Retour d’expérience : #TranslationCafé, Littératie de la traduction automatique

Par Sophie Vandenmersch, étudiante M1 TSM

Qu’on l’adopte ou non, la traduction automatique (TA) ou traduction machine s’implante de plus en plus dans le secteur. En 2016, la traduction automatique neuronale (TAN) fait son apparition dans le grand public avec Google Traduction, qui a développé son propre système de TAN appelé Google Neural Machine Translation (lien en anglais). Le principe repose sur des réseaux neuronaux profonds qui fonctionnent grâce à l’apprentissage profond (deep learning), un type d’intelligence artificielle. L’année suivante, DeepL, un autre système de TAN également accessible en ligne, voit le jour. Cependant, leur utilisation éclairée requiert d’en comprendre les tenants et aboutissants. Pour en savoir un peu plus, j’ai décidé de participer à la conférence organisée par #Translationcafé qui s’est déroulée le 22 avril dernier et de vous partager quelques points abordés.

Le #TranslationCafé, kézako ?

Il s’agit d’une table ronde mensuelle en ligne, au cours de laquelle trois spécialistes de la traduction échangent de façon informelle autour d’une thématique liée au monde de la traduction. Elle a lieu à 16 heures (heure française) et dure une heure. Les sujets sont divers et variés : de l’histoire de la traduction des langues asiatiques jusqu’au sous-titrage, en passant par l’impact de la crise sanitaire dans le secteur. Les internautes ont la possibilité de poser des questions en direct. Enfin, cet évènement est libre d’accès, sur simple inscription.

Cette deuxième édition portait sur la littératie de la traduction automatique (Machine Translation literacy) avec pour invités : Lynne Bowker, professeure de traduction et sciences de l’information à l’Université d’Ottawa, Lettie Dorst, professeure de linguistique anglaise et de traduction à l’Université de Leyde, et Rudy Loock, professeur de traductologie et de linguistique anglaise à l’Université de Lille.

Dans quelle mesure et comment les professionnels des langues peuvent-ils assister le grand public dans l’utilisation et la confiance en la traduction automatique ?

Lynne Bowker : Tout d’abord, selon moi, la littératie de la traduction automatique suppose certains pré-requis à une utilisation efficace et réfléchie. Contrairement aux autres types de connaissances informatiques, celle-ci relève plus d’un processus cognitif que technique. Autrement dit, de savoir si le contenu à traduire se prête à la TA ou non, mais aussi comment optimiser le résultat, en pré-éditant le texte source par exemple. Trois grandes catégories de personnes utilisent la TA :

  • le grand public, à des fins personnelles ;
  • les professionnels de la traduction souhaitant intégrer la TA dans leur processus ;
  • les étudiants en langues ou linguistique.

Toutes ces personnes ont des connaissances relatives à la traduction et des finalités différentes. De ce fait, l’enseignement doit être adapté aux différents types d’utilisateurs pour répondre à leurs besoins respectifs. Je constate un manque d’objectivité de la part de certains acteurs du monde de la traduction, qui ont tendance à véhiculer une image catastrophique de la TA. Ces idées reçues ne renseignent en aucun cas le grand public qui, en fin de compte, l’utilisera tout de même, donc autant les aider à utiliser cet outil de la manière la plus éclairée possible.

Lettie Dorst : Je confirme dans la mesure où ces affirmations, quelles qu’elles soient, n’instruisent en rien l’utilisateur lambda. J’ai remarqué qu’il y a deux types de messages qui reviennent concernant l’informatique en général : soit tout fonctionne à merveille, soit pas du tout. Certes, grâce à la traduction automatique, nous obtenons une certaine équivalence linguistique concernant la syntaxe et la terminologie, mais le travail des traducteur ne se résume pas à cela. C’est une des problématiques que j’aborde dans le cadre de mon projet sur la traduction automatique (lien en anglais). Techniquement, il ne s’agit pas de « traduction automatique », car ce n’est pas de la traduction à proprement parler, mais plutôt une application d’algorithmes informatiques. J’enseigne à mes étudiants que c’est une machine qui ne comprend pas ce qu’elle produit, qui ne lit pas le texte et qui ne communique rien du tout. Ils adoptent en conséquence un raisonnement plus critique, notamment pour une éventuelle utilisation ainsi que les motifs de cette démarche.

