La reconnaissance vocale, future meilleure amie du traducteur ?

Par Marie Carcassès, étudiante M1 TSM

Vous n’étiez peut-être pas sans savoir qu’il y a quelques années, certains hôpitaux ont commencé à expérimenter l’usage de logiciels de reconnaissance vocale dans certains de leurs services. À l’occasion de la Paris Healthcare Week de 2018, les CHU d’Orléans et de Rennes, ont pu partager les résultats du déploiement de la reconnaissance vocale au sein de leurs établissements. Pour le CHU d’Orléans, on parle de 75 % de moins de délais de production de comptes-rendus médicaux. Pas négligeable, n’est-ce pas ?

Où est-ce que je veux en venir ? Eh bien, c’est en tombant sur ces résultats percutants que je me suis posé la question de l’intégration de la reconnaissance vocale dans la pratique de la traduction professionnelle. En effet, si en tant que traducteurs, nous sommes encore bien loin de réaliser des interventions chirurgicales, certains d’entre nous sont tout de même amenés à opérer avec la terminologie de différents secteurs techniques, médical compris. Pour certains, cela peut sembler issu de la science-fiction ou encore bien lointain. Pourtant, cette petite révolution technologique est déjà bien présente dans notre vie de tous les jours et dans une moindre mesure dans le secteur de la traduction professionnelle. En effet, l’intérêt porté à l’intégration de la reconnaissance vocale (RV) ne date pas d’hier. Certains traducteurs en font même un usage professionnel régulier.

La méthodologie de la traduction dictée assistée par reconnaissance vocale est-elle vraiment nouvelle ? Quels sont ses avantages et ses inconvénients ? Qui est le leader du marché ? De tels logiciels, sont-ils abordables ? La reconnaissance vocale pourrait-elle aussi bénéficier à l’interprétation ? J’ai mené une petite enquête pour vous.

Un retour aux sources ?

Je ne vous enseigne rien quand je vous dis que la traduction n’a pas toujours été comme nous la connaissons aujourd’hui. Autrement dit, elle n’a pas toujours été pratiquée devant un ordinateur et un clavier. Avant la révolution technologique qu’a été l’arrivée des ordinateurs, certains traducteurs se servaient de machines à écrire et pouvaient procéder selon deux méthodes : la traduction directe ou la traduction au dictaphone. Dans le premier cas, le traducteur effectue la majeure partie de sa recherche terminologique et documentaire avant de commencer le transfert linguistique. Puis, il produit et retravaille ses traductions directement à l’écrit. Enfin, s’il a besoin d’un peu plus de temps pour réfléchir, il peut facilement laisser des blancs sur une machine à écrire sans pour autant retarder toute la traduction.

Dans le second cas, le traducteur, après avoir soigneusement préparé son texte source et effectué ses recherches terminologiques et documentaires, enregistre une première traduction au dictaphone sans blancs. Puis, il transmet l’enregistrement à un copiste chargé de la retranscrire à l’écrit. Cela vous rappelle quelque chose ? C’est normal, dans la technique de la traduction dictée assistée par un système de RV, votre fidèle copiste n’est autre que votre logiciel de transcription. En soi, cette technique de traduction est très similaire à la traduction au dictaphone à la seule différence près que le copiste n’est autre que le logiciel de transcription vocale. La méthodologie existe donc déjà bel et bien.

Des avantages certes, mais pas que…

L’une des principales raisons pour laquelle les systèmes de reconnaissance vocale ont été intégrés dans le domaine de la traduction professionnelle concernait justement les gains de temps et de productivité qu’elle permet. Concrètement, un être humain parlant à une vitesse normale prononce en moyenne environ 180 mots par minute et il en écrit un peu plus de 45. Il parle 4 fois plus vite qu’il n’écrit. Ce temps, qui n’est alors plus nécessaire à la traduction, peut donc être consacré à la qualité du transfert linguistique en soi. Par ailleurs, comme tout se passe à l’oral, l’usage de la RV permet aussi de gagner en qualité de vie. Par exemple, comme vous n’utilisez plus votre clavier à longueur de journée, vous réduisez drastiquement vos chances d’être atteint du syndrome du canal carpien. Si votre dos vous fait souvent souffrir, vous poussez tout aussi bien traduire debout, assis ou encore en effectuant quelques pas si vous êtes équipés d’un casque Bluetooth ou avec un fil suffisamment long. De plus, parler sa traduction permet de prendre du recul par rapport à ce que l’on vient de produire. Cela peut permettre de répondre à quelques questions qui se posent légitimement. Ma phrase, sonne-t-elle français ? Est-elle trop longue ? Un locuteur natif, la formulerait-il de cette manière naturellement ? Enfin, un avantage considérable réside dans le fait que la RV peut permettre de rendre plus accessible le secteur de la traduction à des personnes physiquement incapables d’utiliser un clavier.

