnent bien sur la plupart des modèles. Des consignes en arabe aussi ; mélanger les deux dans un même prompt système tend à brouiller le registre. Plus de détails dans [le prompt engineering en arabe](https://broadrouter.com/fr/blog/arabic-prompt-engineering/).

## Faut-il vraiment répondre en dialecte ?

Pour la plupart des entreprises, non. Le MSA simple (parfois appelé arabe « blanc » ou neutre) est compris de tout lecteur arabe, paraît professionnel et évite le risque d’une réponse qui sonne comme venant du mauvais pays. Les réponses en dialecte ont du sens pour les marques au ton informel, les textes marketing écrits pour un seul marché et les produits vocaux où le MSA sonne raide. Si vous choisissez cette voie, faites relire chaque semaine un échantillon des sorties par des locuteurs natifs de ce dialecte précis.

## Comment tester la gestion des dialectes en une journée ?

1.  **Collecter des messages réels.** Prenez 30 à 50 messages anonymisés par dialecte dans votre boîte de réception, vos journaux de chat ou vos [messages vocaux transcrits](https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/). Retirez noms, numéros de téléphone et numéros de commande.
2.  **Annoter l’intention.** Pour chaque message, notez l’intention correcte et les faits que le modèle doit extraire (numéro de commande, produit, date).
3.  **Tester la compréhension.** Demandez à chaque modèle candidat de renvoyer l’intention et les champs en JSON. Comptez les correspondances exactes. C’est ce chiffre qui décide si le routage fonctionne.
4.  **Tester l’écriture.** Pour dix messages par dialecte, demandez une réponse. Faites noter chaque réponse de 1 à 3 par un locuteur natif pour l’exactitude, le ton et le naturel. Ne notez pas un dialecte que vous ne parlez pas.
5.  **Vérifier coût et vitesse.** Relevez `usage.prompt_tokens`, `usage.completion_tokens` et la latence de chaque appel. Le texte dialectal peut se tokeniser autrement que le MSA : mesurez plutôt que de deviner ; le [compteur de tokens arabe](https://broadrouter.com/tools/arabic-token-counter/) gratuit donne une première estimation rapide.
6.  **Répéter pour chaque modèle.** Passez le même jeu sur [Qwen3.8 27B](https://broadrouter.com/fr/models/qwen3.8-27b/), [DeepSeek V4.1 Flash](https://broadrouter.com/fr/models/deepseek-v4.1-flash/) et [GLM 5.3](https://broadrouter.com/fr/models/glm-5.3/). Les trois utilisent la même API compatible OpenAI : seul l’identifiant du modèle change.

Qwen3.8 27B, DeepSeek V4.1 Flash et GLM 5.3 fonctionnent après une recharge ; parmi les modèles de chat, le crédit de départ gratuit de $5 ne couvre que [BroadNet Gemma 4 VL 26B](https://broadrouter.com/fr/models/gemma-4-vl-26b/), qui vaut la peine d’être ajouté comme point de comparaison bon marché. Un résultat utile est souvent une configuration partagée : un modèle pour la compréhension et le routage, avec des réponses rédigées en MSA.

## Et le dialecte dans les messages vocaux ?

Si vos clients envoient des messages vocaux, la gestion du dialecte commence plus tôt, au speech-to-text. Un modèle de transcription peut mal entendre un mot dialectal avant même que le LLM ne le voie. BroadNet annonce pour [BroadNet Transcribe Arabic](https://broadrouter.com/fr/models/cohere-transcribe-arabic/) un [taux d’erreur de mots](https://broadrouter.com/fr/glossary/word-error-rate/) de 23,4 en dialecte, contre 3,8 sur la parole lue de FLEURS ; voyez [le WER arabe expliqué](https://broadrouter.com/fr/blog/arabic-asr-wer-explained/) pour comprendre ces chiffres. Testez toute la chaîne, du message vocal à la réponse, et pas chaque maillon isolément.

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

[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.

[Token](https://broadrouter.com/fr/glossary/token/)

Un token est l’unité de texte qu’un modèle de langage lit et écrit : un mot, une partie de mot, un signe de ponctuation ou une suite d’octets produite par le tokenizer du modèle. Les API LLM comptent, limitent et facturent généralement l’usage en tokens.

[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.

[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.

[API compatible OpenAI](https://broadrouter.com/fr/glossary/openai-compatible-api/)

Une API compatible OpenAI est une API HTTP qui accepte les mêmes formats de requête et de réponse que l’API OpenAI, comme POST /v1/chat/completions. Les SDK et outils OpenAI peuvent donc l’utiliser en changeant seulement l’URL de base, la clé d’API et le nom du modèle.

