Épisode 20 avec Jay & Nick
Intervenant : Bienvenue sur E2Talks. C’est un podcast où nous discutons du paysage de la langue anglaise. Dans ce podcast, Jay est rejoint par Nick Jenkins, le fondateur de Language Confidence – un logiciel en tant que service piloté par l’IA qui donne aux étudiants un retour correctif automatique sur leur prononciation. Dans cette discussion, Jay et Nick parlent de la prononciation en général et plus spécifiquement de la façon dont l’IA peut aider les étudiants à développer de meilleures habitudes de parole. Ils évoquent les origines de Language Confidence, ce qu’il peut faire actuellement, et ce qu’il pourra faire dans un avenir proche. Ils abordent aussi de nombreux autres sujets liés à l’enseignement, à l’apprentissage et à la technologie de la prononciation. Écoutez donc !
Jay : Salut Nick, comment ça va ?
Nick : Ça va plutôt bien, tout bien considéré en ce moment. Donc oui, ça va bien, et toi ?
Jay : Oui. Alors, où es-tu dans le monde ?
Nick : Actuellement à Sydney, dans un bureau partagé à Chinatown appelé Haymarket HQ.
Jay : Cool. Super. Alors Nick, peux-tu nous parler un peu de toi et de la façon dont Language Confidence est né ?
Nick : Oui. La version courte, c’est que c’est ma troisième startup. La première, je l’ai vendue quand j’avais 21 ans. La deuxième était dans notre domaine, celui de l’éducation en ligne. Et elle a échoué de manière assez spectaculaire. Je pense qu’on a fait à peu près tout ce qu’il ne fallait pas faire. C’était une application pour enseigner l’anglais aux enfants et leur fournir du contenu. Ça nous a amenés en Chine. J’y ai passé près de trois ans. Et évidemment, quand l’entreprise a fermé, il me fallait quelque chose à faire. J’enseignais l’anglais quand j’ai obtenu ma qualification T cell. Et pendant que j’enseignais, j’ai eu cette idée. Je me suis dit, tu sais, en regardant ce qu’on apprend dans le domaine des applications, en regardant Babbel et Duolingo, aucun d’eux ne donne vraiment aux étudiants un retour de qualité sur leur expression orale. On a même fait une super vidéo où on nous compare à certains grands noms du secteur comme Rosetta Stone et Babbel, pour montrer à quel point notre technologie est plus précise. Donc, oui, je voulais pouvoir reproduire ce que je fais en tant que professeur, mais de manière entièrement automatisée. Pour améliorer l’expérience d’apprentissage dans son ensemble et vraiment se concentrer sur l’anglais parlé.
Jay : Intéressant. Je trouve que même en classe, la prononciation est un sujet négligé. Une des raisons est que c’est difficile, si tu as une classe de 35 élèves, de donner un retour individualisé à chaque élève. C’est pratiquement impossible si le cours dure une heure, cela signifie que les élèves n’ont que deux minutes avec le professeur. Est-ce quelque chose auquel tu as pensé ?
Nick : Oui, c’est exactement ce que je voulais faire. Quand j’enseignais, je demandais à mes élèves de dire quelque chose. Et en tant qu’humain, individuellement, je pouvais repérer où ils se trompaient. En tête-à-tête, je leur disais, d’accord, tu t’es trompé ici. Ils m’écoutaient, me regardaient. Puis on essayait à nouveau avec différents mots, les mêmes sons, différents contenus, différents contextes, etc. Et on ne peut pas étendre ça, tu sais, je pense que les plus petites classes que j’ai eues en Chine comptaient deux élèves, et même là, essayer de donner une attention individuelle est vraiment difficile. Donc oui, je voulais créer quelque chose de vraiment évolutif, et que tu puisses avoir cette expérience chez toi.
Jay : Super. Peux-tu nous parler un peu de la confiance en langue, ce que c’est, comment ça fonctionne, et pourquoi cela améliore réellement les compétences de prononciation des gens ?
Nick : Oui, oui, c’est sûr. C’est une entreprise AI SAS, je suppose qu’on peut l’appeler comme ça. Nous fournissons un produit appelé LCAT. Et LCAT est similaire à la reconnaissance vocale. Mais au lieu de déchiffrer ce qui est dit, nous évaluons la qualité de la prononciation. Un exemple très simple est dans une application ou une plateforme comme E2school, vous demandez aux élèves de dire un mot particulier, ils enregistrent l’entrée qui est envoyée à notre back-end, nous faisons une évaluation et renvoyons les résultats de l’évaluation. Et comment fonctionne cette évaluation ? Nous donnons à une IA beaucoup de données de locuteurs natifs, nous entraînons l’IA à apprendre ce qui est natif ou bon, plus ou moins, et quand vous envoyez cet audio, nous revenons avec un score. Et ce score indique à quel point l’IA pense que vous êtes proche d’un locuteur natif.
Jay : Je comprends. Donc quand je fais ma pratique de prononciation sur DuoLingo, par exemple, et j’ai joué avec cette application, elle me dit juste que je suis compréhensible. Elle fait un genre de « Ba-ching » et me donne un tic vert. Oui, tu l’as bien dit. Mais en disant bien, j’ai peut-être en fait mal prononcé certains sons ou mal articulé certaines choses. Cependant, elle ne me le dit pas. Donc est-ce que c’est une grande différence entre ce que vous faites et ce que fait DuoLingo ?