Si jusqu’ici ces avantages semblent convaincants, il ne faut pas éluder le fait que les systèmes de RV actuels présentent aussi leurs inconvénients. D’une part, la cohabitation entre nos logiciels de TAO et les logiciels de RV n’est pas toujours la plus optimisée. Ainsi, certains traducteurs dictent une première fois leurs traductions à l’oral mais finissent par avoir recours à leurs claviers pour les modifier. Ce qui peut se montrer assez contre-productif, car certains logiciels intelligents ne pourront pas apprendre de leurs erreurs et seront donc amenés à les répéter. D’autre part, comme le souligne Julian Zapata Rojas dans l’une de ses thèses, l’usage de tels logiciels n’est pas inné et peut être frustrant. Ils peuvent demander la mobilisation de compétences qui ne sont pas forcément évidentes à acquérir de manière autonome. De plus, il existe peu de formations universitaires à ces outils, ce qui influence aussi très certainement la démocratisation de leur usage.

Petit zoom sur le leader du marché développé par Nuance, Dragon NaturallySpeaking

Un peu plus tôt, je vous parlais d’un gain de temps de près de 75 % pour le CHU d’Orléans, ça vous revient ? Figurez-vous qu’ils faisaient l’utilisation du logiciel de reconnaissance vocale leader du marché, Dragon NaturallySpeaking (communément appelé Dragon) et plus précisément sa version spécialisée dans le domaine médical. Dragon est vendu comme un logiciel doté de deep learning, capable d’apprendre de ses erreurs comme le ferait un cerveau humain. Une fois que vous en avez fait l’acquisition, vous devez lire un court texte pour que le logiciel s’habitue à votre voix. Une fois cette étape passée, vous pouvez commencer à traduire et Dragon commencer à apprendre. Plus vous traduisez, plus Dragon apprendra et plus il sera performant.

Aussi profitable semble-t-il, il n’en reste pas moins un investissement considérable (comptez 699 euros pour la version professionnelle). Bien évidemment, Dragon NaturallySpeaking n’est pas l’unique logiciel de reconnaissance vocale sur le marché. D’autres existent à des prix inférieurs.

Et l’interprétation dans cette histoire ?

Jusqu’ici, l’interprétation a rarement autant bénéficié des avancées technologiques que le domaine de la traduction. On pourrait même douter de l’utilité de l’utilisation de technologies de reconnaissance vocale dans l’interprétation. C’est vrai, là où la traduction demande d’obtenir un résultat écrit, l’interprétation exige un rendu oral presque instantané. Pas très utile donc. Néanmoins, les technologies de reconnaissance vocale peuvent se révéler pratiques pour la création de corpus de contenus oraux. De véritables mines d’or sur l’usage de la langue orale (sensiblement différent à celui de celle écrite) à la fois pour les chercheurs et les interprètes souhaitant apprendre et produire des traductions fidèles au sens et à l’usage.

Conclusion

Si je devais conclure en donnant mon avis, je dirais que les progrès permis par la reconnaissance vocale aujourd’hui ne doivent pas être ignorés, bien au contraire. Ce qui manque surtout au marché, ce sont des logiciels de RV destinés à l’usage dans le secteur de la traduction professionnelle. De manière générale, des progrès technologiques restent encore à faire, certes, mais cette technologie est très prometteuse. J’ajouterais aussi que je rejoins Julian Zapata Rojas lorsqu’il affirme que la formation à cette technologie dans les cursus universitaires pourrait être bénéfique et permettre d’élargir son nombre d’utilisateurs. Indirectement, cela pourrait pousser les entreprises à développer des outils encore plus performants et adaptés.

Et vous, qu’en pensez-vous ?

Bibliographie :

Ciobanu, Dragos. « Of Dragons and Speech Recognition Wizards and Apprentices ». Consulté le 1 avril 2021. https://core.ac.uk/reader/132083845

Dragsted, Barbara, et Inge Hansen. « Exploring Translation and Interpreting Hybrids. The Case of Sight Translation ». Meta : Journal Des Traducteurs / Meta: Translators’ Journal 54, no 3 (2009): 588‑604. https://doi.org/10.7202/038317ar.

