La traduction automatique: vers une technologie toujours plus performante

14,Déc,2017

La traduction automatique, ou « machine translation (MT) » en anglais, n’a rien de nouveau. Elle a fait sa première apparition dans les années 50.  Les outils tels que Google Traduction ont prouvé que les traductions effectuées automatiquement sont désormais utilisables et accessibles par n’importe qui ayant une connexion Internet. Cette technologie (en particulier les moteurs de traduction automatique professionnels) est largement utilisée dans l’industrie de la traduction pour certains types de contenus, comme par exemple des textes moins créatifs, afin de répondre à une exigence de coûts et de délais. L’accès à Internet, ainsi que des campagnes marketing axées sur le contenu, a entraîné une forte augmentation de la publication de contenus, ce qui, ajouté à une économie de plus en plus mondialisée, pousse de nombreuses entreprises à demander de plus en plus de traductions. Toutefois, les contraintes budgétaires ont entraîné une évolution de la traduction automatique en faisant de la post-édition une option viable pour de nombreuses entreprises : les traductions effectuées automatiquement et éditées par des linguistes peuvent, dans de bonnes conditions, être d’aussi bonne qualité que des traductions faites directement par des linguistes mais pour un coût inférieur. La présentation de la toute nouvelle génération de traduction automatique est désormais au cœur de toutes les discussions dans le secteur de la traduction : la traduction automatique neuronale.

 

 

Comment la traduction automatique est-elle apparue ?

Les premiers moteurs de traduction automatique (MT) étaient fondés sur des règles (« rule-based machine translation, soit « RBMT » »). Ils examinaient les mots individuellement et les règles grammaticales des langues : ce que chaque partie d’un texte représentait et son équivalent dans une langue étrangère. La RBMT remplaçait chaque mot ou règle grammaticale d’une langue A par le mot ou règle grammaticale équivalente dans la langue B. Cependant cela ne fonctionnait pas tout à fait. Toute personne connaissant plus d’une langue vous dira qu’une traduction au mot à mot ne marche pas forcément. Imaginez que vous souhaitez traduire le mot « runway » en français, espagnol et néerlandais. Cela parait simple : piste en français, pista en espagnol. En néerlandais ? Pas si simple. L’avion décolle ou atterri-t-il ? Si l’avion décolle, on parle de startbaan; s’il atterrit, c’est plutôt landingsbaan. Il s’agit d’un exemple pour une langue, mais chaque langue à ses propres particularités qui peuvent rendre la traduction automatique difficile.

Et ensuite ?

Après la RBMT, la traduction automatique statistique (SMT) est apparue et s’est attaquée à des unités plus volumineuses, telles que des groupes de mots ou encore des expressions. Les moteurs de traductions cherchent de courtes phrases dans d’énormes bases de traductions existantes avant de trouver la traduction la plus probable. Est-ce que c’est mieux ? Oui, d’une certaine façon. Mais toujours pas parfait. Les traducteurs ne traduisent pas des bouts de phrases pour ensuite les coller ensemble. La SMT offre de meilleurs résultats que la RBMT mais les traductions incluent encore des erreurs et cela ne fonctionne pas pour certains contenus. Le résultat est meilleur pour les documents généraux (courrier, analyses, etc.) mais en ce qui concerne des contenus créatifs, le résultat est inutilisable.

Qu’en est-il aujourd’hui ?

Le mot sur toutes les lèvres est désormais la traduction automatique neurologique qui prend en compte des unités de langage encore plus grandes : des phrases entières. Cette technologie ne cherche pas que des phrases, mais apprend à partir de celles-ci. Au lieu de laisser les développeurs de technologie de traduction automatique décider des caractéristiques linguistiques sur lesquelles un moteur de traduction doit se concentrer lors du processus d’entrainement à partir d’une base de données, le moteur de traduction automatique neurologique (NMT) étudie une base de traductions (comme le SMT), apprend et décide par lui-même. Il observe les mots et leur importance, la façon dont ils sont connectés entre eux dans un contexte plus large (et tous les traducteurs vous diront à quel point le contexte est essentiel) et applique ses recherches aux nouveaux textes à traduire.

Et après la NMT ?

Après que la SMT a été le sujet de conversation principal des geeks de la traduction automatique à la machine à café au cours de ces dix dernières années, la NMT est sans aucun doute devenu le sujet principal dans le secteur de la traduction. Toutefois, les développeurs de la traduction automatique réfléchissent déjà à la suite : La NMT approfondie. De nouvelles lignes de codes combinées aux glossaires et ressources validées des clients permettant à la NMT de produire des traductions de meilleure qualité. Créer une NMT approfondie demande beaucoup plus de travail qu’une NMT « de surface » mais le jeu en vaut la chandelle.

En vue de tous ces développements, la SMT est-elle devenue obsolète ?

En dépit de résultats intéressants, le développement de la NMT et de la NMT approfondie ne résout pas les problèmes liés à la traduction automatique. La NMT peut produire de très bonnes traductions, plus fluides que celles de la SMT. Elle est plus adaptée pour les textes plus créatifs par exemple, et si le moteur a été entraîné avec une base de données d’un contenu spécifique, par exemple des traductions de manuels d’utilisation et d’autres documents techniques, elle peut être plus adéquate que la SMT. En revanche, si vous souhaitez traduire des contenus plus généraux, la SMT est pour l’instant plus adaptée que la NMT.

Grâce à toutes ces avancées, pouvons-nous maintenant remplacer les traducteurs humains ?

Pour faire court, non. La NMT et la NMT approfondie sont très prometteuses grâce à leurs résultats plus fluides que la traduction SMT, cependant l’avènement des machines est encore loin. Les traductions automatiques restent difficiles ou impossibles à comprendre car elles comprennent encore de nombreuses erreurs. Le rôle du traducteur « humain » reste donc vital : La traduction automatique est bonne et s’améliore chaque année, mais elle nécessite encore une intervention humaine, une relecture par un traducteur professionnel qui comprend le texte d’origine et la ou les langues cibles, ainsi que le sujet bien sûr.

Tout bien réfléchi, la traduction automatique n’est pas prête de remplacer les traducteurs humains, mais au contraire à les aider. Il s’agit d’une autre corde que les traducteurs peuvent ajouter à leur arc afin d’augmenter leur productivité. La traduction automatique fournit des traductions « prête à l’édition » que les traducteurs transformeront en des traductions de qualité en temps record.

Si vous souhaitez en savoir plus sur les possibilités offertes par la traduction automatique, n’hésitez pas à contacter l’un de nos chefs de projet qui sera ravi de vous orienter. Envoyez-nous un e-mail à l’adresse paris@thetranslationpeople.com ou appelez-nous au 01 82 88 42 60.