Rudy Loock : En effet, la TA est trop facile d’utilisation. Je le constate avec les étudiants qui, qu’ils soient en traduction ou non, accordent une confiance totale à ce que la machine propose. Ce qui apparaît à l’écran n’est jamais exact et, de fait, il est impératif de disposer d’un esprit critique. Les étudiants toutes spécialités confondues utilisent la TA. La technologie a ses limites, car on y rencontre des problèmes de richesse lexicale, des ambiguïtés, et elle peut même générer un langage discriminatoire. Concernant les étudiants en traduction, l’enseignement de la TA est abordé sous un autre angle, étant donné qu’ils ont une différente approche envers cet outil. Lors d’un projet de traduction, ils doivent être en mesure de déterminer si la TA peut intégrer le processus traductif. De plus, le type d’outil a aussi son importance, car à l’heure actuelle, les entreprises développent leurs propres outils de TA. Je dirais qu’une sensibilisation à la TA est donc impérative et doit être définie selon le profil de l’utilisateur.

Le processus cognitif n’est pas le même en traduction ni en révision ou bien en post-édition, et je crains que, en ayant recours à cette dernière, les étudiants en oublient la formation à l’élaboration d’une traduction et aux processus cognitifs qui y sont liés.

LD : Avant toute chose, je pense qu’il faut garder en tête le profil des étudiants dont il est question, notamment s’il s’agit d’étudiants en langues, en traduction ou d’étudiants d’autres filières qui utilisent la TA comme simple outil. Concernant les étudiants en traduction, il est capital d’approfondir leurs propres compétences en traduction, de même que pour la relecture, tout en les couplant à l’utilisation d’outils de TAO. En outre, ils doivent apprendre à la fois la révision et la post-édition. Lorsque je corrige des travaux d’étudiants, ils sont en mesure de différencier chacune de ces tâches, les compétences liées à celles-ci, qui se complètent les unes les autres. Avec la pratique, ils se rendent compte qu’il s’agit d’opérations bel et bien distinctes. J’estime qu’il est de notre devoir de faire prendre conscience à nos étudiants de leurs forces et faiblesses. Certains sont très à l’aise en traduction et moins en révision. L’inverse est aussi vrai. D’autres brillent en post-édition ; en revanche, ils feraient de mauvais traducteurs. D’autres encore sont de très bons traducteurs mais ne remarquent pas les erreurs produites par la TA ou ne savent pas comment les corriger sans retraduire de zéro.

RL : Traduire et post-éditer sont deux tâches différentes en effet. La plupart conviendra qu’on ne peut être un bon post-éditeur sans être au départ un bon traducteur, la difficulté principale étant de corriger les erreurs et d’améliorer le résultat généré par la machine. Pour appuyer le fait que le traducteur humain doit rester au cœur du processus traductif, certains parlent de « traduction orientée vers l’humain » (human-centered translation).

LB : La question de l’introduction des outils de TA ne date pas d’hier, même quand celle-ci ne jouait pas encore un rôle majeur. Cette même problématique s’est posée lors de l’arrivée des mémoires de traduction. Il n’existe aucune solution prédéterminée. D’une part, posséder de bonnes compétences traductionnelles serait bénéfique à une utilisation efficace de la TA. D’autre part, la post-édition est une compétence, tout comme la traduction, qui peut être améliorée au fil du temps. Par conséquent, il subsiste un certain avantage à l’introduire tôt et à développer lesdites compétences en parallèle. Certains étudiants sont susceptibles de se spécialiser en post-édition. A contrario, on trouve des étudiants destinés à devenir traducteurs et qui vont se servir de leur expérience en TA afin de défendre leur valeur ajoutée lors du processus traductif. Je suis d’avis que les traducteurs et post-éditeurs peuvent se compléter.

Comme le résultat de la TA est une probabilité statistique d’une proposition de traduction, serait-il pertinent de former les utilisateurs afin de déterminer si une suggestion n’a rien à voir avec le sens du texte source ?