Dragsted, Barbara, Inger M Mees, et Inge Gorm Hansen. « Speaking Your Translation: Students’ First Encounter with Speech Recognition Technology » 3, no 1 (2011): 34.

InTr.co. « Et La Dictée Fut, InTr.Co ». Consulté le 23 mars 2021. https://intr.co/julianzblog/et-la-dictee-fut/.

Gaber, Mahmoud, Gloria Corpas Pastor, et Ahmed Omer. « Speech-to-Text Technology as a Documentation Tool for Interpreters: a new approach to compiling an ad hoc corpus and extracting terminology from video-recorded speeches ». TRANS. Revista de Traductología, 24 décembre 2020. https://doi.org/10.24310/TRANS.2020.v0i24.7876.

Gouanvic, Jean-Marc. « Esquisse d’une méthode de traduction au dictaphone ». Meta : journal des traducteurs / Meta: Translators’ Journal 21, no 4 (1976): 252‑55. https://doi.org/10.7202/002951ar.

Toudic, Daniel, Fabienne Moreau, et Katell Hernandez Morin. « Impact de deux approches technologiques sur un panel d’apprentis traducteurs : aide ou obstacle sur le chemin du sens ?. » Text. http://irevues.inist.fr/tralogy. Tralogy, 9 mars 2016. http://lodel.irevues.inist.fr/tralogy/index.php?id=247&format=print.

Zapata Rojas, Julian. « Traduction dictée interactive : intégrer la reconnaissance vocale à l’enseignement et à la pratique de la traduction professionnelle ». Thesis, Université d’Ottawa / University of Ottawa, 2012. https://doi.org/10.20381/ruor-5972.

DeepL Pro, à prendre ou à laisser ?

Par Archibald Marchal, étudiant M2 TSM

Ah notre bel ami DeepL, on le présente plus, l’outil de traduction automatique de Linguee est déjà bien connu. Créé en août 2017 par la filiale Linguee, il tient son nom de « deep learning » signifiant que la machine apprend avec le temps et les informations qu’elle reçoit, à l’image du cerveau humain. Fortiche non ?

DeepL est un outil qui divise les débats. Les pessimistes vous diront que la traduction automatique (TA) n’est rien d’autre que de la poudre aux yeux et qu’elle n’a aucun intérêt pour la traduction professionnelle, alors que les optimistes eux, vous diront qu’il s’agit là d’un instrument magique bientôt capable de remplacer l’humain. Essayons de nous placer du côté réaliste de ce débat. Les développeurs de DeepL eux-mêmes, ne considèrent pas leur outil comme la fin du traducteur, puisqu’on verra par la suite qu’ils collaborent avec les outils de TAO.

Selon moi, au vu des progrès de la TA depuis ces dernières années, il serait idiot de ne pas profiter de ce bel outil à notre disposition, et gratuit ! Bien évidemment, je suis d’accord pour dire que la TA ne remplacera jamais le traducteur professionnel, mais elle permet d’obtenir des résultats majoritairement cohérents en moins d’une seconde. Le gain de temps pour un traducteur est donc considérable. Sans oublier que la post-édition devient de plus en plus courante et qu’en tant que traducteur, il vaut mieux être compétent dans cette tâche et donc commencer dès maintenant à se former à la TA.

Comme vous le savez peut-être, DeepL se base sur un corpus, et ce corpus, c’est internet. Autant dire un mastodonte, regorgeant de bonnes et de moins bonnes sources. C’est pourquoi DeepL sera plus efficace pour des textes peu ou pas spécialisés. Forcément, plus on se spécialise, moins il y a de source, donc moins DeepL est performant.

Maintenant qu’on a toutes les informations en main, intéressons-nous à la version Pro de notre outil préféré. Combien coûte-t-elle ? Qu’apporte-t-elle de plus ? A qui s’adresse-t-elle ? Regardons tout cela en détail.

Tout d’abord il faut savoir que DeepL propose plusieurs forfaits :

Ce tableau proposé par le site de DeepL indique les différences entre chaque forfait. Premièrement on peut voir qu’il existe deux méthodes d’abonnement : mensuelle ou annuelle. La souscription à l’année permet alors de bénéficier de réduction non négligeable (33 %). Deuxièmement on remarque trois versions Pro différentes.

