méthodologieTraduction

« MT » ou « Machine Translation », une (fausse) bonne idée ?

Tout d’abord : qu’est-ce que la « Machine Translation » ?

Dans le domaine de la traduction, comme dans tout autre domaine, on aime se faciliter la vie 🙂
Chaque traducteur se constitue ce que l’on appelle des « Mémoires de Traduction », ou « Glossaires », où les termes techniques sont listés avec leurs équivalents dans la langue cible, après une recherche terminologique approfondie.

L’intelligence artificielle étant répandue, nous n’y échappons pas. Qui n’a jamais fait une traduction rapide sur Google Translate, pour avoir une idée de ce que notre interlocuteur vient de dire ?
Même si cela peut s’avérer fort utile et/ou dépanner, il faut reconnaître que c’est loin d’être exact.

Je pense que beaucoup d’entre nous nous sommes parfois amusés à traduire une phrase via cette interface, prendre le résultat et le « re-traduire » dans cette même interface… Que de surprises lorsque le résultat apparaît !

D’accord, ce n’est pas politiquement correct, mais ça illustre à merveille le propos…

La « MT » est le fait de traduire automatiquement un texte : comme si des milliers de glossaires étaient disponibles en même temps, et l’IA n’a qu’à piocher dedans pour proposer une traduction.

Avec plus ou moins de succès.

Y a-t-il plusieurs types de traductions automatiques ?

Eh bien oui. Certaines plus efficaces que d’autres. Nous en comptons 3 : « Rules-based System », « Statistical System » et « Neural Machine Translation (NMT).

Rules-Based System

Ce système utilisera les règles de grammaires d’une langue donnée associées aux dictionnaires de noms communs. Certains seront enrichis avec des dictionnaires spécialisés dans l’optique d’avoir de meilleurs résultats dans les domaines à terminologies particulières.
Cette méthode sera capable de réaliser des traductions avec une terminologie assez précise dès lors qu’ils auront été enrichis des dictionnaires spécialisés.

Statistical Systems

Contrairement au système évoqué précédemment, celui-ci ignore tout de la grammaire. Ils « apprennent » à traduire grâce à d’énormes bases de données, qu’ils analysent afin de pouvoir retranscrire une phrase.
On peut les « entraîner » à des domaines particuliers en ajoutant des données spécialisées dans le secteur souhaité.
Les « Systèmes Statistiques » pourront dès lors permettre d’avoir une texte cible plus fluide, qui comportera cependant beaucoup d’irrégularités.

Neural Machine Translation « NMT »

Cette approche est assez récente, on en trouve les premières sources en 2013/2014.
Elle s’inspire des réseaux neuronaux du cerveau, créant « la plus humaine des approches artificielles ».
Le texte source passera par plusieurs processus de traductions, s’adaptant au fil de l’eau pour donner un texte cible plus affiné qu’avec les deux autres méthodes.
Plusieurs algorithmes travaillent de concert, à l’aide de matrices et fonctionne par « alignements », afin de déterminer quelles sont les bonnes options à produire.
C’est à ce jour la méthode la plus perfectionnée, qui gagne en popularité parmi les chercheurs et les développeurs.
Les résultats montrent qu’elle a les meilleures performances dans beaucoup de paires de langues, en comparaison avec les autres méthodes basées sur le « mot-à-mot ».

Serait-ce la fin des traducteurs ?

C’est une question qui fait débat depuis longtemps.
Certains diront qu’effectivement, ça va mal et qu’on ferait mieux de faire autre chose avant qu’il ne soit trop tard, d’autres sont optimistes quant au fait qu’il y aura toujours des choses que l’IA ne pourra pas faire.

Pour ma part, je pense que les traducteurs ont de l’avenir.
Se servir de la MT comme outil et atout est un gros plus qui fait gagner énormément de temps selon les projets.
Pensez par exemple à un schéma avec des descriptions simples : la MT permet de traduire le tout en un clin d’œil, nécessitant alors une simple relecture, faisant ainsi gagner un temps précieux pour d’autres traductions.

Cependant, le but d’un traducteur est de restituer l’idée, l’essence même d’un texte. Toutes les nuances qu’il comporte ne peuvent pas être détectée par une IA, c’est là où le côté humain a une valeur inestimable. Là où l’IA fera un choix, un humain en fera un autre, s’éloignant peut-être des termes sources, mais restituant beaucoup mieux l’idée sous-jacente.

Alors, vraie ou fausse bonne idée ?

Comme nous l’avons vu, bonne idée pour certaines choses. Mais dans l’ensemble, un traducteur professionnel avec qui un échange est possible et utile, reste le meilleur investissement à long terme 😉

Pour en savoir plus sur la NMT (en anglais) : https://arxiv.org/pdf/1409.0473.pdf

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *