Traduction automatique : nouvelle alliée des étudiants en traduction ?

Par Marisa Dos Santos, étudiante M2 TSM

Bien que son utilisation, ou non, reste un choix personnel, on ne peut plus nier aujourd’hui l’utilité de la traduction automatique pour les traducteurs. De plus en plus présente, on sait qu’elle inquiète certains professionnels du marché, mais également les futurs diplômés en traduction. Quel étudiant (ou professionnel d’ailleurs) n’a jamais entendu une fois dans sa vie quelqu’un lui dire « Ah oui mais tu sais, dans dix-quinze ans tu n’auras plus de travail… Je le sais moi, j’ai utilisé Google traduction la semaine dernière, c’est top ce truc, ça marche super bien ! » ? Premièrement, pas d’inquiétude : si l’on écoutait tous les détracteurs du métier, la traduction automatique aurait dû nous évincer il y a déjà de ça 50 ans.

Ensuite, le métier de traducteur, eh bien oui, il évolue comme bien d’autres métiers. Et surprise : lui aussi doit s’adapter aux avancées technologiques. Alors, depuis quelques années, un nouveau nom de métier est apparu et commence tout doucement à faire son nid : celui du post-éditeur. L’apparition de ce genre de nouveaux métiers demande au traducteur d’être constamment à l’affut des nouveautés et des actualités du marché. Mais alors, qu’en est-il des étudiants en traduction ? Peuvent-ils réellement atteindre ce principe de « MT literacy » selon lequel un universitaire devrait, entre autres, savoir dans quel contexte utiliser ou non la traduction automatique, pratiquer correctement la pré-édition afin que la traduction machine soit de meilleure qualité ou encore post-éditer efficacement les productions de la traduction automatique afin que le texte final soit de qualité optimale ?

Les chiffres clés de la traduction automatique

La traduction automatique a fait son apparition sur le marché du grand public dans les années 1980 sous la forme de traduction automatique à base de règles. Rapidement, l’intérêt pour cette nouvelle technologie s’est développé et de grandes avancées ont été accomplies, pour arriver au lancement de la traduction statistique dans les années 2000. Cette technologie fonctionnait déjà bien mieux que la précédente, mais est arrivée en 2015 la fameuse traduction automatique neuronale, celle qui a bouleversé le marché et qui effraie ou fascine tant de personnes.

En effet, ce nouveau modèle de traduction utilise des réseaux neuronaux pour produire des traductions très similaires aux traductions humaines. Décriée par certain, adulée par d’autres, elle est au centre du débat traductologique ces dernières années. Elle occupe une place de plus en plus importante dans le marché du travail, et ce n’est pas près de s’arrêter. En effet, d’après l’enquête European Language Industry Survey menée en 2020, 78 % des sociétés de services linguistiques participant à ladite enquête prévoient de commencer ou d’augmenter l’utilisation de la traduction automatique et de la post-édition au sein de leur structure. Alors pour beaucoup de professeurs, il est impératif que les étudiants en traduction soient formés à ces nouvelles disciplines afin de ne pas se retrouver perdus une fois dans le marché.

Qu’en pensent donc les étudiants ?

De nombreux chercheurs se sont penchés sur les capacités de post-édition d’étudiants n’ayant jamais pratiqué la matière ou à qui elle n’avait jamais été enseignée, ainsi que sur leurs ressentis face à cette nouvelle tâche. Leur but était de savoir comment enseigner la traduction automatique et en conséquence, la post-édition, et de comprendre si ces deux disciplines représenteraient une réelle aide, voire un réel atout, pour eux. Pour ce faire, nombre d’entre eux ont alors demandé à leurs étudiants de post-éditer un texte et ont ainsi analysé différents paramètres. Certains élèves ont été amenés à répondre à des questionnaires pré-test, et généralement, les résultats étaient plutôt similaires.

Les étudiants qui prenaient part aux études estimaient généralement qu’ils ne se sentaient pas capables d’utiliser correctement la traduction automatique et de produire une post-édition convenable. Toutefois, en général, les étudiants ont jugé que la traduction automatique et la post-édition pouvaient leur permettre d’améliorer leur productivité bien qu’ils y voient des risques, qu’ils en aient peur ou qu’ils ne sachent pas l’utiliser. Ces résultats antérieurs aux tests prouvent que la traduction automatique et la post-édition font encore débat, même chez les étudiants et qu’il serait utile de lever leurs doutes lors de la formation universitaire.

