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

Le futur n’a pas besoin de traducteurs*

Article original en anglais The Future Does Not Need Translators, écrit par Jaap van der Meer et publié le 24.02.2016 sur le blog de la TAUS (Translation Automation User Society).

Traduction française de Pierre Ferré, étudiant M1 TSM.

 

traductionautomatique.jpg

 

* Ce titre est inspiré d’un article écrit par Bill Joy (alors chercheur principal chez Sun Microsystems) et publié dans Wired Magazine en avril 2000. (Why the future does not need us, lien en anglais)

 

Cet article quelque peu lugubre nous mettait en garde contre un avenir dans lequel les machines nous domineraient, nous, les humains. « C’est maintenant qu’il faut agir si nous ne voulons pas nous laisser surprendre et choquer […] par les conséquences de nos inventions. » Projeter ce problème fondamental et existentiel sur notre propre secteur, celui de la traduction, pourrait facilement provoquer d’accablantes et déprimantes visions sur l’avenir de l’industrie de la traduction pour les décennies à venir. En conséquence, cela pourrait nous disposer (tous les travailleurs de ce secteur) dans un état d’esprit défensif et réactif ou bien passif. Nous nous devrions plutôt d’être réalistes, d’avoir un esprit ouvert sur les avantages et sur les inconvénients. Le futur n’a peut-être pas besoin de nous, mais nous avons bien besoin de lui.

Le jour viendra où les machines seront plus performantes qu’un traducteur humain pour traduire un texte d’une langue à une autre. Ce moment est dénommé la singularité. Le débat porte sur la question de savoir si cette singularité est vraiment quelque chose que nous devrions espérer. La réalité est que nous sommes tellement engagés sur cette voie qu’il est devenu difficile, si ce n’est impossible, d’inverser la tendance.

La singularité est proche. Ce que cela signifie, en termes simplifiés, pour la traduction qui jusqu’alors a été le domaine exclusif de l’homme, c’est que les machines vaincront le cerveau humain et continueront de se perfectionner dans une sorte d’apothéose d’intelligence. Elles n’auront plus besoin de nous, les humains, pour en apprendre plus et pour s’entraîner. Nous leur avons donné les moyens de s’améliorer elles-mêmes : une incroyable capacité de traitement, l’accès à des volumes de données en constante augmentation et des techniques d’imitation de notre cerveau grâce au deep learning et aux réseaux neuronaux.

Imaginez une machine capable de traduire dans une centaine de langues et tout cela en temps réel. Aucun être humain ne serait capable d’en faire autant. La qualité et l’exactitude de ces traductions automatiques ne sont peut-être pas toujours parfaites, mais elles sont tellement pratiques que nous apprenons à nous en accommoder,  nous nous adaptons et nous la modifions lorsque c’est nécessaire.

A quel point cette singularité est-elle vraiment proche ? Ray Kurzweil (auteur du livre « Humanité 2.0 » et directeur de l’Ingénierie chez Google depuis 2012) prédit qu’en 2019, les traductions automatiques seront suffisamment performantes pour pouvoir remplacer les traducteurs humains. (Interview dirigée par Nataly Kelly, publiée dans Huffington Post en juin 2011,lien en anglais) Nous en sommes suffisamment proches pour en parler sérieusement.

Le TAUS ouvrira cette année un débat sur l’avenir de la traduction. À l’occasion des principaux évènements TAUS (Dublin, 6-7 juin et Portland, 24-25 octobre), nous invitons les chefs de file de la recherche en traduction automatique (TA) et les chefs d’entreprise de traduction à venir discuter de certaines questions fondamentales :

  1. À quel point la singularité en traduction est-elle proche ?
  2. Quelles en sont les limites du point de vue de la recherche?
  3. À quelles avancées vous attendez-vous ?
  4. Quels sont les impacts commerciaux, les avantages et les inconvénients ?
  5. De quelle façon la profession se verra-t-elle affectée ?

En guise d‘introduction au débat, nous avons demandé à certains des participants de partager leur point de vue sur ces questions dans cet article. Permettez-moi d’ouvrir le débat avec mon propre point de vue. À quel point la singularité est-elle réellement proche ? Je ne suis pas le mieux placé pour répondre à cette question. Mais je pense qu’il est concevable qu’elle se produise dans les dix ou vingt prochaines années. Par ailleurs, il s’agira probablement d’une évolution graduelle ponctuée de prises de conscience. Nous parviendrons effectivement à la FAUT (Fully Automated Useful Translation), bien différente du saint Graal qu’est la FAHQT (Fully Automated High Quality Translation) qui a été définie comme étant un objectif réalisable par les concepteurs de la première TA dans les années 50 (en cinq ans !). En ce qui concerne les impacts commerciaux, je crois que la singularité en traduction dynamisera considérablement le commerce mondial. Qu’en sera-t-il du métier de la traduction ? Comme je l’ai dit précédemment, l’accès universel aux FAUT pourra entraîner une croissance de la demande de traductions particulièrement créatives. Je ne pense pas que cela soit une coïncidence si l’on entend souvent les termes « hyper-localisation » et « transcréation » pour faire référence à de nouveaux services du secteur de la traduction. Non, je ne pense pas que les métiers de la traduction soit totalement mis en danger, mais ils changeront profondément. Les tâches ennuyeuses disparaîtront. Les questions que je me pose et qui seront, je l’espère, débattues cette année lors des évènements TAUS, sont les suivantes : où seront construites ces nouvelles machines de traductions puissantes et qui en aura le contrôle ? Verrons-nous de nouveaux innovateurs et changements de donne non influencés par l’héritage de dizaines d’années dans le milieu la traduction et qui, par conséquent, évoluent beaucoup plus vite, dans d’autres parties du monde et dans les économies émergentes ?