Les points communs

L’intérêt premier de la version Pro de DeepL est évidemment la protection des données. Vos clients vous ont fait signer un accord de confidentialité ? Alors oubliez n’importe quel outil de TA gratuit. DeepL Pro vous propose de la traduction automatique 100 % sécurisée, et ce, pour n’importe quel forfait.

Ensuite, sur DeepL version gratuite, vous avez un nombre de caractères limité, à savoir 5 000. Cela peut s’avérer très peu dans bon nombre de projets. Même si vous segmentez votre texte, attention aux incohérences, DeepL peut très bien vous proposer des traductions différentes pour le même terme lors de différentes recherches. Si vous mettez tout votre texte d’une traite, ce que permet la version pro, fini les incohérences !

Dernier point commun entre les forfaits : l’option formel/informel. En effet, grâce à DeepL Pro, vous pourrez choisir le ton de votre traduction.

Les différences

Vu les forfaits proposés et les divergences de prix, on s’attend évidemment à des fonctionnalités différentes.

D’abord, on constate que DeepL Pro permet la traduction de fichiers intégraux, ce qui signifie qu’à la manière d’un outil de TAO, il va rendre le fichier dans son format original, avec la mise en page originale. Néanmoins, selon le forfait, vous n’aurez pas droit aux mêmes volumes. En effet, pour la version « Starter » seulement 5 fichiers par mois, 20 pour la version « Advanced » et on monte jusqu’à 100 pour la version « Ultimate ».

La seconde différence réside dans la création de glossaires. Le forfait « Starter » ne propose la création que d’un seul glossaire, avec entrées illimitées certes, tandis que les deux autres forfaits permettent la création de « plusieurs » glossaires. Ces glossaires sont interactifs et peuvent s’avérer vite indispensables dans certains projets.

Dernière différence, et non des moindres, la possibilité d’installer un plugin sur votre logiciel de TAO. Cette option n’est disponible que pour les versions « Advanced » et « Ultimate ». Ce plugin permettra la traduction automatique dans vos segments que vous pourrez par la suite modifier à votre guise bien évidemment. Bien qu’il existe déjà des plugins dans certains logiciels tel que SDL Trados Studio, DeepL reste la référence en terme de TA et sera donc probablement plus efficace.

Les points négatifs

Malgré toutes ses belles fonctions, DeepL Pro contient son lot de points négatifs.

Par exemple, DeepL Pro n’est pas accessible pour le monde entier. En effet DeepL est une entreprise européenne et ne propose l’accès à sa version Pro que dans les pays membres de l’UE et depuis peu, à la Suisse, au Liechtenstein, aux USA et au Canada.

Ensuite, si des fichiers entiers sont traduisibles, seuls les fichiers au format .docx, .pptx et .txt le sont. On peut également ajouter les formats .htm et .html mais pour cela il faut encore payer un abonnement supplémentaire (le forfait DeepL API) à 4,99€ par mois.

De plus, si la TA nous permet de gagner un temps fou, la qualité n’est pas systématiquement au rendez-vous, et le travail de post-édition n’est pas si simple qu’il n’y parait, et peut conduire à de moins bonnes traductions finales qu’à l’accoutumée.

Le prix peut également être rédhibitoire, un abonnement professionnel pourrait s’avérer être un mauvais investissement. Il faut être sûr d’amortir son coût, attention donc à être sûr de pouvoir fréquemment utiliser la traduction automatique pour vos projets.

Bilan

Avec ses versions Pro, DeepL propose un package adapté aux besoins des utilisateurs, avec des prix et fonctions variées. Aujourd’hui, en tant que futur traducteur, je sais déjà que DeepL Pro sera un de mes premiers investissements. Reste à savoir, quelle version choisir ? Personnellement j’opterais pour le forfait « Advanced ». Je m’explique. Selon moi, le forfait « Starter » ne dispose pas de suffisamment d’arguments pour être viable sur le long terme. Sa non-intégration aux outils de TAO le rend pour moi inintéressant. Ensuite le forfait « Ultimate », qui est environ deux fois plus cher que le forfait « Advanced » ne se démarque pas suffisamment de ce dernier. Son seul avantage réside dans le nombre de fichiers entiers traduisibles, je pense qu’il s’adresse plutôt à ceux n’ayant pas d’outil de TAO ou voire même aux entreprises directement… Et comme il est difficile de survivre aujourd’hui en tant que traducteur sans utiliser d’outil de TAO, on oublie ce forfait.

