Signvrse : l’IA au service de la langue des signes en Afrique
En visitant un lycée en Afrique de l’Ouest, Elly Savatia a compris l’ampleur du fossé de communication entre personnes sourdes et entendantes. Privés d’interprète, plus de 400 élèves sourds ne pouvaient poser leurs questions qu’en écrivant, un processus lent et épuisant. C’est de cette rencontre qu’est née l’idée de Signvrse.
Un fossé de communication majeur
Plus de 40 millions de personnes souffrent de déficiences auditives en Afrique, dont environ 2,7 millions au Kenya. Les interprètes sont rares, concentrés en zones urbaines et souvent trop coûteux. Sans outils adaptés, l’accès à l’école, aux soins ou aux services publics reste très limité pour la communauté sourde.
Une technologie sur mesure
Après une première approche par vision par ordinateur, l’équipe a pivoté vers la motion capture pour capturer les subtilités du langage signé. Grâce à un corpus de plus de 20 000 séquences et à une co-création avec plus de 30 utilisateurs sourds, chaque signe est validé avant d’être intégré. Les avatars 3D reproduisent fidèlement les expressions, gestes et rythmes propres à chaque signe.
Comment fonctionne Terp360
La plateforme Terp360 convertit instantanément un texte ou un discours en une animation de langue des signes kenyane. En optimisant le pré-calcul des combinaisons courantes, elle réduit de 35 % le temps de traitement. Un système de streaming adapte la qualité en fonction de la connexion, garantissant l’affichage rapide d’un signe à la fois.
Défis et perspectives
Si la solution séduit le secteur de l’édutech et les institutions, plusieurs défis subsistent : adopter massivement les avatars, constituer des bases de données pour chaque langue des signes africaine, et garantir l’accès là où le réseau est faible. Signvrse développe aussi des interfaces pour intégrer son service directement dans les applications web et mobiles.
En 2025, l’entreprise compte atteindre son premier chiffre d’affaires avec un modèle SaaS B2B et étendre son offre à d’autres pays. L’objectif est clair : normaliser l’interprétation en langue des signes comme les sous-titres, pour que personne ne soit jamais exclu d’une conversation.
👉 Source ici