Le point de vue sur le débat d’Alex Waibel :

Bien entendu, cette question n’est pas nouvelle : les machines remplaceront-elles les humains et rendront-elles leurs efforts redondants, ou bien ne seront-elles qu’un piètre détail qui jamais n’égalera la véritable performance humaine ? Je suis quelque peu sceptique sur ces deux opinions. Il est exact que nous avons su accroître considérablement les performances de la traduction automatique et de la reconnaissance vocale et qu’elles ont progressé spectaculairement. Et ces progrès se poursuivront. Je crois qu’une performance dépassant celle d’un humain, en fonction du cas d’utilisation, sera possible dans une ou deux décennies. Mais jusqu’à présent, ces avancées ont mené à un élargissement des services et  donc également à une augmentation de la demande et de l’utilisation, en phase avec la mondialisation et la quantité de matériel produit. Les prédictions selon lesquelles nous n’auront plus besoin de traducteurs humains me semblent pour le moins alarmistes et extrêmes. Il est plus probable que nous soyons témoin d’une accélération et d’une augmentation de la quantité des traductions, mais que les humains continuent de jouer leur rôle dans cette demande croissante. Il y aura davantage de symbiose entre les humains et les machines, et l’amélioration de la communication et de la compréhension entre les langues sera bénéfique pour notre espèce. (Alex Waibel est professeur en informatique à la Carnegie Mellon University and Karlsruhe Institute of Technology, il est également directeur d’interACT, International Center for Advanced Communication Technologies.)

 

Le point de vue sur le débat de Marcello Federico :

Ces questions reviennent chaque fois qu’une nouvelle avancée se produit. Les voitures sans chauffeurs remplaceront-elles les chauffeurs humains ? La traduction automatique neuronale éliminera-t-elle les traducteurs humains ?  La vérité est que nous aimons les explications et les conclusions simples (et qu’elles nous fascinent). Le monde réel est bien plus complexe. Le progrès refaçonne constamment les relations entre la technologie et l’humain, bien souvent de manière imprévisible. Il est donc très difficile de faire des prévisions dans ce domaine. La technologie a tendance à progresser de façon verticale, s’efforçant de résoudre des tâches spécifiques qui peuvent mener à des applications  intéressantes. Mais l’action de traduire, de même que celle de conduire une voiture, présente plusieurs facettes et niveaux de difficultés. La traduction automatique de documents techniques du français vers l’anglais ou laisser une voiture sans chauffeur évoluer sur une autoroute américaine sont certainement des avancées technologiques qui ouvrent la voie vers des applications intéressantes. Cependant, ces dernières ne peuvent généralement pas être interprétées comme des solutions pour la traduction ou la conduite. Ce qui est particulièrement important, c’est qu’elles ne prouvent pas à quel point nous nous rapprochons de la résolution de ces problèmes généraux. Quand verrons-nous une voiture autonome capable de naviguer dans les rues de Naples ou une traduction automatique de haute qualité de l’allemand vers le turc ? Bonne question ! En tant que scientifique, je suis optimiste et prudent : il est clair que nous accomplissons des progrès en termes de traduction automatique, mais ils sont difficiles à quantifier.  En tant qu’humain, je préfère l’aspect coopératif de l’IA à l’aspect compétitif : Comment la technologie peut-elle permettre aux traducteurs de travailler mieux et plus rapidement ? Comment les machines peuvent-elles apprendre directement des traducteurs humains ? Comment les machines peuvent-elles débarrasser les traducteurs des tâches ennuyeuses et répétitives afin qu’ils puissent se concentrer sur l’aspect créatif de leur profession ?  Selon moi, hormis le fait qu’elles ouvrent la voie à de nombreuses problématiques de recherche, elles incarnent l’approche qui produira les technologies de demain les plus performantes de notre domaine. (Marcello Federico est directeur de recherche du département de recherche HLT-MT de la Fondazione Bruno Kessler, Trente, Italie. Son équipe participe à plusieurs projets recherche de recherche européens axés sur une nouvelle génération de systèmes de TA, tel que le projet MMT [Modern Machine Translation].)

 

Le point de vue sur le débat de Marco Trombetti :

Le concept de la singularité me fascine depuis mon plus jeune âge. À l’époque, ce terme était davantage associé aux trous noirs qu’à la technologie. Aujourd’hui, la singularité m’effraie de la même manière que les trous m’effrayaient alors. Le mélange de curiosité et de crainte explique ma passion pour ce sujet et pourquoi je passe du temps à travailler sur l’intelligence artificielle (IA).  L’IA, devant la singularité, est en passe de devenir le prochain grand changement dans notre futur proche. Je suis convaincu qu’elle portera l’humanité vers une nouvelle ère d’accessibilité et d’organisation de l’information. La traduction est probablement la tâche humaine la plus complexe à apprendre pour une machine, mais c’est aussi celle avec le meilleur potentiel. Elle pourrait faire du monde une seule grande famille, rapprocher les individus les uns des autres en abattant les barrières linguistiques et permettre un plus grand partage de l’information. Le langage, par rapport à de nombreux autres secteurs pour lesquels l’IA doit analyser une réalité statique, évolue en même temps que les humains.  Les machines ont besoin de l’aide constante de l’homme pour rester à la page. (Marco Trombetti est PDG de Translated, les créateurs de MateCat. Également entrepreneur et investisseur, il vit et travaille à Rome.)

 

Le point de vue sur le débat de Khalil Sima’an :

Il est bien évidemment impossible de prédire quand se produira la « singularité » et quelle forme prendra alors le marché. Pourtant, sur la base de ce que je peux observer en termes de technologie, j’ai le sentiment que nous nous trouvons aujourd’hui à un point où, dans moins de deux décennies, la plupart des tâches de traduction standard seront effectuées par des machines pour un bon nombre des paires de langues économiquement dominantes. Les traducteurs humains continueront de jouer un rôle défini par des besoins très spécifiques des clients, qui auront souvent pour objectif de collecter des nouvelles données afin d’améliorer la TA. Certains types de traductions les plus intéressants, comme la littérature et la poésie de haute qualité, pourraient encore demeurer du ressort de quelques traducteurs humains doués pour un certain temps. Mais le gros de l’industrie de la traduction traditionnelle fera les frais de cette automatisation. Ce qui va changer le marché n’est en fait pas tant l’automatisation totale en soi, mais le fait que celle-ci sera proposée comme « production de masse » représentant une grande part (voire l’ensemble ?) des commandes de traduction. Il est probable que ce service sera offert par une poignée de nouveaux acteurs qui oseront opérer ce changement déstabilisant. Ces derniers auront l’avantage de s’adapter rapidement à l’évolution des besoins du marché et accepteront toutes les commandes de traduction sans distinction. (Khalil Sima’an est professeur de linguistique informatique à la Faculté des Sciences de l’université d’Amsterdam [FNWI]. Son équipe travaille sur plusieurs projets de nouvelle génération de traduction automatique, tel que DatAptor et les projets QT.)

