Ce numéro thématique vise une audience internationale et encourage les contributions portant sur des contextes variés : Afrique, Asie, Amérique latine, Pacifique, Europe, ainsi que les communautés diasporiques et minoritaires dans les pays du Nord. Les études comparatives entre différentes aires linguistiques et géographiques sont particulièrement bienvenues. Le contexte maghrébin et algérien constitue l’un des terrains d’investigation possibles, mais ne limite en aucun cas la portée du numéro.

Argumentaire

L’avènement des intelligences artificielles génératives (ChatGPT, Gemini, Claude, …etc marque une rupture technologique majeure dans les pratiques langagières contemporaines. Ces systèmes ont fait l’objet d’une croissance exponentielle des publications scientifiques entre 2023 et 2024, témoignant d’un passage d’investigations exploratoires à des recherches empiriques systématiques (Crompton, 2024 ; Wang & Xue, 2024). Cependant, cette révolution technologique soulève des enjeux critiques de justice linguistique et d’équité éducative, particulièrement dans les contextes plurilingues et les zones à ressources limitées.

Les systèmes d’IA générative, bien qu’offrant des capacités de communication multilingue et multimodale susceptibles d’améliorer l’équité et l’accès pour les apprenants linguistiquement diversifiés, opèrent selon des mécanismes de probabilité statistique où la standardisation limite, voire empêche, une représentation équitable de la diversité linguistique (Jeon et al., 2025). Cette tension fondamentale entre promesse d’inclusion et risques d’exclusion constitue le cœur de la problématique que ce numéro thématique propose d’explorer.

Ce numéro thématique s’inscrit dans les débats internationaux sur les enjeux de justice linguistique à l’ère de l’IA générative, qui concernent l’ensemble des contextes multilingues de la planète ; de l’Afrique subsaharienne à l’Asie du Sud‑Est, de l’Amérique latine aux communautés autochtones du Pacifique. Bien que le contexte maghrébin et algérien serve d’ancrage pour certaines analyses, nous encourageons vivement les contributions portant sur d’autres aires géographiques et linguistiques, afin de construire une compréhension comparative et globale des défis d’équité linguistique face aux technologies d’IA à travers le monde.

Dans un monde comptant plus de 7000 langues, seule une infime fraction bénéficie d’une représentation adéquate dans les technologies d’IA en développement rapide (Ma et al., 2024). La plupart des modèles de langage de grande taille demeurent essentiellement anglocentriques, limitant leur applicabilité dans notre monde linguistiquement diversifié (Ma et al. 2024). Cette fracture numérique linguistique se double d’une fracture territoriale et socioéconomique particulièrement préoccupante.

La fracture numérique, attribuée au manque ou à l’accès limité aux technologies d’apprentissage numériques et aux plateformes éducatives en ligne, constitue le principal défi pour l’adoption effective de l’éducation numérisée et l’atteinte d’une éducation de qualité, particulièrement dans les régions éloignées ou à ressources limitées (Ren et al., 2024). Dans le contexte africain et maghrébin, bien que l’Algérie, l’Égypte, le Kenya, l’Afrique du Sud et la Tunisie aient développé une connectivité avancée pour faciliter l’enseignement, l’apprentissage et la collaboration en recherche, le continent demeure confronté à des infrastructures numériques limitées (Union Africaine, 2022).

Enjeux linguistiques : entre standardisation et diversité

L’intégration de l’IA générative dans l’éducation soulève des questions fondamentales sur la préservation de la diversité linguistique. Contrairement aux approches traditionnelles basées sur des corpus qui peinent à traiter les langues à faibles ressources en raison de la rareté des données, les méthodes basées sur les modèles de langage de grande taille utilisent des techniques avancées pour traiter efficacement les variantes linguistiques diverses (Yong et al., 2024). Toutefois, de nombreuses langues à faibles ressources risquent l’extinction numérique, et le développement d’outils TAL pour ces langues peut contribuer à leur préservation et revitalisation (Ma et al., 2024). Les fondements algorithmiques de l’IA multilingue révèlent des défis techniques considérables dans le traitement équitable de la diversité linguistique mondiale (Benfareh, 2025).

Dans le contexte algérien, caractérisé par un plurilinguisme complexe (arabe classique/dialectal, français, tamazight, anglais), cette problématique revêt une acuité particulière. Les systèmes d’IA génératives reflètent-ils équitablement cette diversité linguistique ? Comment traitent-ils les variétés dialectales et les pratiques translinguistiques courantes dans les contextes maghrébins ? Les recherches en sociolinguistique urbaine en Algérie ont mis en évidence la complexité de ces dynamiques langagières dans l’espace urbain (Bedjaoui, 2019).