Nick : Oui, absolument. Donc, les grands groupes comme DuoLingo et Babbel dans le monde utilisent la reconnaissance vocale sur l'appareil. C’est donc la reconnaissance vocale de Siri, Nuance ou Google qui est intégrée aux iPhones ou aux Androids. Et tout ce que ça fait, c’est vous donner un résultat de réussite ou d’échec, ou un simple tic vert, comme dans cette vidéo que nous avons faite. J’utilise une de ces plateformes et je dis en fait le mauvais mot et je réussis quand même le test. Vous obtenez le tic vert. Je crois qu’ils me demandaient de dire « mineral water », et j’ai dit « minieral wasa », et j’ai quand même eu un tic vert, réussi, et passé à la suite. Alors que dans notre système, ça sort comme : « Hé, tu as tout bien dit ici, mais tu t’es trompé là et là. » Donc l’étape suivante est de créer un scénario d’apprentissage personnalisé, une vraie boucle de rétroaction, l’état initial, c’est juste d’identifier où on s’est trompé.
Jay : Sympa, sympa, il pourrait être utile de prendre un peu de recul ici et de parler de ce qu’est réellement la prononciation. C’est une caractéristique vraiment étrange du langage parce que c’est très anatomique, vous savez, cela implique vraiment la langue, les lèvres, la gorge et le palais, c’est très étrange quand on y pense, il y a un aspect cognitif, évidemment. Mais c’est surtout une question de muscles et de parties du corps, ce qui est assez étrange. Donc, ma compréhension de la prononciation se divise en trois parties. Une partie concerne les sons, les sons individuels, donc les phonèmes. Les sons voyelles, voyelles courtes ‘a’, ‘e’, ‘i’, ‘o’, ou voyelles longues, voyelles combinées comme “ay”, par exemple, puis vous avez les sons consonantiques, ‘p’, ‘d’, ‘k’, ‘m’, qui utilisent en fait une partie de votre bouche. Tandis qu’une voyelle n’utilise pas vraiment une partie de la bouche, vous produisez un son, essentiellement à partir de la boîte vocale, mais il n’est pas entravé par la langue ou les lèvres, etc. Donc vous avez tous ces sons individuels, puis vous avez les groupes de consonnes. Et une des chercheuses que nous avons ici chez E2Language a justement étudié la littérature sur les groupes de consonnes en anglais. Elle essayait de trouver un corpus ou simplement de déterminer ce qu’ils sont et combien il y a de groupes de consonnes en anglais. Elle n’a pas pu trouver cela, elle a trouvé des opinions divergentes et quelques documents des années 1980, etc. Alors elle a fait une étude complète elle-même et a déterminé qu’il y a 146 groupes de consonnes en anglais, ce qui est vraiment intéressant, c’est agréable de savoir que c’est fini. Donc vous avez 44 sons individuels, puis 146 groupes de consonnes. Les groupes de consonnes sont des combinaisons de deux consonnes ou plus qui se suivent comme ‘p’ et ‘r’ pour faire ‘pr’, ou ‘s’ et ‘l’ pour faire ‘sl’ comme dans ‘slip’, par exemple, ce qui est très problématique, comme vous le savez en Chine, beaucoup d’Asiatiques de l’Est, Coréens, Japonais, etc., aiment insérer une voyelle entre ces deux consonnes. Et la troisième partie de la prononciation ne concerne pas tant les sons que nous produisons, mais la manière dont le discours est délivré en termes de rythme, de pauses, de discours lié, etc. Alors maintenant, où la confiance en la langue intervient-elle pour aider avec ces aspects de la prononciation ?
Nick : Oui, donc globalement l’anglais est vraiment illogique. Je veux dire, je crois qu’il y a 12 façons différentes de faire le son « sh ». Donc différentes combinaisons de graphèmes pour faire le son « sh ». Ne me cite pas là-dessus, je dois vérifier. C’est donc une langue vraiment assez difficile. Et il a dit qu’il y a 44 sons dans l’Alphabet Phonétique International officiel. Et je crois que ça date des années 1890, c’est un groupe français qui l’a créé à l’origine. Encore une fois, ne me cite pas, je dois vérifier. Et il y a en fait un autre système de codage appelé arpabet, qui est traditionnellement utilisé pour la reconnaissance vocale, pas pour l’apprentissage des langues.
Jay : Désolé, comment ça s’appelle ?
Nick : Ce serait l’Arpabet ? A-R-P-A-B-E-T, je crois. Je pense que ça vient de l’Université Carnegie Mellon. C’est un système de codage qu’ils ont créé parallèlement à l’API pour la reconnaissance vocale. Donc, c’est plus orienté informatique, pour des usages de reconnaissance vocale,
Jay : D’accord.
Nick : Je pense que là où nous en sommes, et où nous nous concentrons, c’est exactement l’évaluation de la prononciation par rapport à un locuteur natif. L’idée est qu’un locuteur natif, selon son accent, prononcera chaque mot d’une manière particulière, et il y a des différences dans ces prononciations. Je pense que le « tomato » / « tomatoe » est un excellent exemple de cela. Et je pense que, tu sais, les différents accents, il y a 107 fonds avec toutes les variantes différentes.
Jay : Oh, intéressant.