 

Note du traducteur : Ce sujet m’a paru particulièrement intéressant car, en tant qu’étudiant.e.s en Traduction Spécialisée, la traduction automatique et les progrès spectaculaires qu’a accompli celle-ci lors de ces dernières années peut préoccuper certains d‘entre nous quant à l’avenir du métier vers lequel nous nous dirigeons. La traduction automatique neuronale remplacera-t-elle effectivement le traducteur humain ? Les opinions divergent, même au sein des professionnels œuvrant pour son développement. Quelle que soit notre opinion sur le sujet, il est important de rester attentif à l’évolution de cette technologie.

 

La traduction automatique : menace ou opportunité ? Retour sur la journée d’études #TQ2018 du 2 février 2018

Par Simon Watier, étudiant M1 TSM

 

A3_Conférence #TQ2018

À l’occasion de la sixième édition de la journée d’études dédiée à la traduction, l’Université de Lille  et le laboratoire « Savoirs, Textes, Langage » (STL) du CNRS ont organisé le vendredi 2 février une série de conférences qui ont pour objectif de définir le lien entre la biotraduction et la traduction automatique. Afin de dresser un portrait exhaustif de cette thématique complexe mais néanmoins essentielle neuf intervenants ont apporté leurs réponses, fruit de plusieurs années de recherches et de réflexions : Emmanuel Planas, Rudy Tirry, Véronique Huyghebaert, Sandrine Peraldi, Stéphanie Labroue, Fleur Schut, Daniel Prou, Aljoscha Burchardt et Antonio Balvet.

Pour comprendre l’impact de la traduction automatique il convient de retracer l’évolution des outils de TAO (Traduction Assistée par Ordinateur) pour mieux appréhender leur incidence dans le secteur de la traduction. En effet, les premiers outils de traduction automatique remontent avant les années 40, notamment avec le linguiste italien Federico Pucci, véritable précurseur de la traduction automatique moderne. En revanche celle-ci  était davantage considérée comme un outil de décryptage et non comme un véritable acteur de la traduction. La traduction automatique neuronale (TAN) imite le fonctionnement du cerveau humain et créer des voies neuronales pour traduire une phrase dans sa totalité. Elle succède ainsi à la traduction statistique (TAS) qui utilisait également un corpus, découpé en unités de traduction auxquelles on attribuait un score de probabilité.

 

220px-Triangle_de_vauquois.svg

Le triangle de Vauquois est le modèle de base de la traduction automatique.

 

La traduction automatique neuronale connait une véritable « hype » relayée, entre autre, par la presse. En effet la TAN ne se cantonne plus uniquement à la sphère professionnelle, elle fait désormais partie intégrante du quotidien (Google Translate, Facebook, Amazon, DeepL, les exemples sont légion). Pour mieux illustrer le propos, une opposition entre  la TAN et la TAS semble nécessaire afin d’exposer les avantages et les inconvénients de chacun. Le verdict n’en est que plus complexe car si la TAN assure une traduction plus fluide notamment au niveau de la syntaxe, la TAS est plus performante sur la terminologie, un point pourtant essentiel dans le travail du traducteur. Il ne faut pas omettre pour autant la post-édition qui est constituée de 3 niveaux : Full MTPE (Machine Translation Post-Editing) qui ne se distingue pas de la biotraduction, Light MTPE qui se concentre avant tout sur le sens et non sur l’approche stylistique et Focused MTPE qui examine des éléments spécifiques comme les nombres, les noms. Au final l’approche humaine demeure la clef de voûte de la traduction car si la technologie ne cesse de se perfectionner, celle-ci est incapable de retranscrire la créativité et la subtilité de l’Homme.

Heureusement les traducteurs ne sont pas en reste question ressources. Jonckers, une société de traduction créée il y a une vingtaine d’années et présente dans 10 pays a développé des outils afin de fluidifier la gestion de la post-édition, source de nombreux défis à relever. En effet différents maux liés au volume demandé peuvent affecter l’ensemble du processus (retards, client insatisfait, burn-out des traducteurs). Pour y remédier, l’entreprise a créé le Loclab, un centre de post-édition en interne qui a permis de favoriser l’échange et la proximité entre les traducteurs et les formateurs. L’aspect commercial est évidemment de mise puisque les ventes d’un produit peuvent directement dépendre d’une bonne traduction. Ainsi, un système de contrôle de qualité est instauré, 5 % du contenu est extrait puis vérifié, afin de transmettre le score obtenu au post-éditeur. La post-édition est basée sur un moteur de traduction automatique qui permet à la fois un gain de flexibilité et de productivité. Le plus important réside dans la compréhension et l’adaptation aux besoins du client.

 

photo2fev

 

Désormais la traduction automatique est perçue de manière positive, elle ne représente plus une menace pour le traducteur mais bien une aide précieuse. Son implantation dans la formation des traducteurs constitue une preuve irréfutable. Paradoxalement peu d’articles ont été consacrés à ce sujet alors que plusieurs auteurs se sont penchés sur la question d’un point de vue épistémologique. 85 % des formations privilégient les outils les plus utilisés sur le marché, ce choix est directement lié aux pratiques des traducteurs.

Cependant plusieurs études consacrées à l’intégration des outils de TAO ont montré que la plupart des formations privilégiaient l’apprentissage de l’outil sur l’acquisition de véritables compétences en conditions de travail réelles. Il convient de prendre en considération deux aspects : la dimension professionnalisante qui désigne la compréhension des difficultés inhérentes au déploiement d’un nouvel outil dans le travail et la dimension cognitive, liée à la gestion des émotions des traducteurs face aux nouvelles technologies qui peuvent les déstabiliser. De même, l’automatisation d’une partie du processus peut perturber des stratégies de traduction (éloignement du texte source, multiplication des efforts cognitifs). Ainsi les émotions jouent une place prépondérante dans la perception mais aussi dans la performance des outils.

 

photo2fev2

Divers outils comme Euramis (base de données des traductions effectuées dans les institutions européennes), MT@EC (moteurs statistiques avec 79 paires de langues directes), et eTranslation (moteurs neuronaux avec 6 paires de langues) sont quant à eux davantage destinés aux traducteurs de la Commission européenne. La TA peut être utilisée de deux manières : par segment entier ou par fragments successifs. De même la traduction automatique est plus efficace avec certaines langues que les moteurs statistiques, notamment l’estonien.