Évaluation des besoins des étudiants

C’est exactement ce sur quoi se sont penchés plusieurs professeurs-chercheurs. Leur but : comprendre comment enseigner la traduction automatique et la post-édition afin que son enseignement soit vu comme une compétence à maîtriser plutôt que comme un simple outil technologique à appréhender. Alors certains professionnels, comme Sandrine Peraldi, ont mis en place des ateliers lors desquels les étudiants de master ont tenté d’évaluer les taux de réussite de plusieurs traducteurs automatiques afin de la proposer à un véritable client. Au travers de cette expérience, ils ont pu, entre autres, découvrir l’activité de post-édition et, grâce à quantification et classification des erreurs de la traduction automatique, d’évaluer les efforts cognitifs que leur demandait cette tâche. Ils ont ainsi réussi à proposer une solution de post-édition à leur client avec de véritables résultats.

Aussi, pour connaître les besoins des étudiants, d’autres professeurs ont adopté un mode de fonctionnement différent : ils ont tenté de voir si les étudiants arrivaient à reconnaître correctement les erreurs de la traduction automatique et comment les corrigeaient-ils. La plupart des résultats concordaient : les étudiants n’avaient, généralement, pas de mal à reconnaître les erreurs de syntaxe ou les erreurs très évidentes que produisait l’outil de traduction automatique, mais avaient quelques difficultés à reconnaître certaines erreurs typiques de la traduction automatique comme les calques et contre-sens, notamment avec les faux-amis.

Erreurs de correction

Pourquoi cela ? Eh bien, il y a diverses explications. Pour certains, c’est parce qu’ils font trop confiance à la machine, et ont donc tendance à laisser passer certaines erreurs. Cette confiance excessive les amène même à effectuer moins de modifications lors d’une post-édition que lors de la révision de leurs propres traductions. D’autres ont observé que les erreurs de la traduction neuronale étaient certes, moins nombreuses que celles de la statistique, mais plus dures à corriger et à repérer puisque très similaires aux erreurs humaines et étaient généralement les mêmes que faisaient naturellement les étudiants dans leurs traductions, à savoir les faux et contre-sens : elles passent donc souvent à la trappe. Pour d’autres, cela pouvait aussi être dû au fait que les étudiants se sentaient facilement débordés par la quantité d’information à traiter lors de cet exercice et ajoutaient même parfois des erreurs au texte. Lié à ce manque de concentration, plusieurs études ont révélé que lors d’une post-édition, le traducteur passera moins de temps à lire et à observer le texte source que lors d’une traduction humaine, alors même que dans le cas d’une post-édition complète, il faut autant prêter attention au texte source que pour une traduction sans traducteur automatique. Généralement, les étudiants ayant pris part à une expérience d’eye-tracking ont passé deux fois plus de temps à regarder le texte cible lors d’une post-édition que lors d’une traduction humaine.

Pour conclure, dans l’étude de Masaru Yamada de 2019, il a été démontré que même avec la traduction automatique neuronale, les étudiants ne réussissaient pas à atteindre le taux de 85 % d’erreurs corrigées demandé pour atteindre les standards de qualité professionnels.

Tous ces résultats prouvent qu’il est nécessaire pour les étudiants de connaître à l’avance quelles sont les erreurs les plus communes que produisent les outils de traduction automatique, qu’elle soit neuronale ou statistique, afin de correctement les repérer, les corriger plus facilement et être aptes à maîtriser et utiliser ces outils individuellement ou en modèle hybride. C’est donc un point que plusieurs chercheurs proposent d’aborder dans l’enseignement de ces disciplines.

Effort cognitif et retour des étudiants

Mais qu’en est-il de l’effort que demande une post-édition et du ressenti des étudiants face à cette discipline ?