[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.

[Arabizi (franco-arabe)](https://broadrouter.com/fr/glossary/arabizi/)

L’arabizi est de l’arabe écrit de façon informelle en lettres latines, avec des chiffres pour les sons arabes sans équivalent latin, comme 3 pour ع. Courant dans les messageries et sur les réseaux sociaux, il est surtout dialectal, n’a pas d’orthographe standard et se mêle souvent d’anglais ou de français.

[Hamza](https://broadrouter.com/fr/glossary/hamza/)

La hamza (ء) est la lettre arabe qui note le coup de glotte. Elle s’écrit seule ou sur un support : alif (أ إ), waw (ؤ) ou ya (ئ), et آ combine alif et madda. Comme le texte saisi l’écrit de façon irrégulière, les moteurs de recherche et l’évaluation de la parole ramènent souvent les formes d’alif à ا.

## Questions fréquentes

### Mon chatbot doit-il répondre dans le dialecte du client ?

En général, pas par défaut. L’arabe standard moderne simple est compris partout et paraît professionnel. Ne répondez en dialecte que là où votre ton de marque l’exige, et seulement après relecture des sorties par des locuteurs natifs.

### Quel modèle BroadNet a-t-il testé sur les dialectes arabes ?

Qwen3.8 27B. BroadNet annonce une écriture fluide en arabe, la compréhension des dialectes du Golfe et égyptien et une traduction arabe–anglais précise. Il n’a publié aucun résultat pour le levantin ou le maghrébin.

### Combien de messages de test faut-il par dialecte ?

Trente à cinquante messages réels par dialecte suffisent pour voir des différences nettes entre modèles. Ajoutez-en pour le dialecte qu’utilisent la plupart de vos clients.

### Les messages en dialecte coûtent-ils plus de tokens ?

C’est possible. Le nombre de tokens dépend du tokenizer et de l’orthographe, et le texte dialectal a souvent une orthographe non standard. Collez des exemples dans un compteur de tokens et confirmez avec prompt\_tokens sur vos propres messages plutôt que de le supposer.

### Un LLM peut-il comprendre l’arabe égyptien ?

Souvent, mais vérifiez-le sur vos propres messages. BroadNet indique que Qwen3.8 27B a compris l’arabe égyptien et du Golfe lors de ses tests ; les autres modèles varient. Écrire un dialecte est en général moins fiable que le lire : notez séparément la précision de l’intention et la qualité des réponses sur 30 à 50 messages réels.

## À lire ensuite

-   [Choisir une API LLM pour l’arabe : ce qu’il faut tester](https://broadrouter.com/fr/blog/choosing-an-llm-for-arabic/)
-   [Prompt engineering en arabe : registre, RTL, chiffres et texte mixte](https://broadrouter.com/fr/blog/arabic-prompt-engineering/)
-   [L’arabizi et les LLM : traiter le franco-arabe et ses chiffres 3 et 7](https://broadrouter.com/fr/blog/arabizi-llm-handling/)
-   [Taux d’erreur de mots (WER) en reconnaissance vocale arabe](https://broadrouter.com/fr/blog/arabic-asr-wer-explained/)
-   [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 : Lire des factures et reçus arabes avec un modèle de vision](https://broadrouter.com/fr/guides/read-arabic-invoices-with-vision/)
-   [Guide : Transcrire les messages vocaux WhatsApp en texte avec une API](https://broadrouter.com/fr/guides/transcribe-whatsapp-voice-notes/)

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-llm-gulf-egyptian-dialects&utm_content=page-cta) ·

**Sources**

-   [Page de tarifs de BroadNet Inference, mention « Tested in Arabic » de Qwen3.8 27B (consultée le 2026-11-14) (en anglais)](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-llm-gulf-egyptian-dialects&utm_content=sources)
-   [Tarifs lisibles par machine de BroadNet Inference, pricing.json (consultés le 2026-11-14) (en anglais)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=fr-blog-arabic-llm-gulf-egyptian-dialects&utm_content=sources)
-   [Catalogue de modèles de BroadNet, WER de Cohere Transcribe Arabic annoncés par BroadNet (consulté le 2026-11-14) (en anglais)](https://www.broadnet.ai/inference/models)
-   [Bouamor et al., The MADAR Arabic Dialect Corpus and Lexicon (LREC 2018 ; consulté le 2026-11-14)](https://aclanthology.org/L18-1535/)
-   [Varieties of Arabic, vue d’ensemble (consultée le 2026-11-14)](https://en.wikipedia.org/wiki/Varieties_of_Arabic)