Systran, qui n’est autre que le leader mondial des technologies de la traduction, a développé un moteur PNMT (Pure Neural Machine Translation) basé sur des réseaux de neurones artificiels et du deep learning. Trois principaux composants constituent la chair de ce système PNMT à savoir le word embedding (prolongement de mots) qui se focalise sur l’apprentissage d’une représentation de mots, les réseaux de neurones récurrents dans lesquels l’information peut se propager dans les deux sens, et l’attention model (modèle d’attention) qui désigne la capacité du moteur à collecter des informations sur des mots spécifiques. Ce moteur pourra s’appliquer dans un futur proche aux correcteurs informatiques et aux chatbot (agents conversationnels). Toutefois cela soulève de nouveaux défis à relever : comment analyser et corriger une erreur ? Comment configurer un moteur pour une tâche très spécifique ? L’IA sera-t-elle capable de rivaliser avec l’être humain en termes de pertinence ?

 

photo2fev3

 

Ainsi s’achève la journée d’études qui a permis de dépoussiérer les notions de bases de la traduction automatique pour mieux cibler les tenants et la aboutissants auxquels devront faire face les traducteurs pour intégrer le marché du travail. Si la technologie ne cesse de se perfectionner, elle pose également ses limites quant à sa capacité à s’adapter. Celle-ci fait toujours l’objet de certaines critiques qui voient en elle une menace pour le biotraducteur. Cependant l’expérience et la recherche combinées des professionnels ont permis de démontrer son apport vital au sein de ce secteur. La traduction automatique neuronale constitue une nouvelle avancée qui imite les réseaux et les connections synaptiques humaines pour mieux cibler le contexte et la terminologie des mots. Cela ouvre tout un nouveau champ de possibilités qui amènera peut-être une imitation quasi-parfaite de la réflexion humaine.

 

NB : la plupart des présentations de la journée du 2 février sont disponibles en ligne sur le site de la conférence : https://tq2018.sciencesconf.org/ 

Traduction marketing et transcréation, remparts contre la traduction machine

Par Pénélope Girod, étudiante M2 TSM

 

L’apparition de la traduction machine neuronale chez Google Translate et SYSTRAN notamment, le lancement de DeepL Translator (moteur de Linguee), ou tout récemment l’arrivée d’Amazon Translate sont autant de nouveautés qui marquent la prise de vitesse de la traduction machine sur le marché des services linguistiques. Il s’agit certainement de la période la plus florissante pour la traduction machine depuis sa création dans les années 1950. Les moteurs sont plus performants, plus professionnels et fournissent des traductions plus justes. Aussi se pose une question tout à fait légitime : qu’en est-il du biotraducteur ?

Comme nous avons pu le voir dans le billet de blog sur la traduction neuronale, ou encore le test comparatif entre Google Translate et DeepL, le traducteur humain a encore de beaux jours devant lui. En effet, un texte obtenu par traduction automatique n’est pas parfait et doit passer par une étape de post-édition qui sera effectuée par un traducteur. De plus, bien que les moteurs soient plus performants, ils ne le sont pas encore assez pour traiter des domaines spécifiques très pointus. Les contenus marketing font partie des textes que la traduction machine n’arrive pas à traduire de façon satisfaisante.

L’essence du marketing est de promouvoir une marque et/ou un produit. Aussi, lorsqu’une entreprise veut se développer à l’international elle se doit de faire traduire ses textes promotionnels, ses publicités, mais aussi de faire localiser son site web. Comme nous l’avons vu dans le billet de blog traitant de ce sujet, la majorité des consommateurs ne feront pas d’achat sur un site qui n’est pas dans leur langue maternelle. Une bonne traduction est donc cruciale pour qu’une entreprise puisse se développer sur le marché mondial. Il faut cependant bien veiller à ce que le contenu soit adapté à chaque marché au niveau national. En effet, au moment de la traduction, les termes choisis dans la langue source peuvent prendre une tout autre connotation dans la langue cible, les images peuvent impliquer des choses différentes et les couleurs être liées à d’autres émotions. Ce message si soigneusement élaboré pourrait être complètement dénaturé, sans aucun intérêt marketing [1]. D’où l’importance de faire appel à un traducteur spécialisé dans le domaine. Et pour qu’une traduction marketing puisse conserver cet effet captivant il est souvent nécessaire de faire appel à la transcréation.

Transcreation-570

 

 

Qu’est-ce que la transcréation ?

A marché différent, préférences différentes. La transcréation est bien plus qu’une traduction et va au-delà de la localisation : elle permet d’adapter complètement le message de marque d’un produit ou d’une publicité au marché cible [2]. C’est un véritable processus créatif qui va d’abord définir l’intention du contenu original et prendre les différents éléments qui composent le message global d’une campagne pour les transformer afin qu’ils correspondent au public visé [3]. C’est une étape plus longue qu’une traduction mais c’est surtout l’assurance d’avoir un message clair, culturellement adapté, parfaitement cohérent avec l’identité de la marque.

Si la transcréation est surtout utilisée pour la traduction marketing, elle n’en est pas l’apanage. C’est un processus qui est utilisé dès qu’une « simple » traduction n’est pas suffisante et qu’il faut faire preuve de beaucoup de créativité pour pouvoir reformuler, adapter des termes et expressions afin de capter l’attention du public cible. La transcréation est évidemment toute indiquée pour la traduction de néologismes (comment traduiriez-vous « pocket-dial » ou « mouse potato » ?), la traduction de titres de films, mais aussi pour la traduction littéraire, et plus spécialement la littérature fantastique. La traduction de la saga Harry Potter par Jean-François Ménard contient une multitude d’exemples de transcréations, comme le fameux choixpeau (simplement « sorting hat » en anglais) ou encore dans le nom des maisons : Ravenclaw est ainsi devenu Serdaigle.

 

Traduction machine s’abstenir

Pourquoi ? Pour les raisons citées plus haut et plus encore. Les moteurs de traduction machine ne peuvent pas créer d’eux-mêmes, ils doivent se baser sur des données pré-intégrées, qu’il s’agisse de mémoire de traduction ou de règles grammaticales pour délivrer un texte cible. La traduction machine ne prend pas en compte les éléments spécifiques aux textes marketing. Les jeux de mots et métaphores disparaissent, les différences culturelles sont laissées de côté, le ton du texte est altéré. Certes, un moteur de traduction machine peut donner un résultat grammaticalement correct, mais la phraséologie n’est souvent pas adéquate.

La plupart du temps, la traduction machine ne sait pas quoi faire des noms de produits. Elle peut décider de les traduire littéralement ce qui peut donner des résultats étranges, mais elle peut aussi les conserver. Les noms de produit peuvent parfois être de véritables casse-têtes au moment de la traduction. Au premier abord, on pourrait penser qu’il faut conserver coûte que coûte le même nom partout dans le monde mais certains noms ont une connotation différente en fonction du pays et nécessitent d’être modifiés. C’est aussi un point qui concerne les noms de marques, ainsi la marque Mr. Clean® est traduite partout où elle est vendue et devient Monsieur Propre en France, Mastro Lindo en Italie, etc. Les Royaume-Uni fait exception puisque la marque s’y appelle Flash : une autre marque portant déjà le nom de Mr. Clean [4].

Les slogans font aussi partie des textes marketing complexes impossibles à traduire en utilisant la traduction machine. C’est une part de la campagne marketing à laquelle il faut porter une grande attention puisqu’un slogan est fait pour attirer des clients potentiels. Il doit marquer les esprits, mais de la bonne manière. Une mauvaise traduction pourrait entacher l’image de la marque, lui faire perdre des parts de marché et beaucoup d’argent par la même occasion. Trop de précipitation et l’on peut se retrouver dans la même situation que Pepsi il y a quelques années dont le slogan « Come alive with the Pepsi generation » a été traduit en chinois par « Pepsi brings your ancestors back from the grave » [5]. Traduire un slogan est un exercice trop périlleux pour le confier à un outil de traduction machine

Prenons un exemple concret pour illustrer ces propos. Lilt, la plateforme de traduction en ligne (voir ici pour en savoir plus), a mis en ligne une image sur son site Lilt tips, dans un billet posté le 23 août. Elle contient la phrase suivante : « The cloud will not rain away your data! ».

Lilt_Cloud

 

 

Ce slogan en apparence si simple présente plusieurs difficultés : le jeu de mots entre le Cloud, service proposé par Lilt, le véritable nuage et la pluie. Et comment traduire « rain away » ? Même dans un texte complet, avec un contexte, cet obstacle serait difficile à surmonter. Au vu de la complexité de ce slogan j’ai décidé de tester trois moteurs de traduction machine : Bing Translator, DeepL et Google Translate. Voici les résultats :

 

Capture_Bing_Lilt

Bing Translator

 

Capture_Deepl_Lilt

DeepL

 

Capture_Google-Lilt

Google Translate

 

Dans les trois cas, la traduction littérale a été privilégiée. Elle ne permet malheureusement pas de transmettre le message d’origine. Ici il serait intéressant de revoir toute la phrase et de complètement repenser les idées mises en avant. Une étudiante en M2 a proposé comme traduction « vos données seront sur un petit nuage » qui utilise une expression idiomatique et conserve un jeu de mots avec nuage. Cette version, certes perfectible, convient toujours mieux que ce qu’a pu proposer la traduction machine. Si vous avez des idées de traduction pour ce slogan, n’hésitez pas à les partager avec nous.

 

Conclusion

Au mois de février 2017, en Corée du Sud, a eu lieu un duel d’un genre nouveau, opposant biotraducteurs et traduction machine [6]. Quatre traducteurs humains ont été confrontés à trois moteurs de traduction machine : Google Translate, SYSTRAN et Papago de Naver (équivalent sud-coréen de Google). Tous devaient traduire quatre textes différents, jamais traduits auparavant : un article de Fox Business en anglais, un extrait de Thank You For Being Late de Thomas Friedman aussi en anglais, une partie d’un éditorial de l’auteur Kim Seo-ryung et un extrait du roman de Kang Kyeong-ae Mères et filles, tous les deux en coréen. Sans surprise, ce sont les biotraducteurs qui l’ont emporté. Même si la traduction machine a fourni des résultats très rapidement, les évaluateurs ont notamment pu constater un problème récurrent dans l’ordre des mots, puisqu’ils étaient placés de façon linéaire sans véritable logique[7].

Si la traduction machine n’est pas la plus indiquée pour les textes marketing et a encore une importante marge de progression, elle n’est pas à délaisser complètement. Un moteur bien entraîné, avec des données de qualité peut fournir de très bonnes traductions qui ne nécessitent que peu de post-édition. Le métier de traducteur n’est pas véritablement menacé par les avancées technologiques de la traduction machine mais il va devoir s’adapter aux évolutions du marché. Car comme dans toute révolution industrielle, un glissement est en train de s’opérer, et pas seulement dans le secteur de la traduction. Il est donc important de prendre le train en marche pour être en cohésion avec les futures exigences du marché.

 

Merci à l’équipe de Lilt de m’avoir permis d’utiliser leur illustration.

 

[1]  Transcreation: More than just marketing translation. Global content suite white paper, © Copyright 2017 AMPLEXOR

[2] http://www.tradutec.com/a-propos-de-tradutec/actualites/278-transcreation-une-strategie-de-traduction-pour-un-marketing-de-marque.html

[3] http://www.sdl.com/fr/solution/language/human-translation/transcreation.html

[4] http://piwee.net/1-nom-marque-different-selon-pays-120115/

[5] https://blog.amplexor.com/globalcontent/en/localizing-slogans-when-language-translation-gets-tricky

[6] http://www.k-international.com/blog/human-translation-vs-machine-translation-contest/

[7] http://english.chosun.com/site/data/html_dir/2017/02/22/2017022201554.html

Nouveau cap pour le secteur de la traduction : la post-édition

Article original en anglais The Latest Trend in the Translation Industry: PEMT rédigé par Nikki Graham et publié sur le blog de l’auteur My Words for a Change.

