La darija écrite : le problème technique que personne ne traite

Une entreprise marocaine qui ouvre WhatsApp Business reçoit des messages qui ressemblent à ceci : un mélange de darija en caractères latins, de mots français, de chiffres utilisés comme lettres, parfois d'arabe littéraire, souvent sans ponctuation.

Un agent conversationnel entraîné sur du français standard ou de l'arabe littéraire ne comprend pas ces messages. Il répond à côté, ou déclare ne pas comprendre. Dans les deux cas, le client passe à autre chose.

C'est le point où la plupart des projets de relation client automatisée échouent au Maroc — pas sur la technologie, sur la langue réelle des utilisateurs.

Il n'existe pas d'orthographe normée. Le même mot s'écrit de plusieurs façons selon la personne, la région, l'habitude. Un système qui reconnaît des formes écrites échoue systématiquement.

L'alphabet alterne. Latin, arabe, parfois les deux dans un même message. Les chiffres remplacent des lettres qui n'ont pas d'équivalent latin — le 3, le 7, le 9 sont des consonnes, pas des nombres.

Le code-switching est permanent. Une phrase commence en darija, continue en français, se termine en darija. Le changement peut intervenir au milieu d'une proposition.

Les corpus d'entraînement sont pauvres. Les grands modèles ont été entraînés massivement sur de l'anglais, du français, de l'arabe littéraire. La darija écrite y est marginalement représentée, et souvent mal.

Travailler sur le sens, pas sur la forme. Les embeddings représentent le sens d'un passage indépendamment de son orthographe. C'est ce qui permet de rapprocher deux formulations écrites différemment mais qui demandent la même chose. Un système fondé sur des mots-clés ou des expressions attendues ne peut pas y arriver.

Calibrer sur des conversations réelles. C'est la différence déterminante entre un agent qui comprend vos clients et un agent qui comprend un manuel. Les vraies conversations contiennent les vraies formulations, les vraies fautes, les vrais raccourcis. Nous partons systématiquement de l'historique du client.

Accepter l'incertitude et transmettre. Sur un message ambigu, l'agent ne devine pas : il demande une précision ou passe la main. Un agent qui répond de travers à un message qu'il a mal compris fait plus de dégâts qu'un agent qui transmet.

Répondre dans la langue du message. Un client qui écrit en darija et reçoit une réponse en français standard perçoit un décalage. La réponse doit s'aligner sur le registre du message.

La traduction préalable. Traduire le message en français avant de le traiter perd l'essentiel : les nuances, l'intention, le registre. Et la traduction automatique de la darija écrite est elle-même peu fiable.

Les listes de synonymes. Écrire toutes les variantes possibles d'un mot est un travail sans fin, et il faut recommencer à chaque nouvelle formulation.

Les arbres de décision. Un chatbot à branches pré-écrites suppose qu'on peut anticiper les formulations. C'est faux en français ; c'est encore plus faux en darija.

À l'oral, le problème est différent et plus difficile. La reconnaissance de la parole en darija est moins mature que le traitement du texte, et la variabilité régionale s'ajoute à celle du vocabulaire.

Notre position est de le dire plutôt que de le masquer : sur le vocal en darija, les résultats sont plus inégaux qu'à l'écrit. Nous cadrons les usages en conséquence, en commençant par des interactions simples et structurées — orientation, prise de rendez-vous — plutôt que par de la conversation libre.

La darija écrite n'est pas un détail de localisation. C'est la langue réelle d'une part importante de la relation client au Maroc, et c'est un problème technique que les solutions internationales ne traitent pas — parce que leur marché principal est ailleurs. C'est précisément là qu'un acteur local a un avantage qui ne se rattrape pas par le budget.