De lexicografie betreedt een tijdperk van doorbraak. In maart 2026 onthulde Google DeepMind “LexiGen”, een gespecialiseerd taalmodel dat in staat is om complete woordenboekitems te genereren – definities, etymologieën, gebruiksvoorbeelden, registers – voor elke taal uit een corpus van slechts 10.000 zinnen. De technische prestatie is gebaseerd op meertalige transfer learning, getraind op 400 talen en verfijnd door native sprekende linguïsten. Het project, de “Universal Dictionary Initiative” genaamd, heeft als doel de 7.168 levende talen die door Ethnologue zijn geïdentificeerd, tegen 2030 te documenteren. (Bron: Google DeepMind, Ethnologue)
De urgentie is reëel. Volgens de UNESCO verdwijnt er elke twee weken een taal. Van de 7.168 talen die wereldwijd worden gesproken, worden er 3.045 als bedreigd beschouwd, en 573 zijn “kritiek bedreigd” – wat betekent dat slechts enkele oudere sprekers ze nog beheersen. Tot nu toe vereiste het documenteren van een taal jarenlang veldwerk door gespecialiseerde linguïsten. Met LexiGen kan de opstartfase – de creatie van een basisvocabulaire van 15.000 items – in zes weken worden voltooid, op voorwaarde dat er audio-opnamen en minimale transcripties beschikbaar zijn. (Bron: UNESCO Atlas van bedreigde talen)
De Académie française, een instelling die traditioneel wantrouwig staat tegenover technologie, verraste door een partnerschap aan te kondigen met het MIT Media Lab om AI te integreren in de negende editie van haar Dictionnaire. Het project is niet bedoeld om de academici te vervangen, maar om hen te ondersteunen: de AI analyseert 28 miljard woorden uit hedendaagse Franstalige corpora – sociale netwerken, podcasts, wetenschappelijke publicaties – om neologismen, semantische evoluties en leenwoorden te identificeren. In 2025 detecteerde het systeem 4.200 nieuwe gebruiken, waarvan 340 door de Commissie van het Woordenboek werden aangenomen. (Bron: Académie française, MIT Media Lab)
Commerciële toepassingen vermenigvuldigen zich. De Berlijnse startup Langify, die in januari 2026 85 miljoen euro heeft opgehaald, biedt bedrijven een real-time meertalige terminologiedienst: een technisch begrip dat in het Engels is gecreëerd, wordt onmiddellijk vertaald, gedefinieerd en gecontextualiseerd in 120 talen met een nauwkeurigheid die het bedrijf claimt van meer dan 97%. Airbus, Siemens en de WHO behoren tot de eerste klanten. Het model bedreigt direct de traditionele uitgevers van tweetalige woordenboeken, waarvan de omzet sinds 2020 met 45% is gedaald. (Bron: TechCrunch, Langify)
De ethische vraag blijft: wie definieert een taal? Woordenboeken zijn altijd machtsinstrumenten geweest, die bepaalde gebruiken codeerden en andere uitsloten. Het toevertrouwen van deze codificatie aan algoritmen die zijn getraind op massieve corpora, dreigt dominante vooroordelen te versterken – Engels vertegenwoordigt nog steeds 56% van de wereldwijde tekstgegevens. Linguïsten van het Endangered Languages Project benadrukken de noodzaak van gemeenschapsbestuur: het zijn de moedertaalsprekers, en niet de ingenieurs van Silicon Valley, die de woordenboekitems moeten valideren. AI is een hulpmiddel, geen orakel – en taaldiversiteit is een te kostbaar erfgoed om alleen aan algoritmes over te laten. (Bron: Endangered Languages Project, Nature Human Behaviour)