Alors en 2020, avec des tarifs sans cesse revus à la baisse, l’émergence de la post-édition et les soucis de confidentialité qu’il peut y avoir, DeepL Pro apparait comme l’allié numéro 1 du traducteur professionnel, lui permettant un gain de temps considérable, et donc un gain d’argent.

Sources :

https://www.deepl.com/fr/blog/20180305.html

https://www.deepl.com/fr/pro/

#TQ2020 Biotraduction et traduction automatique : retour sur la journée d’études Traduction et Qualité du 31 janvier 2020

 

Par Oriane Briand, étudiante M2 TSM

tq2020_site

 

Le laboratoire « Savoirs, Textes, Langage » du CNRS et l’UFR Langues Étrangères Appliquées de l’université de Lille ont organisé, pour sa 7e édition, une journée d’études consacrée à la biotraduction et à  la traduction automatique. Petit bilan du cru 2020.

L’année 2020 vient à peine de commencer, une décennie 2.0 pour cette journée d’études 2.0 elle aussi, puisque l’édition de 2018 était déjà dédiée à la traduction automatique (TA), aussi appelée traduction machine.

Le programme est chargé, l’amphithéâtre est bondé en cette belle journée de fin janvier. Cette journée a pour but de redéfinir le lien entre l’humain et la machine dans le monde de la traduction, un monde qui a en effet été chamboulé par l’arrivée de la traduction automatique neuronale. La journée se découpe en trois thématiques : traduction automatique et monde professionnel, traduction automatique et métiers de la traduction et enfin analyse de la traduction automatique. Dix intervenants se sont succédé sur l’estrade, universitaires comme professionnels, et ont tenté d’apporter leurs éléments de réponse.

La traduction automatique neuronale (TAN) a fait son apparition vers le milieu des années 2010. Auparavant, d’autres systèmes étaient utilisés comme la traduction automatique statistique (TAS). Alors que pouvons-nous attendre de la TAN et comment pouvons-nous l’utiliser comme un outil pour le traducteur, et non plus le voir comme une menace, comme elle est souvent perçue ?

Le fonctionnement de la TAN n’est pas évident pour tout le monde. Les algorithmes utilisés sont complexes et mystérieux. Et pourtant, elle est partout. Elle est utilisée par des millions de personnes tous les jours et fait partie intégrante de notre quotidien comme de notre environnement de travail. Mais quelle posture faudrait-il adopter face à ce trop-plein d’intelligence artificielle ?

Tout d’abord, il faut comprendre ce qu’est la traduction automatique neuronale et surtout, connaître ses points forts et ses points faibles. Car c’est en connaissant la machine avec laquelle nous travaillons que nous pouvons en retirer le meilleur. Par exemple, la TAN est capable de produire des sorties de textes fluides, ce qui peut parfois nous  tromper et donner l’illusion d’un texte bien traduit. Or, cette fluidité se fait, par exemple, au détriment de la terminologie. C’est lorsqu’on se penche sur le résultat qu’on se rend compte que le texte produit est incorrect. C’est pour cette raison que l’utilisation de la TAN ne peut se faire sans une intervention humaine, et, si cela peut vous rassurer, ne peut supplanter le traducteur comme on peut le penser. Mais comme pour chaque nouvelle avancée technologique, il faut se former et former les générations futures. Ainsi, enseigner de manière raisonnée l’utilisation de ce nouvel outil est crucial.

Aujourd’hui, l’intervention humaine face aux résultats de productions machine existe déjà. C’est le métier de post-éditeur. Lorsque nous regardons le marché de la traduction, il existe une certaine segmentation. Chacun son rôle et les moutons sont bien gardés. Mais l’émergence des nouvelles technologies (re)pose la question de l’organisation et de la gestion du projet de traduction. Par exemple, le post-éditeur ne pourrait-il pas être plus qu’un simple post-éditeur ? Il semble logique de demander son expertise à quelqu’un qui s’y connaît, qui est sur le terrain. Alors pourquoi ne pas faire appel aux connaissances et à l’expérience de quelqu’un qui travaille avec le contenu. Il est alors possible de redéfinir ce rôle et de l’impliquer à chaque étape du projet, que ce soit dans l’analyse de celui-ci (il peut estimer les délais, définir le processus le plus adapté…) ou dans ses étapes techniques. Il est important de redéfinir le rôle du post-éditeur dans les projets de TA, mais également redéfinir la gestion de ces projets. Chaque projet est unique, les résultats de TA sont variables tout comme l’effort de post-édition qui suit, et le post-éditeur ne peut qu’ajouter une plus-value.

