La NMT vue par une agence de traduction

Par Jimmy Gabreau, étudiant M1 TSM

 

Translate

 

Ces dernières années, la traduction neuronale (NMT) a peu à peu pris le pas sur la traduction statistique (SMT) grâce à l’obtention de résultats largement considérés comme bien plus convaincants, ayant conduit à sa démocratisation. Il me parait donc intéressant de voir comment cela est pris en compte par les acteurs du secteur. Afin de rassembler quelques éléments de réponse, je vous propose un entretien avec Liesbet Steyaert et Madeleine Barois, de l’agence de traduction Telelingua à Paris, qui œuvrent toutes deux à l’implémentation de cette technologie au sein de l’entreprise.

 

Tout d’abord, pouvez-vous vous présenter, ainsi que votre parcours ?

LS : Moi c’est Liesbet, je travaille depuis plus de dix ans chez Telelingua en tant que chef de projet, j’ai fait deux ans en ingénierie linguistique, dans les années 2000, l’époque où la traduction automatique s’appuyait encore sur des règles grammaticales (rule-based machine translation). Depuis les choses ont pas mal évolué. Depuis quelques mois, je coordonne la mise en place d’une solution de traduction automatique dans l’entreprise. Pour cela, je suis surtout aidée par Madeleine. Pour l’instant, nous sommes encore en phase de test. L’idée est de ne pas fermer les yeux devant la traduction automatique mais d’examiner comment cette technologie peut nous aider. Cela peut par exemple être utile face à des clients qui ont des budgets très réduits et/ou qui ne cherchent pas une qualité optimale pour certains projets. La MT peut aussi utile pour gérer des traductions très urgentes et volumineuses. Nous voulons donc explorer si cette technologie peut accélérer le processus de traduction et/ou réduire les coûts.

MB : Je m’appelle Madeleine, je suis chez Telelingua depuis septembre 2017, je suis apprentie dans l’équipe process pour assister les gestionnaires de projets dans la préparation de fichiers, la traduction, la localisation en assistant à l’optimisation des outils destinés à l’automatisation des processus. J’ai effectué une formation en linguistique au Canada et je suis actuellement en alternance dans un Master orienté sur le développement de sites internet multilingues. Je suis, en quelque sorte, l’assistante de Liesbet pour tout ce qui relève de l’entrainement de moteurs de traduction et de la rédaction des guides d’utilisation des outils de traduction automatique. Nous mettons en place des tests, bien que nous ne proposions pas encore officiellement de service de traduction automatique, afin de voir comment cela se déroule au sein de vrais projets et ainsi déterminer si cela sera rentable.

 

Jusqu’à présent, quel usage aviez-vous de la traduction statistique ?

LS : Nous ne l’avons utilisée que pendant quelques mois, l’outil MT que nous utilisons ne fournira plus de support SMT à partir de septembre, cela nous donne donc davantage de raisons pour passer à la traduction neuronale, et c’est ce que nous sommes actuellement en train de faire.

 

Dans quels types de projets allez-vous utiliser la traduction neuronale ?

LS : Nous avons créé des moteurs de traduction par domaine ainsi que par client, cela concerne évidemment davantage la traduction technique et s’adresse aux clients les plus sensibles au niveau du prix mais qui nous envoient un volume important à traduire. Pour le moment, nous avons élaboré des moteurs destinés à la traduction de texte dans des domaines tels que l’industrie, les arts graphiques, l’énergie ainsi que le juridique. Cela peut paraître étonnant, mais cela marche plutôt bien vu que le langage est assez standardisé. Évidemment, nous utilisons la NMT pour aider le traducteur en pré-traduisant d’abord le texte à l’aide d’une mémoire de traduction, la NMT intervient uniquement sur les « no matches », les segments qui n’ont pas de remontées de nos mémoires de traduction. C’est une façon hybride de travailler, cela ne change pas les habitudes du traducteur, il aura simplement des suggestions de traduction issues de la NMT sur chaque « no match » à post-éditer. Cela n’empêche pas qu’une révision sera effectuée suite à la traduction afin d’obtenir le même niveau de qualité que celui que nous avons actuellement.