Fractures numériques et inégalités territoriales

Au-delà de la dimension linguistique, l’accès aux technologies d’IA générative reproduit et amplifie les inégalités territoriales existantes. La fracture numérique entre écoles urbaines et rurales constitue un défi majeur pour l’intégration technologique en éducation et contribue à l’inéquité éducative croissante dans de nombreux contextes (Zhao et al., 2022). Dans les zones rurales, 67% des enseignants rapportent avoir besoin d’un meilleur accès Internet, contre 44% en zones suburbaines (Miller & Pedersen, 2024).

Pour les apprenants vivant dans des zones sous-développées, les options de transport limitées restreignent l’accès libre aux ressources numériques et au soutien technologique, tandis que les infrastructures de communication limitées entravent l’accès aux ressources d’apprentissage en ligne et la communication entre pairs (Ren et al., 2024). Cette réalité est particulièrement prégnante dans le contexte algérien où les opportunités de transformation numérique dans les universités demeurent limitées en raison du manque d’infrastructure numérique, de la connectivité Internet instable et du manque de formation des enseignants (Dallaa & Belhaoues, 2024 ; Idri & Outmoune, 2021 ) Les représentations sociales que les enseignants algériens développent vis-à-vis de l’IA, mêlant perceptions, craintes et perspectives d’intégration pédagogique, constituent un facteur déterminant dans l’adoption effective de ces technologies (Bouzidi & Zarif, à paraître).

Justice linguistique et éducation équitable

La langue d’instruction constitue un déterminant clé du succès des étudiants, mais son rôle vital comme variable intermédiaire demeure peu reconnu. La plupart des langues continuent d’être exclues de l’éducation, et 60% des enfants non scolarisés vivent dans des régions où leur propre langue n’est pas utilisée à l’école (Romaine, 2024). Les inégalités résultant de politiques linguistiques injustes se conjuguent pour piéger les plus pauvres dans un ensemble de désavantages persistant à travers les générations.

L’inégalité linguistique façonne fondamentalement l’accès à l’éducation, et les éducateurs peuvent jouer un rôle crucial dans la promotion de l’équité à travers le développement curriculaire et la recherche en classe (Cavasso, 2022). Dans les contextes africains, l’intégration des langues africaines dans les structures formelles et numériques demeure un défi majeur malgré des politiques progressistes, en raison de ressources limitées, de matériels académiques inadéquats et de la prédominance de l’anglais (Rudwick, 2021).

Opportunités et défis pédagogiques

Malgré ces obstacles, l’IA générative offre des opportunités pédagogiques significatives. Bien que la recherche se soit largement concentrée sur l’enseignement supérieur et l’anglais comme langue cible, les études identifient des bénéfices affectifs, cognitifs et comportementaux, ainsi que des facteurs écologiques influençant l’intégration (Lai & Lee, 2024). Pour intégrer efficacement l’IA dans les contextes d’enseignement, les enseignants et les apprenants devront développer une littératie critique de l’IA et une appréciation de la relation évolutive de l’IA avec les humains et leur environnement, tout en reflétant le besoin d’un multilinguisme équitable et d’une conscience des enjeux de justice sociale (Dooly & Darvin, 2022 ; Jones, 2024). Le développement de politiques institutionnelles claires pour l’usage des outils d’IA, basées sur l’expérience des politiques de traduction automatique, constitue une approche prometteuse pour encadrer ces pratiques émergentes (Cotelli Kureth & Summers, 2025).

L’IA générative pourrait également contribuer à la réduction des inégalités. Les étudiants moins préparés peuvent bénéficier de ChatGPT pour améliorer leurs compétences rédactionnelles, et le soutien multilingue, ainsi que les capacités de synthèse vocale et de reconnaissance vocale, offrent des opportunités d’accessibilité (Shaik Vadla et al., 2024). Toutefois, des politiques et réglementations doivent garantir un accès égal à l’IA générative, promouvoir le multilinguisme, faciliter l’accès sans frontières et répondre aux besoins des apprenants confrontés à des problèmes économiques, des handicaps et autres obstacles (Stahl & Eke, 2024).