Nick : Et j’ai même vu d’autres alphabets phonétiques vers lesquels ils se tournent, je crois en avoir vu un avec 39 sons et c’est un vrai mélange compliqué, mais nous nous concentrons uniquement sur l’Alphabet Phonétique International, les 44 sons de l’anglais. Cela semble être la référence la plus courante et la plus demandée pour apprendre à parler anglais. Et nous nous concentrons actuellement uniquement sur la prononciation. Mais en avançant, et je pense que tu as abordé ce point dans ton troisième point, on regarde d’autres aspects de l’anglais parlé que les apprenants ont vraiment pris le temps de quantifier. Donc, tu as la prononciation, c’est-à-dire les sons que tu essaies de prononcer, et c’est vraiment la métrique centrale. Si tu te trompes complètement sur les sons, le sens n’est pas du tout transmis. Il faut donc avoir au moins un certain pourcentage de sons corrects pour pouvoir transmettre un sens. Et à partir de là, on ajoute la fluidité, la porosité, la grammaire, le lexique, puis la pertinence du contenu. Essentiellement, nous avons essayé de commencer par la prononciation, qui est en fait le problème le plus difficile à résoudre techniquement. Cela a pris du temps, mais nous y sommes enfin. Ensuite, passer à d’autres métriques comme la fluidité est notre prochaine étape.
Jay : Oui, j’aime vraiment cette confiance en la langue, parce que nous l’utilisons dans E2School, dans notre cours de prononciation. Et c’est formidable parce que nous faisons pratiquer à l’étudiant un son particulier ou un groupe de consonnes, puis nous leur faisons répéter une phrase ou juste un mot, etc. Et ils parlent dans l’ordinateur, et il renvoie presque immédiatement un pourcentage de réponse, comme un score, mais bien mieux que ça, c’est que lorsqu’ils cliquent dessus, ils peuvent en fait voir quel phonème particulier ils prononcent mal. Ce qui est. Je veux dire, c’est extrêmement utile. Parce qu’ils ne s’en rendaient pas compte, ou peut-être qu’ils en étaient conscients. Mais maintenant ils sont très conscients que d’accord, je dois réessayer ce son ‘p’, et ne pas le faire ressembler à un son ‘b’. Donc il y a cet élément là. Que devraient faire les étudiants alors ? Ou que suggères-tu que les étudiants fassent une fois qu’ils ont découvert qu’ils ont des difficultés avec le son ‘p’, par exemple.
Nick : Je pense que, du point de vue de l’enseignement, ce que j’ai toujours essayé de faire avec les étudiants, c’était d’identifier gentiment et de dire, Hé, ce n’était pas tout à fait correct. Et nous leur donnions plus de contenu, peut-être dans un contexte différent pour pratiquer. Donc, tu as mal prononcé ce son. En tant qu’humain, en tant que locuteur natif, ici tu peux entendre que tu t’es trompé, et ensuite je peux dire, d’accord, quel est un autre mot que nous pouvons pratiquer qui contient ce même son, pour que tu puisses le pratiquer dans un contexte différent, un contexte différent, un contenu différent, une phrase différente. Et c’est ce que nous avons essayé de faire. Donc la première étape de notre cas est d’identifier où ils se sont trompés. Et ensuite, aller au-delà de cela, et avancer, c’est être capable d’offrir quelques suggestions. Donc des suggestions correctives, puis de bons exemples corrects de ceux-ci. Donc s’ils se trompent sur le son R ou L ou ‘dz’. Un mot avec lequel mes étudiants avaient du mal était « casual ». Et un autre mot que je choisissais était « usual », et nous le mettions dans différentes phrases, nous leur faisions pratiquer à nouveau. Donc l’idée avec LCAT, c’est qu’il est capable d’émuler ce qu’un enseignant peut faire en repérant où tu te trompes. Et ensuite les étudiants peuvent voir cela, écouter le bon exemple. Et en fait essayer à nouveau. Et continuer à pratiquer jusqu’à ce qu’ils y arrivent.
Jay : Oui, c’est vraiment ça. Je me suis amusé avec la langue farsi en essayant de faire ce son « kh », « khubi », « khubam ». Et j’ai trouvé que c’est assez amusant. Ou c’est une bonne idée en tant que professeur de langue de faire ça, de parler, de commencer à prononcer certains sons dans une autre langue que vous n’avez tout simplement pas dans votre première langue et de ressentir à quel point c’est inconfortable et étrange, puis d’essayer de le rendre, vous savez, normal, standard. C’est intéressant.
Nick : Je suis tout à fait d’accord, quand j’apprenais le mandarin, les sons qui existent en mandarin que, en tant que locuteur natif anglais, vous n’avez jamais appris. Donc c’était vraiment difficile, surtout en tant qu’adulte, de pratiquer ces sons particuliers.
Jay : Oui, oui. Oui, c’est ça. Je veux dire, la bonne chose quand on apprend une autre langue, c’est que, vous savez, il y a disons 44 sons, vous savez, je pense qu’en arabe, ils en ont 38. Et ils n’ont pas — je ne vais pas faire le calcul — six de ces sons qu’ils n’ont tout simplement pas, donc ils devront s’exercer sur ceux-là. Je pense que certaines des études vraiment utiles à ce sujet sont celles sur l’interférence de la première langue. Ce que nous avons fait sur E2school, c’est que nous avons tous les sons là. Cependant, nous avons cet petit outil qui organise le contenu. Donc je vais entrer et dire que je suis un locuteur arabe, et il me dira simplement quels phonèmes particuliers je dois travailler parce que je n’ai pas besoin de tous les faire. Il y a aussi des études à ce sujet pour la grammaire, auxquelles nous arriverons à un moment donné. Mais oui, c’est intéressant. Je vais peut-être un peu changer de sujet ici pour parler moins des aspects techniques de la prononciation et plus de l’élément social de la prononciation et pourquoi quelqu’un voudrait améliorer sa prononciation. J’ai quelques idées, mais j’aimerais entendre ce que tu en penses. Par exemple, pourquoi, si je veux obtenir un emploi au Royaume-Uni, ou pour n’importe quelle raison, est-ce que je voudrais avoir une prononciation claire.