Un phénomène a été observé dans plusieurs études : bien que parfois, le ressenti des participants puisse être contraire à ce postulat, la post-édition demande autant, si ce n’est plus, d’effort et de compétence que la traduction humaine. Certaines études ayant été menées avec comme texte de référence des textes spécialisés, il a parfois été démontré que la post-édition rendait même la tâche plus compliquée pour les étudiants, et qu’ils se retrouvaient perdus ou perdaient énormément de temps à détecter et corriger les erreurs de la machine, résultant en la production d’un texte qui n’atteignait pas du tout les standards de qualité professionnelle, surtout d’un point de vue stylistique.

Après les tests, certains étudiants ont déclaré avoir une meilleure perception des outils de traduction automatique, quand d’autres ont affirmé que leur vision avait empiré. Néanmoins, nombre d’entre eux ont avoué avoir peur de la traduction automatique car ils craignaient d’être remplacés.

Ces observations prouvent une fois de plus qu’il est impératif de considérer la traduction automatique et la post-édition comme des matières ayant toute leur place au sein d’un cursus en traduction et qu’il ne faut pas, ou plus, les mépriser, puisque sans formation préalable, les étudiants ont beaucoup de mal à produire un texte satisfaisant.

Conclusion

Cette année, au sein du master TSM, nous avons pu découvrir le processus de post-édition et nous avons appris à appréhender les outils de traduction automatique. Et je pense que grâce à cela, nous avons peut-être moins peur de la traduction automatique ou de la post-édition par rapport à des étudiants qui n’auraient jamais eu l’occasion de démystifier la traduction machine.

Il est donc possible de conclure que oui, la traduction automatique constitue une nouvelle alliée pour les étudiants en traduction, à condition qu’ils soient mis en garde des faiblesses des moteurs et qu’ils apprennent à les manier pour pouvoir répondre aux exigences du marché. La traduction automatique ne doit plus constituer une crainte pour l’avenir des futurs professionnels mais doit devenir un outil du quotidien leur permettant d’augmenter leur productivité. Il est également nécessaire de guider les professeurs lors de l’enseignement de ces matières afin qu’ils guident à leur tour les étudiants vers une meilleure identification des erreurs et par conséquent, une meilleure correction. Ce sont pour toutes ces raisons que la mise en place d’enseignements autour de ces disciplines est essentielle : il faut prouver aux élèves que la machine représente une aide pour leur futur métier plutôt qu’une menace.

Ce billet est issu d’une mini-conférence tenue aux côtés de Margaux Mackowiak dans le cadre du cours de recherche en traduction automatique de la deuxième année de master.

Sources :

EUROPEAN LANGUAGE INDUSTRY SURVEY (2020), https://ec.europa.eu/info/sites/info/files/2020_language_industry_survey_report.pdf

de Faria Pires, Loïc. (2020). Master’s students’ post-editing perception and strategies. FORUM. Revue internationale d’interprétation et de traduction / International Journal of Interpretation and Translation. 18. 24-44. 10.1075/forum.19014.pir, https://www.researchgate.net/publication/341408521_Master’s_students’_post-editing_perception_and_strategies/citation/download

Peraldi, Sandrine (2018). Les 12 travaux de la Traduction automatique. Journée d’études Traduction et qualité : « Biotraduction et traduction automatique ». / Université de Lille, https://tq2018.sciencesconf.org/data/pages/Lille_SPeraldi_Les_12_travaux.pdf

Yamada, Masaru. (2019). The impact of Google Neural Machine Translation on Post-editing by student translators. The Journal of Specialised Translation. 87-106. https://www.researchgate.net/publication/330831614_The_impact_of_Google_Neural_Machine_Translation_on_Post-editing_by_student_translators/citation/download

Sycz-Opoń, Joanna & Gałuskina, Ksenia. (2017). Machine Translation in the Hands of Trainee Translators – an Empirical Study. Studies in Logic, Grammar and Rhetoric. 49. 10.1515/slgr-2017-0012. https://www.researchgate.net/publication/316530023_Machine_Translation_in_the_Hands_of_Trainee_Translators_-_an_Empirical_Study/citation/download

O’Brien, Sharon & Ehrensberger-Dow, Maureen (2020). MT Literacy – A cognitive view. Translation Cognition & Behavior. 3. 145-164. 10.1075/tcb.00038.obr. https://www.researchgate.net/publication/345984536_MT_Literacy_-_A_cognitive_view

Votre 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