RL : Tout à fait. Pour moi cela fait partie des notions à acquérir, et cela vaut également pour la langue maternelle. Pour ce faire, une maîtrise de la langue cible est de rigueur.

LB : Une majeure partie du métier de traducteur et l’utilisation de la TA consiste en des prises de décisions et d’appréciations. Un outil de TA, qui repose en partie sur la probabilité statistique, fera en sorte de suggérer une proposition de traduction. Vient le rôle du traducteur de se prononcer pour un choix plutôt qu’un autre.

Un module dédié à la sensibilisation à la TA dans l’enseignement secondaire serait-il judicieux ?

RL : Personnellement, je ne consacrerais pas de cours spécifique à la TA, même pour les étudiants de licence. Il aurait plutôt sa place en cours de langues ou de traduction.

LD : Je l’aurais intégré aux modules du tronc commun de première année à l’université qui abordent l’accès, l’utilisation des plateformes universitaires en ligne ainsi que l’utilisation des logiciels de bureautique.

LB : Je pense que les étudiants en fin de cycle secondaire ou au début à l’université sont les cibles idéales, étant donné qu’ils commencent à forger leur propre opinion. Cependant,associer des cours de sensibilisation à la TA exclusivement aux cours de langues serait réducteur, car une grande majorité d’utilisateurs lambda de la TA ne parlent pas la langue source.

Avoir recours à un outil gratuit permettrait au site d’exploiter nos données afin d’enrichir leurs services. Quels sont les risques et problèmes ?

LB : Tout dépend du type de contenu. S’il contient des informations sensibles, il est préférable de faire preuve de conscience professionnelle en respectant le souhait du client, et donc de s’en abstenir. Il ne faut pas hésiter à en discuter avec le client ; la solution parfaite n’existe pas.

RL : L’éthique fait partie des fondamentaux, notamment pour les futurs professionnels de la traduction. Négliger cet aspect peut engendrer de lourdes répercussions, comme l’illustre cette histoire (en anglais) d’une agence de voyages norvégienne dont les informations confidentielles ont été exposées au grand public, à la suite de l’utilisation d’un outil de TA en ligne gratuit. J’ajoute que, pour avoir un outil de TA efficace, ce dernier doit être alimenté par des données de qualité, issues de corpus parallèles de traductions réalisées par des humains. Lorsqu’on utilise un outil de TA, il est important de savoir sur quelles bases de données il a été créé. Quant à la collecte des données et à l’accord des utilisateurs, c’est une autre histoire. Bien sûr, l’éthique est essentielle à une utilisation éclairée de la TA par les professionnels du secteur, mais elle concerne tout autant les utilisateurs lambda.

LD : Ce qui est étonnant, c’est que les gouvernements ne prennent pas position sur ce sujet. Prenons l’exemple des Pays-Bas : par manque de traductions officielles, la population s’en remet à la TA pour comprendre les informations personnelles à caractère médical qui leur sont transmises. De plus,le service de l’immigration communique uniquement en néerlandais. Les traducteurs se retrouvent à gérer la question de l’éthique alors que ce ne sont pas les seules personnes à blâmer. Je pense qu’il faudrait aborder le sujet avec ceux qui obligent à utiliser la traduction machine. Dans les Conditions générales d’utilisation de ces outils, il est clairement mentionné que ces derniers sont en mesure de publier le contenu. Par ailleurs, Google lui-même indique que son outil de TA ne remplace pas la traduction humaine.

Comment utiliser la TA de façon responsable et éthique ?

LB : Il s’agit d’une question de morale. Si vous n’êtes pas disposé à l’utiliser, alors ne le faites pas. À mon avis, les utilisateurs prennent des décisions, mais pas en toute connaissance de cause, ou alors ils font au mieux avec ce qu’ils ont sous la main. En tant que représentants du domaine, notre rôle est d’informer le grand public. Pour finir, pourquoi devrions-nous attendre des personnes n’étant pas issues du métier de tout savoir sur ce que nous avons mis cinq à dix ans à apprendre ?

J’étudie la traduction et redoute le jour où l’on me demandera uniquement de post-éditer. Partagez-vous cette inquiétude ?