Pertinence pour le contexte algérien et maghrébin

Le contexte algérien, avec sa stratégie de transformation numérique récemment initiée à travers le Plan Directeur du Numérique d’octobre 2022 et le Guide de la Conférence Nationale sur l’Enseignement Supérieur d’avril 2023, constitue un terrain d’investigation particulièrement pertinent. Les défis identifiés - infrastructures limitées, connectivité instable, besoin de formation - se conjuguent avec les opportunités offertes par les IA génératives pour créer des contextes de recherche riches et complexes.

Conclusion

Ce numéro thématique vise à rassembler des contributions empiriques, théoriques et méthodologiques qui éclairent les moyens de garantir que les bénéfices des IA génératives soient équitablement distribués à travers les langues, les territoires et les groupes socioéconomiques, à l’échelle mondiale. Les contributions attendues doivent proposer des analyses rigoureuses, des études de cas contextualisées issues de différentes régions du monde, et des recommandations concrètes pour construire des écosystèmes éducatifs numériques véritablement inclusifs. Nous encourageons particulièrement les recherches comparatives inter-régionales et les réflexions sur la transférabilité des solutions entre contextes du Sud et du Nord.

Axes thématiques

Les contributions pourront s’inscrire dans l’un ou plusieurs des axes suivants :

Axe 1 : Analyses linguistiques computationnelles et diversité langagière

• Qualité des productions en langues à faibles ressources numériques
• Biais linguistiques et culturels dans les modèles d’IA générative
• Traitement automatique des variétés dialectales et langues régionales (exemples : arabe dialectal, tamazight, langues créoles, langues autochtones, etc.)
• Traduction automatique neuronale et langues maghrébines
• Analyse contrastive des outputs en arabe/français/anglais/tamazight
• Représentation des pratiques translinguistiques dans les systèmes d’IA

Axe 2 : Pratiques sociolangagières émergentes et équité territoriale

• Appropriation sociale des IA génératives par différents profils (urbains/ruraux, socioéconomiques)
• Alternance codique et translanguaging assistés par IA
• Pratiques langagières numériques en milieux urbains vs ruraux
• Normes linguistiques et variations dans les interactions homme-machine
• Rôle des médiateurs locaux (enseignants, animateurs, leaders communautaires)
• Impact sur les représentations et attitudes linguistiques
• Pratiques langagières numériques dans différents contextes géographiques (urbain/rural, Nord/Sud, centres/périphéries)

Axe 3 : Innovations didactiques et pédagogies inclusives

• Scénarios pédagogiques intégrant l’IA générative en contextes plurilingues
• Pédagogies adaptées aux contextes à ressources limitées
• Développement de la pensée critique et de la littératie numérique
• Éthique et intégrité académique dans l’usage de l’IA générative
• Formation des enseignants aux littératies numériques (zones rurales/urbaines)
• Évaluation des productions assistées par IA
• Co-construction de ressources pédagogiques avec les communautés locales

Axe 4 : Fractures numériques, territoriales et linguistiques

• Accessibilité des IA génératives dans les zones défavorisées : ruralités, périphéries urbaines, régions isolées
• Infrastructure technologique et inégalités d’accès (connectivité, équipement)
• Impact sur les locuteurs de langues minorées
• Stratégies d’inclusion pour les publics défavorisés
• Médiation numérique et accompagnement en zones rurales
• Solutions low-tech et hybrides pour l’intégration pédagogique

Axe 5 : Politiques linguistiques, technologiques et aménagement territorial

• Souveraineté linguistique et technologique
• Stratégies nationales d’inclusion numérique et linguistique
• Développement d’IA en langues locales/régionales
• Partenariats public-privé pour l’équité d’accès
• Droits linguistiques à l’ère de l’IA générative

Ce numéro thématique vise une audience internationale et encourage les contributions portant sur des contextes variés : Afrique, Asie, Amérique latine, Pacifique, Europe, ainsi que les communautés diasporiques et minoritaires dans les pays du Nord. Les études comparatives entre différentes aires linguistiques et géographiques sont particulièrement bienvenues. Le contexte maghrébin et algérien constitue l’un des terrains d’investigation possibles, mais ne limite en aucun cas la portée du numéro.