Nick : Je pense que comme thème général, la prononciation est essentiellement le fait que dans la langue parlée ou l’anglais parlé, si votre prononciation est complètement fausse, peu importe la précision de votre grammaire, vocabulaire ou fluidité, vous ne pouvez pas vraiment transmettre ce que vous essayez de dire. Donc si vos sons sont faux, et je peux me tromper académiquement ici, mais d’après mon expérience dans l’enseignement et l’apprentissage d’autres langues, si votre prononciation est fausse, vous ne pouvez pas vraiment transmettre de sens. Et les gens apprennent à parler d’autres langues pour toute une gamme de raisons. Je pense, évidemment, en tant que groupe de préparation aux tests, vous comprenez qu’il y a un énorme marché pour les personnes qui veulent passer des tests reconnus, comme le PTE, IELTS, TOEFL, etc. Il y a aussi beaucoup de gens qui le font pour le plaisir. Ils aiment vraiment apprendre les langues, les polyglottes du monde. Et puis il y a des gens qui veulent faire des choses comme voyager, et voyager dans un autre pays et pouvoir dire, Où sont les toilettes ? Ou combien ça coûte ? Et ces choses que vous apprenez, qui sont vraiment basiques, comme quand je suis arrivé en Chine, je ne parlais pas mandarin. Et je me suis perdu plusieurs fois. Donc c’était vraiment utile de pouvoir dire, Allez tout droit et tournez à droite, arrêtez-vous ici. Donc oui, c’est vraiment ça, je pense que l’aspect académique est très important, étudier à l’étranger, pour le plaisir, pour voyager, ce genre de choses. Et c’est vraiment le cœur de la langue parlée, de vraiment transmettre un sens et pouvoir communiquer avec quelqu’un.
Jay : C’est ça. Oui. Mais oui, être compris. Et donc tu as mentionné avant les graphèmes et les phonèmes. Peux-tu juste m’expliquer ou expliquer au public, qu’est-ce qu’un graphème ? Qu’est-ce qu’un phonème ? Et quelle est la relation entre les deux ? Parce que je sais qu’en anglais, la relation n’est souvent pas très claire.
Nick : Oui. Donc. Et encore une fois, je ne suis ni linguiste ni médecin, mais j’ai un certain bagage technologique. Mais l’anglais lui-même est composé d’un mélange de différentes langues, latin, allemand, français, tout ça. Et donc les graphèmes sont notre alphabet. L’alphabet de 26 lettres, et les phonèmes sont les sons et l’alphabet phonétique, mais évidemment 26 lettres et 44 sons ne vont pas correspondre. Et je pense qu’un exemple que j’ai mentionné avant, c’est que vous pouvez faire le son ‘sh’ de 12 façons différentes en anglais. Donc 12 combinaisons de graphèmes différentes produisent le son « shirt ». C’est
Jay : Donc ce n’est pas juste ‘sh’.
Nick : Non.
Jay : D'accord. Très bien, compris. Ce ‘ss’ et ‘zh’, et il y a
Nick : ‘ti’
Jay : et ‘ti’.
Nick : Oui. Oui. Donc c’est comme, ça n’a pas beaucoup de sens. Ce n’est pas très logique, mais ça existe. Et, vous savez, c’est comme la communication. Donc c’est une langue difficile. Voilà, et c’est la relation qui ne correspond pas. Mais il y a des règles plus générales qui expliquent la plupart des cas, mais il n’y en a pas une claire pour tous.
Jay : Je pense que c’est extrêmement frustrant pour les personnes qui étudient dans leur pays comme la Chine ou la Corée du Sud. Ils apprennent un anglais de manuel. C’est ce que j’ai enseigné en Corée du Sud pendant quelques années. Et vous savez, je dois dire que la langue coréenne est fascinante parce qu’ils ont en fait, je crois qu’ils appellent ça une orthographe parfaite, ce qui signifie que la relation entre l’orthographe et le son est pratiquement un à un. Il n’y a pas d’exceptions. Mais comme vous le dites, en anglais, la relation orthographe-son est radicalement différente parce que la communication ‘ti’ et ce qui arrive avec les étudiants coréens, c’est qu’ils apprennent ces textes et la grammaire, etc., puis ils arrivent en Australie ou aux États-Unis, et tout à coup, ils se demandent ce que tout le monde dit ? J’étudie l’anglais depuis 12 ans et je ne comprends personne dans ces trucs fous comme, vous savez, une des choses qu’on fait en anglais c’est si tu veux faire ça ce week-end. Whatchya, ce ‘dz’. Que veux-tu faire ? Whatcha. Donc ces sortes de mélanges fous et tout ça.