Car la TAN n’est pas parfaite,  aujourd’hui encore, on tente de la décrypter. Il est important de comprendre ses faiblesses, mais également d’évaluer ce qu’elle produit. Il existe plusieurs méthodes. Quelques exemples :

  • La méthode BLEU, qui consiste à comparer une sortie machine avec une traduction humaine de référence
  • L’observation du système en le manipulant : modifier le texte source et observer si le texte cible se modifie en changeant les temps, les modes, les adjectifs, etc., et son inverse.
  • La dissection du système en ouvrant sa boite noire : interroger celle-ci pour tenter de prédire le résultat.
  • L’évaluation humaine : classement des résultats (par des professionnels ou non), identification et classement des erreurs.

Plusieurs études ont prouvé un gain de temps dans l’utilisation de la post-édition de traduction automatique neuronale, mais il est possible d’améliorer ses sorties de traduction en y incorporant de meilleures données d’apprentissage. Par exemple, une manière d’améliorer ce problème de terminologie serait d’incorporer des séries de textes spécialisés. Y incorporer ses propres corpus semble pour le moment compliqué, car les systèmes sont basés sur l’optimisation des algorithmes. Or, y incorporer ces données ferait baisser ce score d’optimisation. Il faudrait alors repenser le système et lui injecter ces connaissances dès le début de processus.

Comme vous pouvez l’avoir constaté, la traduction automatique neuronale génère de nombreuses questions et suscite un intérêt dans le monde de la traduction. Ses progrès ne semblent pas près de s’arrêter et en parler permet de découvrir de nombreux angles d’approche qui se complètent. Une approche raisonnée et scientifique permet de poser un regard critique sur la machine, et de réconcilier peut-être ce qui ne semblait pas être un couple évident : l’humain et la machine.

 

Un grand merci à Joss Moorkens, Caroline Rossi, Nathalie de Sutter, Geert Benoit, Guillaume Deneufbourg, Sarah van der Vorst, François Yvon, Hanna Martikainen, Orphée De Clercq et Rudy Loock, ainsi qu’à l’université de Lille en partenariat avec le laboratoire « Savoirs, Textes, Langage » du CNRS et l’Association française des formations universitaires aux métiers de la traduction (AFFUMT).

 

La #TQ2020 a été filmée, vous pourrez la visionner dès cette semaine sur la webTV de l’université de Lille et sur le site dédié à cette journée.

Qu’est-ce qu’un chef de projet 3.0 ?

Par Camille Blanc, diplômée TSM aujourd’hui chef de projets et responsable marketing chez TextMaster

 

« Être organisé, rigoureux et savoir respecter des délais stricts », telles sont les qualités de base demandées à un chef de projet. Il faut savoir mener à bien plusieurs projets de front tout en garantissant au client le respect de ses délais et de la qualité des traductions rendues.

Rien de bien nouveau.

Sauf qu’aujourd’hui, sur le marché de la traduction, les technologies évoluent sans cesse et le chef de projet doit constamment s’adapter et se mettre à jour.

J’avais envie de partager avec vous mon expérience chez TextMaster pour illustrer les qualités demandées à un chef de projet 3.0.

 

Qu’est-ce que TextMaster ?

TextMaster est une plateforme de traduction, qui associe une interface de commande et de gestion des traductions, des solutions d’aide à la traduction (CAT) et un réseau de traducteurs experts.

C’est, pour le client, le bénéfice de commander et gérer simplement ses projets en ligne, tout en faisant appel aux meilleures technologies du marché. Il lui suffit d’ajouter son ficher source, de renseigner quelques informations, et TextMaster s’occupe du reste.

Côté traducteur, nous développons notre propre interface de travail, Catify de son petit nom, qui permet aux traducteurs de travailler sur les projets directement en ligne avec toutes les fonctionnalités dont ils ont besoin (glossaire, mémoire de traduction entre autres). De plus, ils bénéficient eux aussi d’une interface de gestion de projets pour s’organiser, gérer leurs factures et leurs paiements (réalisés dès qu’une mission est terminée).