MB : Afin mesurer le gain de productivité des traducteurs apporté par la NMT, nous leur envoyons un formulaire d’évaluation de la NMT pour qu’ils nous rapportent les erreurs qu’ils ont trouvées dans les traductions proposées. C’est assez compliqué de juger et de formaliser, c’est pourquoi nous essayons de mettre en place un système qui le ferait de manière automatique, quantifiable, qui pourrait comparer un segment issu de la MT avec celui issu de la post-édition du traducteur et ainsi voir les changements effectués pour obtenir une traduction de qualité. Nous développons un outil de mesure de « distance de post-édition », qui nous permettra de connaître les efforts fournis par le traducteur, mais aussi de savoir quels moteurs auraient le plus besoin de post-édition et devraient donc être davantage entraînés.
Pour le moment, le feedback se base sur le ressenti du traducteur, nous aimerions avoir quelque chose de plus précis et standardisé, ce qui est, je pense, le défi auquel sont confrontées toutes les entreprises de traduction en ce moment. Il existe déjà des outils, des plug-ins Studio pour cela, mais ils ne sont pas tout à fait adaptés à nos besoins.

 

Voyez-vous des inconvénients à l’utilisation de la NMT ?

LS : La SMT découpe et traite les phrases par petits groupes de mots, c’est un système qui gère difficilement la grammaire d’une phrase entière. Ceci peut mener à des résultats peu convaincants, en fonction de la qualité des corpus utilisés pour entraîner les moteurs, la NMT parvient à remédier à ce problème grâce à l’utilisation d’une intelligence artificielle capable de donner des traductions plus naturelles. Mais une phrase pourrait être mal traduite et ne plus du tout correspondre à la phrase source, tout en étant parfaitement formée au niveau grammatical. C’est donc un problème potentiellement trompeur dont les traducteurs doivent être conscients. C’est une aide, mais ils ne doivent pas considérer leur travail comme étant une simple relecture des résultats du moteur. C’est sur ce point que nous ne sommes pas certains du gain de temps que cela peut nous apporter, d’où l’importance d’un bon entraînement des moteurs.

 

Les traducteurs sont-ils réticents à l’utilisation de la NMT ?

LS : Il faut souligner que, dans l’esprit des traducteurs, cela a pas mal évolué puisqu’on entend beaucoup parler de la traduction automatique, et de ses progrès, grâce à l’introduction de l’intelligence artificielle et donc la solution neuronale. Je pense qu’ils sont donc un peu plus ouverts qu’il y a quelques années. Les universités ou écoles de formation linguistiques forment aujourd’hui leurs étudiants à la gestion ou à l’utilisation de traduction automatique. Les traducteurs doivent surtout comprendre qu’on aura toujours besoin d’eux. Cela fait des décennies que l’on pense être tout proche de la solution pour les remplacer, mais nous en sommes probablement encore loin car la NMT n’est pas encore assez fiable pour obtenir la même qualité qu’une traduction humaine. Par contre, l’introduction de la traduction automatique dans le processus de traduction peut jouer sur la productivité des traducteurs et sur leur valeur ajoutée. Certains contenus ne se prêtent pas à la traduction automatique. Les nuances, figures de style restent l’apanage de l’intelligence humaine, donc des traducteurs. Il risque d’y avoir des agences qui appliqueraient des prix beaucoup plus bas, sans prêter attention aux résultats donnés par les moteurs de traduction automatique et qui paieraient les traducteurs bien en dessous des efforts fournis. C’est un fait, mais le monde de la traduction ne va pas migrer intégralement vers la traduction automatique. Certains types de contenus, oui, d’autres non.

MB : Le système de tarification est une question importante, il faut que les agences prennent en compte que différents projets, différents moteurs, différents types de texte source, engendrerons différents efforts de post-édition, nous estimons donc qu’il serait plus pertinent d’appliquer des tarifs en fonction du travail réellement effectué par le traducteur, c’est pourquoi nous créons cet outil de « mesure de similarité. ».

 

Je tiens à remercier Liesbet et Madeleine d’avoir pris le temps de répondre à ces questions et de m’avoir donné quelques clés pour mieux comprendre les changements en cours dans le secteur de la traduction et mieux les anticiper.

Publicités

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion /  Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion /  Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion /  Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion /  Changer )

Connexion à %s