Traduction en français réalisée par Clovis Cerri, étudiant en M2, Master TSM à l’Université Lille3

 

pemt2

Avez-vous entendu parler de la dernière tendance sur le marché de la traduction ? Il s’agit de la PEMT, acronyme anglophone signifiant post-editing machine translation. En clair, les clients font appel à un programme pour traduire leur texte, lequel est ensuite envoyé à un traducteur chargé d’y apporter la touche finale. Certains d’entre eux utilisent des services de traduction automatique plus poussés que ceux disponibles en ligne. Néanmoins, l’expérience me prouve que Google Traduction est l’outil le plus populaire, et c’est donc celui auquel les clients ont le plus souvent recours pour obtenir leur traduction au coût d’une révision, soit environ 50 % du prix.

Excellente idée en apparence, n’est-ce pas ? Qui refuserait la perspective alléchante d’économiser quelques centimes sur le prix des biens qu’il achète ? Vous venez pourtant de commettre une première erreur. La traduction n’est pas un bien, c’est un service. Le prix ne porte pas uniquement sur le produit fini. Ce que vous payez, c’est le savoir-faire qui se cache derrière les étapes amenant au produit fini : une traduction efficace et naturelle, qui n’est ni littérale ni criblée de fautes, qui correspond à vos attentes et, comme disent certains, qui sonne bien.

la traduction n’est pas un bien, c’est un service

Penchons-nous tout d’abord sur les étapes caractérisant le processus de traduction, dont la complexité échappe parfois aux personnes qui ne sont pas familiarisées avec l’exercice.

La traduction humaine

  1. L’agence ou le client envoie un texte source à la traductrice.
  2. Elle étudie le texte source en langue originale.
  3. Elle réfléchit.
  4. Elle rédige une traduction.
  5.  Elle relit son travail avec une grande précaution.
  6. Elle le renvoie à l’agence ou à un(e) collègue pour la révision.
  7. Le texte est révisé.
  8. Tous les points litigieux font l’objet de discussions et de modifications.
  9. La traductrice et/ou le réviseur produit une version finale.
  10. La traduction est envoyée au client.

La PEMT (post-édition)

  1. Une machine traduit le texte.
  2. Le texte source obtenu est envoyé à un traducteur pour être édité.
  3. Le traducteur étudie le texte source.
  4. Il étudie le texte cible.
  5. Il réalise que de nombreuses erreurs sont présentes dans la traduction.
  6. Il réfléchit, mais il s’embourbe au milieu des traits de langage erronés, et il repère des termes et des expressions qui ne collent pas du tout au contexte donné.
  7. Il effectue des va-et-vient entre texte source et texte cible pour s’assurer que les modifications qu’il apporte sont cohérentes avec l’original, ce qui peut prendre un certain temps.
  8. À l’aide de sa souris, il doit mettre en évidence les mots et les expressions qu’il faudra supprimer ou couper-coller par la suite. Encore une fois, c’est une tâche chronophage. Il n’est d’ailleurs pas impossible qu’il décide, afin de gagner du temps, de supprimer la « traduction » de certains passages pour repartir de zéro.
  9. Il retourne au point de départ pour une vérification intégrale, les modifications étant si nombreuses qu’il est nécessaire de s’assurer de la bonne cohérence et de la qualité de l’ensemble.
  10. Il remet le texte cible à l’agence ou au client. Puisqu’il s’agit d’une étape d’édition, la traduction ne subira aucune autre vérification, à moins que le client n’en ait expressément fait la demande et qu’il ne soit disposé à payer.

Le scénario présenté ci-dessus s’applique aux cas de post-édition intégrale, ce qui signifie que l’éditeur est chargé d’éliminer toutes les erreurs et de produire un texte s’apparentant à une traduction humaine plutôt qu’à une traduction automatique. En d’autres termes, il doit faire passer une vessie pour une lanterne.

Le service de post-édition se décline également en une variante dite partielle. L’éditeur ne se concentre alors que sur les erreurs pouvant altérer le sens, les nombreuses autres étant délibérément laissées telles quelles pour des raisons de coût. Oui, vous avez bien lu. La rectification des erreurs dans le texte traduit par la machine n’est pas systématique, le client préférant faire des économies de bout de chandelle, et ce en dépit de l’image inévitablement négative que le texte imparfait donnera des produits et services du client. J’espère sincèrement que vous ne faites pas partie des clients de cette espèce. J’espère sincèrement que vous ne contribuez pas au massacre de notre langue en publiant les ignominies que peuvent produire les machines.

le dialogue fait partie intégrante du processus de traduction

Je dois également faire mention de la pré-édition. Cette étape est parfois nécessaire au préalable de la traduction automatique. Elle consiste à nettoyer le texte, à supprimer le jargon propre à l’entreprise, les fautes de frappe et de grammaire et à améliorer le style, pour faciliter la compréhension du texte par la machine et l’aider à produire un résultat plus intelligible. Évidemment, un traducteur humain comprendrait votre message de lui-même et la correction des erreurs ferait partie intégrante du service proposé. Et si un doute quelconque subsistait, il vous contacterait pour se renseigner. Le dialogue est souvent un élément essentiel du processus, qui profite tant au traducteur qu’au client et qui sert de base solide à des partenariats durables et profitables.

les traducteurs sont capables de repérer une traduction machine

pemt1Vous avez très certainement compris que la post-édition est un exercice laborieux et accablant qui demande énormément de temps. À de trop nombreuses reprises, des clients souhaitant réduire leurs frais m’ont dupée et m’ont envoyé des traductions automatiques à réviser. Depuis, j’ai donc établi des conditions de vente claires. Si je m’aperçois qu’un client a fait appel à une machine, ce qui ne risque pas de m’échapper, j’interromps la révision ou l’édition et je ne reprends pas le travail avant d’avoir obtenu un accord pour facturer selon mes tarifs de traduction habituels. Il va sans dire que le temps préalablement perdu sur l’édition sera également facturé. Utilisez Google Traduction et ses semblables à vos risques et périls. La balle est dans votre camp.

Google Translate vs DeepL : le duel

Par Marine Moreel, étudiante M2 TSM

 

Capture

Google et le logo Google sont des marques déposées de Google Inc., utilisées avec l’autorisation de leur propriétaire.

 

Après des mois d’attente, le voici enfin arrivé : DeepL, l’outil qui veut révolutionner le monde de la traduction machine. C’est la société allemande DeepL Gmbh, à qui l’on doit également le célèbre dictionnaire multilingue Linguee, qui est à l’origine de ce nouveau service de traduction.

