TII publie Falcon-Emirati-7B : adaptation au dialecte émirati, 84,83 % sur le benchmark Alyah
Selon le blog officiel publié par TII le 6 octobre 2026, Falcon-Emirati-7B effectue une adaptation spécialisée au dialecte émirati sur la base de Falcon-H1-Arabic, obtient 84,83 % sur le benchmark Alyah développé en interne et devance nettement plusieurs concurrents dans l'évaluation de la fidélité dialectale menée par un juge LLM ; le modèle est proposé en essai sur sa plateforme de chat.
Ce qui change
Selon le blog officiel publié par TII le 6 octobre 2026, TII lance Falcon-Emirati-7B, un modèle spécialisé dans l'adaptation au dialecte émirati construit sur Falcon-H1-Arabic. La famille de base repose sur l'architecture hybride Falcon-H1, où les couches à espace d'états Mamba et l'attention Transformer fonctionnent en parallèle dans chaque module et fusionnent avant projection ; la famille couvre trois tailles (3B, 7B, 34B), avec une fenêtre de contexte allant jusqu'à 128K à 256K tokens, et les données d'entraînement incluent déjà un mélange d'arabe standard moderne et de dialectes du Golfe, du Levant, d'Égypte et du Maghreb. TII indique avoir choisi le 7B parce qu'il offre le meilleur équilibre entre la finesse requise pour l'adaptation dialectale et les coûts d'entraînement et d'inférence. Les données proviennent de trois sources : des textes web dialectaux natifs de sites et forums émiratis, un corpus d'arabe standard moderne sur la culture et l'identité émiraties, et des données dialectales synthétiques encadrées par un vocabulaire et des règles de style. L'équipe affirme qu'il n'existe pas de recette établie pour l'adaptation dialectale et avoir donc mené des expériences d'ablation sur la proportion des données, l'étape d'injection et la part de données synthétiques, en combinant notation automatique et relecture par des locuteurs natifs. Sur le plan de l'évaluation, le modèle obtient 84,83 % sur Alyah (1 173 questions à choix multiples natives), et TII affirme qu'il devance tous les modèles arabes et multilingues auxquels il a été comparé, la famille Falcon-H1-Arabic étant exclue de cette comparaison en tant que base. De plus, sur les mêmes 1 173 questions en génération ouverte et avec Gemini 3.7 Flash comme juge, Falcon-Emirati-7B obtient 0,52 en fidélité dialectale (score partiel), nettement au-dessus des 0,05 d'ALLaM-7B, des 0,03 de gemma-3-27b-it, des 0,02 de Jais-2-8B-Chat et du score proche de 0,00 de Fanar-2-27B-Instruct ; il obtient 85,57 % sur la partie UAE des questions à choix multiples d'ArabCulture-Dialogue. Le modèle est ouvert à l'essai sur la plateforme de chat de TII.
Conséquences pour les développeurs
L'effet direct de cette annonce pour les développeurs est qu'elle concrétise la question de savoir si un modèle arabe généraliste peut prendre en charge directement des scénarios dialectaux. L'évaluation de TII montre que plusieurs concurrents ne se trompent pas nécessairement sur le contenu de la réponse, mais produisent par défaut de l'arabe standard moderne même lorsque l'utilisateur pose sa question en dialecte émirati, ce qui explique pourquoi, dans le service client multilingue, le marketing localisé, la modération communautaire ou les questions-réponses culturelles, l'échec d'un modèle arabe généraliste tient souvent moins à une « mauvaise réponse » qu'à un « registre inadapté ». La taille 7B et l'architecture hybride signifient qu'un déploiement sur une seule carte ou un petit nombre de cartes est théoriquement envisageable, ce qui a un intérêt concret pour les équipes devant traiter des conversations utilisateur en local ou dans un environnement privé et soumises à des contraintes sur l'export des données. Il faut toutefois distinguer que les conclusions comparatives de TII proviennent de son benchmark interne Alyah et d'un ensemble de concurrents choisi par ses soins, ce qui relève du cadre d'évaluation du fournisseur ; l'exclusion de la famille de base de la comparaison signifie aussi que ce 84,83 % ne doit pas être directement aligné sur les résultats historiques de Falcon-H1-Arabic. La source ne fournit aucune preuve que les capacités dialectales se transposent à d'autres dialectes arabes comme le levantine ou l'égyptien, et il ne faut pas le supposer. L'évaluation de l'adaptation culturelle n'a de même été réalisée que sur les 283 scénarios émiratis définis en interne.