Nick : Et cela pose aussi un vrai problème technique. Par exemple, on a eu de vrais soucis quand on peut joindre deux sons identiques. Donc si vous dites après le spectacle, nous, en tant que locuteur natif, vous dites après le spectacle nous, vous concaténez ces sons. Et l’IA cherche les deux sons parce qu’elle se base sur notre dictionnaire, notre lexique, elle dit, hé, il y a deux sons. Et même si vous obtenez un bon score pour l’un des sons, elle vous attribuera un score plus bas pour le second son, même si en tant que locuteur natif, vous les avez simplement joints. Oui. Donc cela crée en fait beaucoup de problèmes techniques, même quand un locuteur natif parle pour essayer d’avoir tout juste. Du point de vue de l’inexactitude du produit ?
Jay : Eh bien, oui, c’est vraiment compliqué, n’est-ce pas ? Même la question ? Comment ça va ? On ne dit pas ça, on dit comment ça va vraiment ? Non ? Donc il faut ensuite entraîner la machine à reconnaître ça, je pense que la règle est là : s’il y a un son de voyelle suivi d’un son de consonne, ou quelque chose qui est joint ou déplacé, votre machine reconnaît ces petites règles ?
Nick : Oui, quand on a lancé le produit, on a eu toutes sortes de problèmes. Évidemment, au début, quand on lance sans service rapide, ça plante, en fait, on avait tellement d’utilisateurs pour le groupe en Corée que le serveur a planté. Et un peu l’infrastructure aussi. Et puis, du point de vue de la précision du contenu, pouvoir évaluer des phrases comme « après le spectacle, nous » et « comment ça va ? » C’est surtout un problème de données à résoudre. Mais il faut aussi être malin dans la façon dont on configure le dictionnaire ou le lexique pour que tout fonctionne bien ensemble.
Jay : Je vois. D’accord, j’essaie juste d’imaginer comment le système est programmé, parce qu’il y a des règles. Et une des règles, c’est que parfois on ajoute un son aussi, on ajoute ces sons, on supprime des sons, je crois qu’ils appellent ça des allusions, des suppressions, techniquement. Wow. Donc, d’accord, il faut programmer le système. Et ce n’est pas aussi simple que de mettre un dictionnaire et de dire, voilà comment tout ça sonne ? Alors, qui a programmé tout ça ? Et comment ça s’est passé ?
Nick : Au départ, quand j’ai commencé ça, je vivais en Chine, j’enseignais. Je n’avais pas parlé à mes parents depuis quelques années, et je leur avais parlé pendant environ trois ou quatre mois. Ils m’ont dit : « Hé, on veut que tu trouves un travail normal et que tu retournes à l’université, et tout ça. » J’ai donc dressé une liste de chercheurs dans le monde entier qui avaient des compétences dans des domaines particuliers, comme l’IA, les réseaux neuronaux profonds, la linguistique computationnelle, et j’ai littéralement décroché le téléphone et commencé à appeler en disant : « Hé, je veux construire ça, pouvez-vous m’aider ? » Et j’ai trouvé beaucoup d’aide au MIT. On a trouvé quelques jeunes gars assez brillants là-bas pour nous conseiller, et on a formé une équipe pour construire le produit. Eh bien, ça a pris beaucoup de temps, je pense que notre première démo fonctionnelle faisait cinq phrases. Et puis le saut entre cinq phrases qui fonctionnaient avec précision et un produit qu’on pouvait faire évoluer des millions et des millions de fois pour des millions, des millions d’utilisateurs, et aussi le rendre précis pour une large gamme de contenus avec un écart aussi grand, ça nous a pris pas mal de temps, mais sur une belle trajectoire ascendante. En ce moment, je pense qu’on vient d’atteindre 20 millions d’appels API en production, ce qui est vraiment cool. Et on regarde aussi nos propres tests automatisés en anglais et tout ça. Donc tout a commencé avec une liste et plein de messages LinkedIn, plein d’appels à froid. Pas mal de gens m’ont raccroché au nez, mais ça fait partie du jeu, non ?
Jay : Wow, mec, c’est incroyable. Donc ils ont dû collaborer entre eux. C’est comme si tu avais rassemblé une équipe de chercheurs ?
Nick : Oui, nous avons constitué une équipe et trouvé de très bons programmeurs ici à Sydney, étudiant des matières comme les maths et la physique, dans des endroits comme l’UNSW, pour tout rassembler, et faire fonctionner le projet, passer d’une idée à un produit réel.
Jay : Incroyable. C’est impressionnant. Je ne connaissais pas cette partie de l’histoire. C’est cool. Et donc tu vois, j’ai eu 20 millions d’appels API. Cela signifie que 20 millions d’étudiants ont cliqué sur le bouton, ont parlé à l’ordinateur et ont reçu un retour. C’est, c’est fou, mec. Parce que si tu penses au nombre d’enseignants qu’il faudrait pour donner 20 millions de retours oraux à des étudiants, c’est inimaginable, non ?
Nick : Oui, c’est vraiment cool. En fait, nous avons atteint 10 millions très rapidement parce qu’évidemment, pendant le COVID, les choses étaient assez chargées. Mais oui, nous avons atteint 20 millions tout récemment. Et oui, je veux dire, c’est vraiment excitant de voir que nous avons un impact réel en aidant les étudiants à apprendre efficacement, en rendant cela évolutif. Il y a définitivement un aspect social dans cette entreprise, je pense que ce que nous faisons est un bénéfice net pour la société et l’éducation. Donc ça me rend, oui, vraiment enthousiaste et très heureux, c’est très gratifiant.