Un des slogans commerciaux de la société allemande est de dire que DeepL est trois fois plus performant que Google Translate. Voilà de quoi attiser ma curiosité, car soyons honnête, dans le classement des outils de traduction machine disponible gratuitement en ligne, Google Translate détient la première place du podium.

Alors, afin de me faire une opinion à son sujet, j’ai décidé de sélectionner quelques catégories d’erreurs souvent commises par les outils de traduction machine afin de voir ce que vaut réellement DeepL. Quoi de mieux alors que de le comparer avec Google Translate, son principal concurrent !

La comparaison portera sur la qualité linguistique des traductions, sur l’ergonomie des outils et sur leurs fonctionnalités. Pour cela, j’ai choisi des extraits de textes provenant du site du Plaza Hotel de New York et qui ont donc été rédigés en anglais.

 

La qualité linguistique des traductions

Avant de commencer la comparaison linguistique, il est important de rappeler que Google Translate, dont les traductions étaient générées sur la base de modèles statistiques, exploite depuis novembre 2016 les capacités de Google Neural Machine Translation pour 8 langues (pour et depuis l’anglais et le français, l’allemand, l’espagnol, le portugais, le chinois, le japonais, le coréen, et le turc). DeepL se base sur l’intelligence artificielle pour l’intégralité de ses langues.

 

La localisation

Localisation1
localisation2Google et le logo Google sont des marques déposées de Google Inc., utilisées avec l’autorisation de leur propriétaire.

Que ce soit Google Translate ou DeepL, aucun ne localise ni les numéros de téléphone ni les devises. Concernant les heures, Google Translate en localise une sur deux en comparaison avec DeepL qui localise les deux. Enfin, en ce qui concerne les unités de mesure, Google Translate se contente de les traduire littéralement alors que DeepL comprend qu’il s’agit ici de mètres carrés, mais ne convertit pas la mesure (4500 sq. ft. équivaut à environ 418 m2) et laisse le « ft » dans le texte cible.

Google Translate : 0 – DeepL : 0

 

La typographie

typographietypographie2Google et le logo Google sont des marques déposées de Google Inc., utilisées avec l’autorisation de leur propriétaire.

Ni Google Translate ni DeepL ne respecte les règles typographiques de la langue française qui recommandent l’insertion d’une espace insécable avant certains signes de ponctuation tels que les deux-points et qui requiert l’utilisation des guillemets français à la place des guillemets anglais.

Google Translate : 0 – DeepL : 0

 

La cohérence

coherence1coherence2Google et le logo Google sont des marques déposées de Google Inc., utilisées avec l’autorisation de leur propriétaire.

Google Translate a traduit deux fois le terme « the Royal Suite » par « la suite royale », mais l’a laissé tel quel dans la dernière phrase, alors que DeepL l’a traduit à chaque fois. On a donc plus de cohérence du côté de DeepL. Toutefois, on notera que DeepL n’a pas gardé les majuscules présentes dans le texte source.

Google Translate : 0 – DeepL : 1

 

L’utilisation des termes en contexte

contexte1contexte2Google et le logo Google sont des marques déposées de Google Inc., utilisées avec l’autorisation de leur propriétaire.

Le terme « large families » a été traduit par « familles nombreuses » par Google Translate et DeepL. Certes, sans contexte, la traduction est correcte. Toutefois, rappelons que l’on parle d’une suite de 418 mètres carrée au Plaza Hotel, un des hôtels les plus huppés et luxueux de New York. Pour avoir le plaisir de résider dans cette suite, il faut débourser pas moins de 25 600 euros pour une nuit. Or, en français, le terme « famille nombreuse » n’a pas la même connotation qu’en anglais. Utiliser ce terme dans ce contexte n’est donc pas idéal. Le terme « grande famille » aurait sans doute été plus approprié.

Google translate : 0 – DeepL : 0

 

La traduction des mots empruntés à d’autres langues

 emprunts1emprunts2Google et le logo Google sont des marques déposées de Google Inc., utilisées avec l’autorisation de leur propriétaire.

Le terme « dressing », terme emprunté à la langue anglaise, a été traduit par « dressage » par Google Translate. Nul besoin de dire qu’à la lecture d’« espace de dressage », on imagine beaucoup de choses, mais pas un dressing. DeepL, quant à lui, a correctement rendu le sens en utilisant le terme « vestiaire », bien que « dressing » aurait très bien pu être gardé dans le texte cible. Les deux outils semblent avoir du mal avec les termes empruntés aux langues étrangères. On peut aussi noter que DeepL nous livre une bonne traduction de la phrase, alors que celle de Google Translate est moins naturelle.

Google Translate : 0 – DeepL : 1

 

La traduction littérale et le sens

sens1sens2Google et le logo Google sont des marques déposées de Google Inc., utilisées avec l’autorisation de leur propriétaire.

Nous pouvons voir ici que, dès qu’ils doivent traiter des phrases un peu complexes, Google Translate et DeepL ont recours à la traduction littérale qui, bien souvent, nous donne des traductions assez originales.

Par exemple, les deux outils ne réussissent pas à traduire la première phrase de façon naturelle. Pourtant, les deux traductions qui suivent et réalisées par un biotraducteur donnent tout de suite un côté plus naturel en français :

– La boutique d’Éloise est un endroit tellement amusant où l’on ne s’ennuie jamais.

– La boutique d’Éloise est un endroit tellement amusant et rempli de choses à faire.

Autre exemple, Google Translate n’hésite pas à nous « attraper sur le défilé » lors de nos « aventures (mis) » et DeepL parle de « clients qui dérapent » et de « salle de mode ». On se rend bien compte qu’il n’est pas possible d’utiliser ces traductions sans les avoir modifiées et améliorées, car on perd parfois le sens et on voit qu’il s’agit d’une traduction réalisée par une machine dès la première phrase.

Google translate : 0 – DeepL : 0

 

On peut également noter que, dans plusieurs exemples ci-dessus, DeepL n’hésite pas à supprimer de la traduction cible les parties de phrase qu’il ne parvient pas à traduire. Par exemple, « A palatial Royal Suite » devient « Une suite royale » et « for rawther fancy teas » devient « pour des thés ». Le choix d’omettre les parties difficiles à traduire a surement comme but de rendre la traduction plus fluide, mais elle la simplifie, ce qui pose problème. Toutes les parties d’un texte doivent être traduites, quel que soit leur niveau de difficulté, sinon la traduction n’est pas fidèle et elle se transforme en résumé simplifié.