Types de contributions attendues

Articles de recherche empirique

• Études de cas dans des établissements urbains/ruraux
• Recherches-actions en zones défavorisées
• Analyses comparatives (urbain/rural, langues à hautes vs faibles ressources)
• Expérimentations pédagogiques avec IA générative
• Études ethnographiques des pratiques langagières médiées par IA

Articles théoriques et conceptuels

• Cadres théoriques pour l’analyse des enjeux de justice linguistique
• Réflexions épistémologiques sur l’IA et la diversité linguistique
• Approches critiques des technologies éducatives

Analyses de politiques et pratiques

• Études critiques des politiques publiques d’inclusion numérique
• Analyses de dispositifs institutionnels
• Retours d’expériences de terrain

Revues de littérature

• Revues systématiques sur des thématiques spécifiques
• Méta-analyses sur l’usage de l’IA en contextes plurilingues

Modalités de soumission

Langues de publication : Les articles peuvent être rédigés en français & anglais

Format et longueur : Articles de recherche : 6000 à 8000 mots (références comprises)

    Notes de recherche : 3000 à 4000 mots

Police : Times New Roman 12, interligne 1,5

Marges : 2,5 cm de chaque côté

Structure obligatoire

• Titre (dans la langue de l’article + traduction en anglais et en français)
• Résumé (150-250 mots dans la langue de l’article + traductions en anglais et en français)
• Mots-clés (5 mots-clés dans la langue de l’article + traductions)
• Introduction, Développement (avec sous-titres numérotés), Conclusion
• Références bibliographiques (normes APA 7e édition), récentes (2020/2026), sources indexées

Évaluation et vérification

• Tous les articles soumis feront l’objet d’une double évaluation en aveugle par des pairs.
• Les soumissions doivent être effectuées uniquement en ligne via la plateforme de la revue,

avant le 15 mars 2026.

Calendrier

• 15 janvier 2026 : Lancement de l’appel à contributions
• 15 mars 2026 : Date limite de soumission des articles complets
• 15 avril 2026 : Notification aux auteurs (première évaluation)
• 15 mai 2026 : Reception des versions révisées
• 31 mai 2026 : Notification finale
• Juin 2026 : Publication du numéro thématique

Contact

• Pour toute question concernant ce numéro thématique : rasdl@univ-alger2.dz

Informations complémentaires

• Soumission en ligne : https://asjp.cerist.dz/en/PresentationRevue/218
• Site de la revue: https://rasdl.univ-alger2.dz/index.php/en/home
• Contact de la revue : rasdl@univ-alger2.dz

Coordinateurs du numéro

• Dre Bouzidi Souraya/ Université Abbas Laghrour /KHENCHELA/Laboratoire ILLAAC
• Dr Souhali Hichem/Université Mustapha Benboulaid/ BATNA II
• Pr IDRI-Ahouari Nadia/ Université Abderrahmane Mira / BEDJAIA

Références bibliographiques

Alabi, J. O., Amponsah-Kaakyire, K., Adelani, D. I., & Espelosín, C. (2022). Adapting pre-trained language models to African languages via multilingual adaptive fine-tuning. In Proceedings of the 29th International Conference on Computational Linguistics (pp. 4336-4349).

Bedjaoui, W. (2019). Noudjoud BERGHOUT, , Safia ASSELAH RAHAL (dir.), (2018). La sociolinguistique urbaine en Algérie : Etats des lieux et perspectives [Compte rendu]. Insaniyat / إنسانيات, 85-86, 221-222. https://doi.org/10.4000/insaniyat.21683

Benfareh, A. (2025). The AI Tongue-Twister: Disentangling the Algorithmic Underpinnings of Multilingual AI. Revue Algérienne Des Sciences Du Langage, 10(1), 285-297.

Bouzidi, S., & Zarif, B. (à paraître). Les Représentations Sociales De L’intelligence Artificielle Chez Les Enseignants Algériens : Perceptions, Craintes Et Perspectives D’intégration Pédagogique. Passerelle.

Cavasso, A. (2022). Exploring translingual pedagogies through social justice. Current Issues in Language Planning, 23(3), 301-318. https://doi.org/10.1080/07908318.2022.2086564

Cotelli Kureth, S., & Summers, E. (2025). Policy on the use of Machine Translation (MT): A good model for wider policies on Generative AI (GenAI)? Journal of Studies in Language, Culture and Society (JSLCS), 8(1), 30-48.

Crompton, H. (2024). Generative AI (GenAI) in the language classroom: A systematic review. Interactive Learning Environments. https://doi.org/10.1080/10494820.2025.2498537

Dallaa, D., & Belhaoues, S. (2024). Activating digital education in Algerian universities - between reality and challenges. Journal of North African Economics, 20(1), 282-307.

Idri, N., & Outmoune, R. (2021). Perception and use of ICT materials among Algerian EFL secondary school teachers. Konińskie Studia Językowe, 1, 87-106.

Dooly, M., & Darvin, R. (2022). The European Digital Education Action Plan: Implications for language education policy. Language Teaching Research Quarterly, 28, 1-18.