Jay : Oui, je suis d’accord. Je pense qu’il y a définitivement un bénéfice net pour la société. C’est intéressant, vous savez, nous vivons à une époque où les gens sont très conscients des différentes formes de discrimination. Et je pense que nous faisons des progrès dans la société, et tout ça. Mais une forme de discrimination qui, je pense, est négligée, ce sont les accents. Les gens sont extrêmement discriminatoires en fonction de l’accent. J’ai lu quelque part, c’était un article de magazine, qui disait quelle est la forme la plus préférée de la langue anglaise, et quelle est la pire forme. Et c’est une recherche un peu terrible. Mais ils disaient que les accents masculins britanniques sont les formes les plus appréciées de l’anglais parlé. Et la pire était un homme vietnamien parlant anglais, à cause de l’interférence de leur première langue, et de la différence de prononciation vietnamienne, ce qui fait que les gens n’aiment pas l’anglais parlé avec un accent vietnamien. Ça se comprend. Donc, vous voyez, c’est horrible. Et, vous savez, je pense que faire des changements autour de la discrimination, sensibiliser les gens est essentiel. Mais il y a un rôle à jouer avec l’étudiant là-dedans. Et ce que vous faites, c’est en fait aider les gens à parler plus clairement et à surmonter, vous savez, ces déficiences ? C’est assez intéressant, non ?
Nick : Oui, c’est sûr. Je veux dire, j’en ai aussi été coupable, où je me suis surpris à juger l’intellect de quelqu’un par sa capacité à communiquer verbalement.
Jay : Oui.
Nick : Et, et c’est complètement incorrect. C’est juste une chose naturelle et innée, je pense, où tu te dis, Oh, on ne peut pas communiquer, donc tu n’es pas très intelligent. Et pour moi, quand tu réalises ça, tu te dis, attends, ce n’est pas du tout correct. C’est juste une chose naturelle et innée. Je me suis certainement retrouvé dans ce scénario auparavant. Mais en apprenant et en enseignant les langues, tu comprends que ça n’a rien à voir avec ça, c’est cette capacité à communiquer qui est vraiment importante. Et c’est vraiment une des raisons pour lesquelles nous faisons ça et pourquoi nous persévérons. C’est une startup et la montagne russe que tout cela représente, c’est que ma vision pour les 10 prochaines années est que n’importe quel étudiant n’importe où dans le monde, sur un smartphone, pourra avoir une leçon de langue entièrement ouverte et automatisée avec un tuteur IA. C’est vraiment là que je vois la vision de tout ça, et ça élimine beaucoup de préjugés et ouvre beaucoup de portes pour ces apprenants qui ne peuvent pas payer 50 ou 60 $ pour une heure.
Jay : Oui.
Nick : Pour un professeur.
Jay : Oui.
Nick : Ils peuvent payer 5 $ par mois pour une leçon de très haute qualité sur un téléphone, ce qui est vraiment évolutif.
Jay : Alors, vas-tu te lancer dans l’interactivité ou y jeter un œil, parce qu’en ce moment, et c’est aussi une limite de certains tests d’anglais, il n’y a pas d’interactivité dans l’évaluation de l’expression orale, ils lisent à voix haute ou répètent une phrase ou décrivent une image, etc. Je pense qu’il y a des limites dans les tests d’anglais qui intègrent réellement de l’interactivité à cause de la nature de l’interlocuteur. Mais peux-tu me parler de la façon dont la confiance en la langue pourrait évoluer avec l’interactivité ?
Nick : Oui, donc un des gros problèmes techniques que nous avons rencontrés au départ était : comment rendre ce produit évolutif en termes d’infrastructure ? Comment faire en sorte que ce produit puisse évaluer une large gamme de contenus. Et cela a pris beaucoup de temps pour comprendre comment rendre le produit capable d’évaluer une très, très large gamme de contenus. Ce que nous avons fait, c’est que nous avons mené des expériences, et nous avons déterminé pour chaque mot, combien de données ou ensembles de données nous avions besoin pour rendre l’IA précise. Puis nous avons extrapolé ces informations et rendu cela précis pour les 10 000 mots les plus courants en anglais et toutes leurs combinaisons. Donc pour le moment, vous pouvez simplement taper le texte parlé et obtenir votre résultat d’évaluation. Mais évidemment, c’est encore un scénario fermé du point de vue des tests et de l’apprentissage. Il est tellement important d’avoir des questions créatives ouvertes, des retours et des réponses, questions et réponses. Donc la prochaine étape pour nous, et nous avons eu beaucoup d’intérêt à ce sujet, est d’avoir une évaluation ouverte. Donc maintenant, nous pouvons faire l’évaluation du contenu. Une fois que nous savons ce que c’est. Mais ce que nous devons faire d’abord, c’est être capables de reconnaître ce que c’est. Nous avons donc une démo sur notre site web où vous pouvez simplement parler, et ensuite nous faisons l’évaluation. Vous pouvez donc avoir une réponse plus créative et ouverte à cela. Évidemment, il y a des limites à cela en tant que produit. Donc, vous savez, utiliser la reconnaissance vocale pour déchiffrer ce qui est dit, puis nous faisons l’évaluation sur la façon dont c’est dit, tout cela dépend de la précision de la reconnaissance dès la première étape. Donc si vous avez un apprenant débutant, ou un accent très marqué, même le meilleur ASR au monde ne vous donnera pas une lecture précise de ce qu’il essaie réellement de dire. Le contexte entre en jeu. Mais en fait, je pense que nous avons trouvé une solution à cela. Mais cela nécessite pas mal de développement. Donc nous regardons définitivement dans cette direction. Et dans les tests automatisés que nous avons construits aussi, nous expérimentons cela, ainsi que des réponses d’une à trois minutes où l’on pose aux étudiants des questions sur l’art, l’environnement et des questions de style IELTS.
