ConlangCrafter : l’IA construit des langues avec leur propre grammaire

Une équipe de recherche a conçu un système capable de produire, à partir de presque rien, la description d’une langue artificielle : inventaire de sons, règles de formation des mots, ordre des constituants, vocabulaire et exemples traduits. Baptisé ConlangCrafter, le dispositif a été présenté à l’ACL 2026, une conférence majeure consacrée au traitement automatique des langues.

Le résultat ne correspond pas à une langue secrète apparue spontanément entre plusieurs machines. ConlangCrafter est une chaîne de travail explicitement programmée qui orchestre des modèles de langage préentraînés. Son intérêt tient à la manière dont elle découpe un projet linguistique complexe en étapes vérifiables et tente de maintenir la cohérence entre elles.

Construire d’abord les sons, puis la grammaire et le lexique

Le système commence par établir une « esquisse de langue », un document de référence qui évolue au fil de la génération. Il définit d’abord la phonologie : les sons disponibles, leurs combinaisons et les contraintes de prononciation. Il ajoute ensuite la morphologie et la syntaxe, puis construit un premier lexique compatible avec ces règles.

L’ordre des étapes compte. Les formes des mots doivent respecter le système sonore, tandis que les exemples de phrases doivent suivre les règles grammaticales déjà retenues. Une demande unique adressée à un modèle tend au contraire à produire une description séduisante mais incomplète, répétitive ou contradictoire.

Une seconde phase réalise des « traductions constructives ». Quand un mot ou une règle manque pour traduire une nouvelle phrase, le système peut proposer l’élément nécessaire, l’ajouter à l’esquisse et le réutiliser dans les exemples suivants.

Le hasard sert à sortir des habitudes du modèle

Sans contrainte particulière, les grands modèles ont tendance à revenir vers des structures fréquentes dans leurs données d’entraînement. ConlangCrafter leur demande donc de préparer des listes de caractéristiques typologiques possibles. Un générateur aléatoire sélectionne ensuite certaines options avant la rédaction de la phonologie et de la grammaire.

Cette méthode peut imposer des combinaisons moins attendues : un ordre inhabituel du sujet, du verbe et de l’objet, un système tonal, différents alignements grammaticaux ou des distinctions sonores rares. Le modèle doit alors construire une langue qui respecte ces choix au lieu de reproduire son schéma préféré.

Un modèle critique, un autre corrige

Après chaque étape, une boucle de révision recherche les ambiguïtés et les contradictions. Le même modèle de base assume successivement deux rôles : un critique signale les problèmes, puis un éditeur reformule la description. Le cycle s’arrête lorsqu’aucune nouvelle erreur n’est relevée ou lorsque le nombre maximal d’itérations est atteint.

Les chercheurs ont testé la méthode avec DeepSeek-R1 ainsi qu’avec les versions Flash et Pro de Gemini 2.5. Pour l’évaluation, ils ont généré environ vingt langues par configuration et demandé dix traductions de contrôle pour chacune.

Plus de diversité, sans garantie de langue parfaite

L’étude mesure la diversité sur seize caractéristiques inspirées du World Atlas of Language Structures. Selon cette grille précise, ConlangCrafter obtient des scores de 0,56 à 0,60, contre 0,25 à 0,35 pour une génération en une seule étape. La valeur calculée sur 1 874 langues naturelles de référence est de 0,43.

Cette comparaison ne signifie pas que les créations sont globalement « plus riches » que les langues humaines. Elle indique que, dans l’échantillon produit et sur les seize dimensions retenues, le système explore davantage de combinaisons typologiques.

La cohérence reste la principale limite. Selon le modèle utilisé, le taux automatique de traductions jugées entièrement conformes à l’esquisse atteint seulement 0,38 à 0,54. Les résultats dépassent les méthodes de base, mais montrent qu’une description volumineuse peut toujours contenir des règles difficiles à appliquer ou des exemples contradictoires.

Deux doctorants en linguistique ont consacré environ 35 heures à une vérification manuelle plus restreinte. Leur travail confirme que les mesures automatiques suivent raisonnablement les jugements experts, tout en rappelant que l’évaluation d’une langue inexistante ne dispose d’aucune vérité de référence.

Un outil de création et un banc d’essai linguistique

ConlangCrafter peut accélérer la préparation d’univers de fiction, aider un créateur à compléter une grammaire ou produire des cas atypiques pour tester le raisonnement métalinguistique des modèles. Les auteurs évoquent également un intérêt potentiel pour les langues peu dotées en ressources numériques, mais cette piste demande des validations spécifiques avec les communautés et les spécialistes concernés.

Le site du projet ConlangCrafter permet d’explorer les langues générées, leur phonologie et leurs exemples. L’article scientifique décrit la méthode, les expériences et leurs limites.