 

Être geek (un peu) !

TextMaster prend donc le parti de gérer toute la partie technique pour laisser le traducteur se concentrer uniquement sur sa traduction. Je trouve ça très positif pour les freelances, car dans mes précédentes expériences professionnelles mes craintes quotidiennes venaient essentiellement de problèmes de conversion, de génération de fichier cible… Nous développons donc nos propres outils de traduction, et, en tant que chef de projet, c’est donc à moi de mettre les mains dans le cambouis quand c’est nécessaire, avec l’aide précieuse des développeurs. Mon rôle est de guider le client vers la solution adéquate selon ses formats de fichiers. Je suis devenue incollable en CSV, XML et autres codes improbables, qui aurait su !

Travailler pour une plateforme, c’est donc devenir un peu geek. La technologie liée à la traduction ne cesse d’évoluer, on en entend de plus en plus parler dans les médias à travers le « machine learning » notamment. En tant que chef de projet pour une plateforme, c’est presque un devoir d’être au courant de ces nouveautés, de les comprendre et d’y réfléchir pour les mettre en place et en définir les avantages et les limites.

Par exemple, les systèmes d’intégration de traductions font partie des nouveautés auxquelles j’ai dû vite m’adapter. Ce procédé permet de lancer des traductions directement depuis le site du client, sans export de données et donc sans manipulation de fichiers codés. Une fois la traduction terminée, elle est aussi réintégrée automatiquement sur leur site. En tant que chef de projet j’ai pu remarquer que les traducteurs manquaient régulièrement de contexte sur ce type de projet puisqu’une grande partie du lancement est automatisée. J’ai donc échangé avec l’équipe de développeurs pour en modifier légèrement l’interface et orienter au maximum le client vers la rédaction d’un briefing détaillé avant le lancement. Ça a été mis en place et les traducteurs ont rencontré moins de problèmes de briefing sur ces projets.

Communiquer et former

Toutes ces technologies doivent aussi être expliquées aux clients, qui sont parfois inquiets de savoir que les traducteurs n’utilisent pas seulement un dictionnaire pour traduire… Mon rôle de chef de projet est donc de leur en dire plus sur ces outils. La TAO et la traduction automatique, grandes stars des technologies de la traduction, peuvent certes représenter un réel avantage en permettant de gagner en productivité et en harmonisation mais ne peuvent pas être appliquées à tous types de projets. J’ai régulièrement dû expliquer le principe à des clients qui généralement sont curieux et compréhensifs.

Si la plateforme est un outil pour le chef de projet, elle l’est avant tout pour les traducteurs. Leurs commentaires sont donc essentiels dans le développement de notre interface : certains traducteurs sont d’ailleurs devenus des « bêta-testeurs », ils essaient chaque nouvelle fonctionnalité avant sa sortie. En tant que chef de projet, on doit recevoir et analyser ces remarques afin de les transmettre au mieux et selon leur priorité aux développeurs de Catify. J’ai l’impression de participer activement au développement d’un outil de traduction.

Rester ouvert aux évolutions

Après mes études, j’ai eu la chance d’être chef de projet dans une grande agence traditionnelle, puis dans une petite entreprise et enfin comme freelance. J’ai donc pu observer un panel d’organisations différentes et à vrai dire, je n’étais pas convaincue.

J’ai eu l’impression de passer de « maillon de la chaîne » qui reçoit et livre des fichiers sans vraiment intervenir, à un couteau suisse humain (chef de projet qui révise, met en page, traduit et gère les bugs), ce n’était pas assez ou trop pour moi.

Chez TextMaster j’ai été séduite par cette technologie en mouvement. C’est très motivant et m’a permis de développer mes compétences en communication et pédagogie. J’ai d’ailleurs saisi l’opportunité de devenir « Talent Marketing Manager », un poste qui me correspond aujourd’hui davantage puisque mon rôle est de mieux communiquer sur ces technologies et mieux informer les traducteurs.

En résumé, je pense qu’il faut briser l’image du chef de projet « rigoureux et organisé » qui n’est plus vraiment d’actualité. Evidemment, ces qualités restent utiles, mais aujourd’hui ce qui semble vraiment compter c’est d’être curieux sur les dernières technologies, de savoir les expliquer et surtout d’avoir l’esprit d’initiative, pour pouvoir proposer aux clients et aux traducteurs les meilleures solutions selon le type de projet.