Jay : Oui.
Nick : Et ensuite faire ça comme une évaluation ouverte entièrement automatisée, ce qui est vraiment, vraiment cool. Et vraiment excitant. Je pense que c’est vraiment là que nous allons décoller. Et c’est notre niche, notre focus est de travailler là-dessus. Parce que oui, comme tu l’as dit, du point de vue des tests, et du point de vue de l’apprentissage, c’est vraiment important d’avoir ça, pas juste lire le texte ou lire la phrase. Répéter le mot ne peut évaluer qu’une certaine chose. Mais pour vraiment avoir une bonne évaluation de la capacité linguistique de quelqu’un, et pour l’aider à apprendre, il faut avoir ce dialogue ouvert avec lui.
Jay : Oui, sympa. Oui. Oui. C’est, c’est énorme. Donc le problème avec les réponses ouvertes, c’est vraiment le contenu. C’est bien ça ?
Nick : Ironiquement, toutes les autres métriques, donc la fluidité et la porosité, sont indépendantes du contenu, donc tu n’as pas besoin de savoir ce qui est dit. Mais pour la prononciation, donc les sons, tu dois savoir ce que l’utilisateur essaie de dire. Et ensuite tu peux faire une évaluation de la qualité de la prononciation.
Jay : Donc c’est comme ça que ça marche ? Disons que je décris une image de la Tour Eiffel. Et donc je dis des phrases, et ensuite ça les transcrit en mots, comme un service de transcription pour la saisie vocale, par exemple. Je n’ai aucune idée de comment ça marche. Comment ça marche ?
Nick : Donc, disons qu’on utilise la reconnaissance vocale pour déchiffrer ce qui est dit comme première étape. Et ça te donne le texte, et une fois que tu as le texte, tu l’envoies avec l’audio à notre API, et nous faisons l’évaluation et renvoyons ce résultat.
Jay : D’accord, donc ça regarde les sons, ça passe par ton logiciel d’évaluation de la prononciation, mais aussi les mots, ça ferait une sorte de carte sémantique en disant, Oui, il parle de ce que je dis sur la Tour Eiffel, puis ça me donne un score pour le contenu aussi. Et peut-être même la grammaire. Eh bien, ça devient vraiment.
Nick : Oui, c’est exactement le plan, oui, d’avoir six, six métriques principales comme une sorte de manière de mesurer comment tu transmets le sens et de quantifier ça et de le mettre dans des catégories, essentiellement compartimentées. Nous avons la prononciation, la porosité, la fluidité, la grammaire, le vocabulaire ou la ressource lexicale, puis la pertinence du contenu. Ces six métriques, nous nous sommes assis et avons décomposé tout cela en regardant tout, du barème IELTS aux exigences techniques, à ce que nous pouvons faire, ce que nous ne pouvons pas faire. Et ensuite, nous l’avons mis dans ce pipeline, c’est ainsi que nous pensons que cela pourrait changer la façon dont on pense que tu pourras réellement fournir une évaluation ouverte entièrement automatisée en utilisant ces métriques pour tester et pour apprendre aussi.
Jay : Sympa, sympa. Et puis un jour dans un futur lointain, il y aura cette interactivité où tu pourras vraiment converser. Mais c’est un tout autre domaine, n’est-ce pas ?
Nick : J’ai le plan pour ça écrit. Je sais exactement comment le faire. Mais c’est très difficile, techniquement. Donc oui, ça arrivera. Mais pas tout de suite.
Jay : C’est quand tu as vu ce film « Her » où ils ont ces petits écouteurs et il tombe amoureux de la… Tu as vu ce film ? C’est Joaquin Phoenix, enfin peu importe son nom, c’est un film magnifique. C’est en fait un de mes films préférés. Et ils ont ces écouteurs qui se placent dans le futur. Et il tombe amoureux de l’IA dans son oreille. Mais ensuite il réalise que tout le monde est amoureux de leur IA parce qu’ils ont ces conversations merveilleuses. Ça vaut le coup de le regarder. C’est vraiment, vraiment chouette. D’accord, super. C’est vraiment intéressant. Alors, dis-moi rapidement à propos de ce test que tu as créé.
Nick : Oui, donc on travaille avec un groupe appelé Holmes Education Group. Et on utilise, en partenariat avec eux, on a construit un test automatisé. DuoLingo en a lancé un au milieu de la COVID, je crois que c’était il y a environ un an. Il coûtait 69 $. Et je ne pense pas qu’il était automatisé, je pense qu’il y avait encore un élément humain dans l’évaluation. Alors que le nôtre est entièrement automatisé. Pour commencer, entièrement automatisé, pour l’expression orale et l’écoute. Et l’usage initial était de l’utiliser pour simplifier les candidatures aux écoles et universités. Mais au fur et à mesure qu’on continue à développer ça, il semble qu’on va l’utiliser pour l’examen d’entrée lui-même. Donc on pourra automatiser ce processus. Et ça ne remplacera jamais l’IELTS, je ne pense pas, mais on aimerait clairement aller dans cette direction avec la technologie.