Intégration et évaluation
Recommandation 1 (données et contraintes de registre) : le changement explicitement rapporté est que les données d'entraînement reposent sur un mélange de trois catégories — pages web dialectales natives, corpus d'arabe standard moderne à contenu culturel et données synthétiques encadrées par un vocabulaire — et que la partie synthétique est limitée par un vocabulaire et des règles de style. Si votre application exige impérativement que la réponse soit rédigée en dialecte émirati, la démarche consiste d'abord à échantillonner vos propres corpus métier, à construire un jeu de test de génération ouverte posant les questions en dialecte, puis à scinder l'évaluation en deux dimensions indépendantes : « contenu correct » et « réponse effectivement en dialecte ». Cela suppose que vous disposiez de locuteurs natifs ou que vous puissiez financer une évaluation humaine, faute de quoi vous ne pourrez vous appuyer que sur une notation automatique, incapable de saisir le ton et la convenance. Les critères mesurables sont le taux de réussite en fidélité dialectale sur vos propres échantillons et la proportion de bascules vers l'arabe standard moderne, et non un simple taux d'exactitude. Recommandation 2 (taille et coût de déploiement) : le changement explicitement rapporté est que TII n'a produit que la taille 7B, en a publiquement expliqué la raison et n'a pas publié de version dialectale 34B. Si votre cas d'usage est un service conversationnel à fort débit et faible latence, vérifiez en priorité si le 7B atteint un naturel acceptable ; s'il s'agit de génération de contenu comme la poésie, les proverbes ou le savoir patrimonial — des catégories que la source présente comme les plus faibles chez les concurrents, mais où le modèle lui-même peut pâtir d'échantillons peu représentés —, il faut évaluer s'il vaut la peine de passer à une base plus grande avant adaptation, car la voie 34B n'est pas proposée dans cette annonce. Cela suppose que votre budget d'inférence et votre budget de latence soient quantifiables. Les critères mesurables sont la latence et le coût pour mille requêtes à QPS fixe, ainsi que le taux de réussite des locuteurs natifs sur les catégories difficiles. Recommandation 3 (comparabilité des évaluations) : le changement explicitement rapporté est que TII utilise son propre benchmark Alyah et exclut la famille de base de la comparaison. Si vous disposez déjà d'un processus d'évaluation en arabe, conservez votre propre benchmark comme référence principale, utilisez Alyah comme complément et non comme substitut, et consignez les versions des concurrents et du modèle juge. Cela suppose que vous puissiez reproduire les questions ou au moins figer un jeu d'échantillons. Les critères mesurables sont la cohérence des conclusions entre votre benchmark et Alyah, ainsi que la stabilité du classement lors d'un changement de modèle juge.
Limites et points à confirmer
Il convient de préciser que Falcon-Emirati-7B n'apparaît pas actuellement dans le catalogue de modèles en temps réel de KimiSeek ; la disponibilité décrite ici ne concerne que la plateforme de chat de TII et ne signifie pas que ce site a mis le modèle en ligne. Les chiffres de la source — 84,83 %, fidélité dialectale 0,52, ArabCulture-Dialogue 85,57 % — proviennent tous d'évaluations construites ou choisies par TII (Alyah, juge LLM Gemini 3.7 Flash, concurrents sélectionnés par TII) et relèvent du cadre du fournisseur, sans reproduction indépendante par un tiers ; l'exclusion de la famille de base de la comparaison limite la comparaison directe avec Falcon-H1-Arabic. TII indique lui-même, dans sa section responsabilité et limites, que le modèle reflète les biais des données d'entraînement et peut se tromper sur des expressions rares, des références très locales et des cas limites peu documentés, que la convenance dialectale et culturelle est subjective dans certains contextes et ne fait pas nécessairement consensus entre locuteurs natifs, et recommande d'évaluer le modèle sur des scénarios concrets avant tout usage sensible, officiel ou à haut risque. La source ne divulgue pas les termes de licence des poids, le mode d'activation des paramètres, la mémoire et le débit d'inférence, le prix de l'API ni les conditions d'usage commercial, et ne fournit pas de preuve de transfert vers d'autres dialectes arabes ; rien de tout cela ne devient acquis du fait de l'« essai ouvert ». Les recommandations décisionnelles de cet article relèvent d'une analyse conditionnelle et non des conclusions rapportées par la source.
Illustrations de l’article original