Jeon, H., Coronel-Molina, S., & Lee, H. (2025). Generative AI and its dilemmas: Exploring AI from a translanguaging perspective. Applied Linguistics, 46(4), 709-731. https://doi.org/10.1093/applin/amae064

Jones, G. (2024). Generative AI and language learning: Balancing innovation with criticality. Language Learning & Technology, 28(2), 1-15.

Lai, C., & Lee, G. (2024). Conversational AI in language education: A systematic review. Computer Assisted Language Learning, 37(3), 445-478. https://doi.org/10.1080/09588221.2024.2301456

Li, J., & Gu, M. (2023). Digital skills development through project-based learning in multilingual contexts. Educational Technology Research and Development, 71(4), 1245-1268.

Ma, Y., Liu, J., Yi, F., Huang, Q., Lu, Z., Zhang, Y., ... & Song, Y. (2024). A survey of multilingual large language models: Patterns, challenges and opportunities. Patterns, 5(12), 101114. https://doi.org/10.1016/j.patter.2024.101114

Miller, E. E. N., & Pedersen, S. (2024). Promises and limitations in district digital capacity for education during COVID-19. AERA Open, 10(4), 1-18. https://doi.org/10.1177/23328584241303875

Mokhtar, F. A., & Ben Bakhti, A. (2024). Digital reform in Algerian higher education: Challenges, strategies and opportunities for ownership. Linguistic and Philosophical Investigations, 23(1), 45-67.

Pham, H., Nguyen, T., & Tran, V. (2024). Challenges in adapting LLMs to low-resource languages. Natural Language Engineering, 30(2), 183-197. https://doi.org/10.1017/nlp.2024.33

Ren, Y., Li, X., & Wang, Z. (2024). Scientometric analyses of digital inequity in education: Problems and solutions. Humanities and Social Sciences Communications, 11, Article 1052. https://doi.org/10.1057/s41599-024-03480-w

Romaine, S. (2024). Language equality & schooling: Global challenges & unmet promises. Daedalus, 153(4), 61-78. https://doi.org/10.1162/daed_a_02104

Rudwick, S. (2021). isiZulu-English code-switching and social identity in South African higher education. Multilingual Matters.

Shaik Vadla, R., Suresh, K., & Viswanathan, R. (2024). Generative AI and future education: A review, theoretical validation, and authors’ perspective on challenges and solutions. PeerJ Computer Science, 10, e2105. https://doi.org/10.7717/peerj-cs.2105

Stahl, B. C., & Eke, D. (2024). The ethics of ChatGPT – Exploring the ethical issues of an emergent technology. International Journal of Information Management, 74, 102700.

Teng, M. F. (2024). A systematic review on ChatGPT in EFL writing instruction: Potentials and challenges. Computer Assisted Language Learning. https://doi.org/10.1080/09588221.2024.2389456

Union Africaine. (2022). Stratégie de l’éducation numérique et plan de mise en œuvre de l’Union Africaine (2023-2028). Commission de l’Union Africaine.

Ventrella, L., & Cotnam-Kappel, M. (2024). Addressing digital inequity through teacher training and support. Teaching and Teacher Education, 138, 104234.

Wang, Y., & Xue, Y. (2024). Two years of innovation: A systematic review of empirical generative AI research in language learning and teaching. Computer Assisted Language Learning. https://doi.org/10.1016/j.caeai.2025.100852

Yang, X., & Du, J. (2024). The effect of teacher self-efficacy, online pedagogical and content knowledge, and emotion regulation on teacher digital burnout: A mediation model. BMC Psychology, 12, Article 51.

Yong, Z. X., Menon, S., & Vaidyanathan, J. (2024). Opportunities and challenges of large language models for low-resource languages in humanities research. arXiv preprint arXiv:2412.04497v2.

Yuan, L., & Liu, X. (2025). Generative AI technology and language learning: Global language learners’ responses to ChatGPT videos in social media. Interactive Learning Environments. https://doi.org/10.1080/10494820.2025.2511248

Zennaki, O., Semmar, N., & Besacier, L. (2019). A neural approach for inducing multilingual resources and natural language processing tools for low-resource languages. Natural Language Engineering, 25(1), 43-67.

Zhao, L., Cao, C., Li, Y., & Li, Y. (2022). Determinants of the digital outcome divide in e-learning between rural and urban students: Empirical evidence from the COVID-19 pandemic based on capital theory. Sustainability, 14(15), Article 9271.