LD : Il faut s’en inquiéter seulement si vous n’excellez pas en traduction. Certes, de plus en plus d’agences tentent d’instaurer la traduction automatique, mais j’ai aussi l’impression que les étudiants ignorent une partie du secteur de la traduction où la TA n’est pas de mise et où est pratiquée une bien meilleure rémunération. Enfin, certains étudiants préfèrent post-éditer, et le résultat est satisfaisant. Je suis certaine que chacun y trouvera son compte.

LB : Comme mentionné auparavant, tous les types de contenu ne sont pas adaptés à la TA. De fait, les traducteurs humains ont une plus-value à faire valoir. C’est ce que nous explique dans cette vidéo David Jemielty, responsable du département des traductions à la Banque Cantonale Vaudoise (BCV).

Pour aller plus loin concernant la TA et les étudiants, je vous invite à consulter cet article rédigé par mes collègues de formation.

Un grand merci au #Translationcafé d’avoir accepté que je revienne sur cette table ronde dans le cadre du blog du Master TSM.

Retrouvez toutes les actualités du #TranslationCafé sur le compte Twitter (en anglais) : @LetsTalkXl8.

Ce billet est une retranscription partielle des propos énoncés.

Sources :

Ahmad, Sami. 2017. « Google Neural Machine Translation – AI to Improve Translation Accuracy ». Technobyte. 28 avril 2017. https://technobyte.org/google-neural-machine-translation-translate/.

Gouvernement du Canada, Services publics et Approvisionnement Canada. 2020. « Littératie de la traduction automatique : pour une éthique de l’intérêt commun – Blogue Nos langues – Ressources du Portail linguistique du Canada – Langues – Identité canadienne et société – Culture, histoire et sport – Canada.ca ». 19 octobre 2020. https://www.noslangues-ourlanguages.gc.ca/fr/blogue-blog/litteratie-traduction-automatique-machine-translation-ethics-fra.

« O’Brien et Ehrensberger-Dow – 2020 – MT Literacy—A cognitive view.pdf ». s. d. https://digitalcollection.zhaw.ch/bitstream/11475/20864/3/2020_OBrien-Ehrensberger-Dow_MT-Literacy_JBE.pdf.

O’Brien, Sharon, et Maureen Ehrensberger-Dow. 2020. « MT Literacy—A Cognitive View ». Translation, Cognition & Behavior 3 (2): 145‑64. https://doi.org/10.1075/tcb.00038.obr.

« Traduction automatique : faire les bons choix avant de commencer ». 2021. MasterTSM@Lille (blog). 14 février 2021. https://mastertsmlille.wordpress.com/2021/02/14/traduction-automatique-faire-les-bons-choix-avant-de-commencer/.

« Traduction automatique : les algorithmes ont-ils des préjugés ? » 2019. MasterTSM@Lille (blog). 10 novembre 2019. https://mastertsmlille.wordpress.com/2019/11/10/traduction-automatique-les-algorithmes-ont-ils-des-prejuges/.

« Traduction automatique : nouvelle alliée des étudiants en traduction ? » 2020. MasterTSM@Lille (blog). 13 décembre 2020. https://mastertsmlille.wordpress.com/2020/12/13/traduction-automatique-nouvelle-alliee-des-etudiants-en-traduction/.

Traduction, par Colivia. 2021. « Le Deep Learning en traduction automatique, qu’est-ce que c’est ? » Colivia Traduction (blog). 28 mai 2021. https://colivia-traduction.com/le-deep-learning-en-traduction-automatique-quest-ce-que-cest/.

« Translate.Com Exposes Highly Sensitive Information in Massive Privacy Breach ». 2017. Slator. 7 septembre 2017. https://slator.com/technology/translate-com-exposes-highly-sensitive-information-massive-privacy-breach/.

Translating for Europe. s. d. #2019TEF – KEYNOTE SPEECH – The added value of translation. https://www.youtube.com/watch?v=qGGaEnRECHc.

« #Translation Cafe ». s. d. Eventbrite. https://www.eventbrite.co.uk/e/136411876595?aff=efbneb.

« Understanding (the Value of) Machine Translation ». s. d. Leiden University. https://www.universiteitleiden.nl/en/news/2020/05/understanding-the-value-of-machine-translation.

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