 

L’ergonomie

L’interface de DeepL est très semblable à celle de Google Translate. L’aspect visuel est épuré et agréable : écriture sombre sur fond blanc, pas de publicité, reconnaissance automatique des langues, traduction instantanée ; tout est fait pour faciliter l’utilisation et donner envie de se servir de ces outils. Les textes sont bien découpés, la mise en page du texte source est respectée et les textes sources et cibles sont bien alignés. On peut toutefois noter que Google Translate nous envoie directement sur la page de traduction alors que DeepL nous propose soit de « Traduire » ou de « Rechercher » un terme dans Linguee.

Impossible de les départager sur ce point : Google Translate : 1 – DeepL : 1

 

Les fonctionnalités

Google Translate propose plus de 103 langues de travail ; DeepL n’en propose pour l’instant que 7. Les deux outils fournissent différentes propositions de traduction lorsque l’on clique sur un mot. Cette option est pratique lorsque l’on souhaite modifier la traduction, mais que de nouveaux termes ou de nouvelles tournures de phrases ne nous viennent pas à l’esprit. Google Translate et DeepL nous donnent également des exemples de phrases dans lesquelles le terme est employé.

La grande différence est le Translator Toolkit proposé par Google Translate et qui permet entre autres d’importer des textes de différents formats et de les traduire avec une mémoire de traduction et/ou un glossaire.  Les traductions peuvent également être partagées. On est tout de même bien loin de l’efficacité des outils de TAO payants comme SDL Trados Studio.

Enfin, on peut regretter que l’application mobile DeepL n’existe pas encore, mais elle ne devrait sans doute pas tarder à faire son apparition.

Google Translate : 1 – DeepL : 0

 

Verdict

Google Translate : 2/8 – DeepL : 3/8

 

Il est clair que DeepL présente certains aspects révolutionnaires. Quelques essais suffisent à se rendre compte qu’il produit des traductions plus naturelles que Google Translate. On peut d’ailleurs dire que, dans le classement des outils gratuits en ligne de traduction machine, il surpasse Google Translate.

Toutefois, cet outil nécessite d’être développé davantage et d’être amélioré sur certains points comme la localisation, la typographie ou la fluidité de ses traductions. Néanmoins, même s’il se révèle un outil puissant et utile pour les utilisateurs, professionnels ou non de la traduction, il est encore loin, à mon avis, de pouvoir surpasser un biotraducteur.

 

Méfiez-vous de Google Translate

Article original en anglais Warning about Google Translate rédigé par Nikki Graham et publié sur le blog de l’auteur My Words for a Change.

Traduction en français réalisée par Emma Le Barazer, étudiante en M2, Master TSM à l’Université Lille3

 

img_3081

 

Je me retrouve souvent à réviser des textes rédigés en anglais par des locuteurs non natifs (le plus souvent par des Espagnols, car j’arrive à déchiffrer ce qu’ils essayaient de dire). La plupart du temps, j’apprécie cette activité car les sujets sont intéressants, la qualité de la langue n’est en général pas trop mauvaise, et cette tâche ne m’oblige pas trop à taper au clavier (et mes bras se reposent un peu, alors que je souffre depuis peu de troubles musculo-squelettiques).

Cette semaine, j’ai reçu deux projets de ce type, on ne peut plus différents. Le premier texte, plus long, était assez simple, mais le second comportait de longs passages dont je n’arrivais tout simplement pas à démêler le sens. Je me suis échinée à le réviser, puis je l’ai renvoyé à l’agence avec des commentaires pour demander des éclaircissements sur certains points, et de nombreuses phrases surlignées, car elles étaient non seulement incorrectes d’un point de vue grammatical, mais aussi quasi incompréhensibles.

« Des phrases grammaticalement incorrectes et quasi incompréhensibles »

Je dois être trop naïve, car l’agence a tout de suite soupçonné que quelque chose clochait. J’imaginais que le rédacteur avait simplement surestimé ses compétences en langue étrangère. Comme certaines parties du texte ne contenaient pas d’erreurs de grammaire et étaient plutôt bien rédigées, j’avais même pensé que le texte avait été rédigé par deux auteurs, pour un résultat très hétérogène. Le chef de projet, en revanche, a contacté le client final et découvert qu’il existait une version en espagnol, qu’il a ensuite passé dans Google Translate pour obtenir un résultat identique au texte qui m’avait été envoyé.

De toute évidence, le client avait espéré faire des économies en faisant faire une traduction au prix d’une révision. Malheureusement pour lui, ce procédé a eu l’effet inverse, puisque le client a dû payer pour le temps que j’ai passé en révision (même s’il m’a été impossible de livrer un produit fini et prêt à être publié étant donné la qualité déplorable du texte original), et pour une traduction.

« Le sens était parfois totalement déformé »

Cela étant dit, ce qui m’a le plus surpris dans cette histoire, ce n’est pas que le client ait essayé de s’en sortir par un tour de passe-passe (de nos jours, c’est très prévisible). Comme je l’ai mentionné, certaines parties du texte traduit avec Google Translate ne contenaient pas ou peu d’erreurs, ce qui me semblait indiquer que l’outil n’est finalement pas si mauvais, malgré ses défauts les plus criants. Mais après analyse des textes sources et cibles, il s’est avéré que ces phrases, bien que correctes, n’avaient pas tout à fait le même sens qu’en espagnol, voire que le sens avait été totalement déformé.

« Restez prudents avec les outils gratuits tels que Google Translate »

La leçon à retenir, surtout si vous êtes client, c’est de rester prudent avec les outils gratuits tels que Google Translate. Ils sont (parfois) très utiles pour se faire une idée générale d’un texte que vous ne comprenez pas, et j’y ai moi-même recouru pour des langues que je ne maîtrise pas. Mais on ne peut pas les utiliser pour des traductions professionnelles. Si vous souhaitez rendre votre texte dans une autre langue, vous n’aurez pas d’autre choix que d’engager un traducteur pour vous livrer une bonne traduction. Et oui, ça vous coûtera plus cher qu’une simple révision, bien plus cher, même. Mais, à condition de faire appel à un traducteur qui sait ce qu’il fait, le résultat en vaudra la chandelle.

 

Ce billet a initialement été publié sur un blog de Nikki Graham le 14/11/2013.