Jay : Wow, ça teste quelles compétences exactement ?
Nick : Pour le moment, c’est juste l’expression orale et l’écoute, mais on ajoute la lecture, la grammaire, la compréhension, etc.
Jay : Exact. Oui, parce que beaucoup de ces tests négligent vraiment l’expression orale, comme le TOEIC, par exemple, qui, à ma connaissance, est surtout un test d’écoute et de lecture, car l’évaluation de l’expression orale est coûteuse. Ça nécessite généralement des personnes. Je sais qu’à E2Language, on corrige beaucoup d’évaluations écrites et orales. Et, tu sais, oui, on utilise encore des évaluateurs humains parce que pour ce niveau de complexité, comme un essai IELTS, on n’a pas trouvé d’IA qui satisfasse les étudiants, et les étudiants ont vraiment besoin d’être satisfaits parce qu’ils veulent des retours et des explications très détaillés, etc. Donc oui, c’est un marché incroyable. Si tu y entres et que tu réussis ça, ce serait vraiment quelque chose d’exceptionnel.
Nick : C’est définitivement difficile. Mais je pense qu’on est sur la bonne voie.
Jay : Oui, je pense que pour de gros problèmes comme celui-ci, il faut juste commencer à les attaquer petit à petit. Il faut avoir une idée et résoudre de petits problèmes jusqu’à résoudre le gros problème. Eh bien, je veux dire, on essaie de résoudre le gros problème d’enseigner l’anglais sur un ordinateur. Et de trouver comment faire ça. Ça fait un moment que je regarde ça, depuis 10 ans, et je change encore d’avis, je n’ai toujours pas trouvé comment enseigner la grammaire. Ça, je ne sais pas comment enseigner la grammaire, mec, j’ai essayé tellement de choses, tu sais, j’ai oscillé d’un côté à l’autre, puis je suis revenu à la première méthode. Et finalement, je pense que j’ai abandonné et peut-être que je suis proche du but maintenant que j’ai abandonné. Désolé, continue.
Nick : Je voulais dire que ça a beaucoup de sens, non ? Parce que je pense qu’en mandarin, c’est un joli « kàn shénme ? » et ça veut dire « Tu regardes quoi ? » et non pas « Qu’est-ce que tu regardes ? » Et je pense que les Allemands, les Français et toutes les langues latines ont une structure un peu similaire, alors que l’anglais, c’est la seule qui a cette structure, c’est bien ça ?
Jay : Je ne sais pas si vous avez regardé sur Google Images, c’est fascinant. Une carte des morphèmes, si vous tapez morpheme map, ce que ça fait, c’est qu’il met la phrase anglaise en bas. « What are you looking at », et il met la phrase en mandarin chinois en haut. Et il trace une ligne pour montrer l’ordre des mots. Et certains sont tout simplement radicalement différents. Je veux dire, ce n’est que l’ordre des mots. Sans parler de la façon dont fonctionnent les verbes ? Et comment ils indiquent le temps et la grammaire ? Je trouve la grammaire totalement fascinante. Mais apparemment insoluble, oui. Super, Nick, comment les gens peuvent-ils vous contacter et en savoir plus sur language confidence.
Nick : Rendez-vous sur notre site web. Donc languageconfidence.ai. Ou envoyez-moi un email à [email protected]. Oui, les démos sont sur le site, amusez-vous un peu. Et faites-nous part de vos retours. Je cherche toujours des partenaires pour améliorer le produit. C’est comme ça que nous travaillons avec nos partenaires. C’est une relation vraiment collaborative. Je pense que nous avons passé pas mal de temps avec notre CTO à Melbourne, à réfléchir au produit, au meilleur cas d’utilisation et à la façon de l’utiliser, et ce genre de choses. Donc oui, contactez-nous. Nous serions ravis d’avoir de vos nouvelles.
Jay : Ça a vraiment fait une grande différence pour notre plateforme E2school, parce que le cours de prononciation, je veux dire, si nous avions deux choix, soit ne pas leur donner de retour, soit payer un professeur, auquel cas le coût du cours aurait explosé, et personne ne l’aurait utilisé. Donc ce que nous avons pu faire avec language confidence, c’est fournir beaucoup de retours à l’étudiant. Et je crois que le coût est de 19 $ pour trois mois ou quelque chose comme ça. Donc oui, c’est un outil extrêmement précieux pour nous. Et oui, nos étudiants l’utilisent, ce qui est super.
Nick : Oui, c’est génial. Et oui, j’ai vraiment apprécié travailler avec vous aussi. Ça a été très amusant, et j’attends avec impatience encore plusieurs années.
Jay : Oui, absolument. Nous allons continuer à nous diversifier et voir où cela nous mène. Super. Merci beaucoup de m’avoir rejoint aujourd’hui, Nick.
Nick : Merci de m’avoir invité. Je l’apprécie vraiment.
Intervenant : Merci d’avoir écouté E2 Talks. N’oubliez pas de consulter e2language.com pour les cours PTE, IELTS, OET et TOEFL et si vous avez besoin d’aide pour l’apprentissage général de l’anglais, consultez e2school.comMerci