Si la traduction est un métier qui ne peut se passer de l’humain, depuis plusieurs années de nombreux outils et technologies d’aide à la traduction ont vu le jour. Avec l’apparition de la traduction neuronale, l’intelligence artificielle a fait son entrée par la grande porte dans le secteur. Nous vous proposons ainsi dans cet article de retracer l’évolution des technologies de traduction, aujourd’hui indispensables pour optimiser votre budget de traduction, accélérer votre time-to market et gagner en productivité.

1 – Du 100% Humain aux premières mémoires de traduction

La traduction fait sans doute partie des plus vieux métiers du monde. De l’Egypte antique à nos jours, interprètes et traducteurs ont toujours existé, car les hommes ont toujours eu besoin de communiquer entre eux.

Mais à l’origine, seule la connaissance humaine permettait de traduire un texte. Les traductions étaient réalisées “à la main”, par des humains polyglottes, qui n’avaient que leur matière grise pour réussir à transmettre l’essence d’un texte dans une langue étrangère. Un processus que l’on peut résumer en trois étapes :

  • D’abord, l’humain doit prendre connaissance du texte et le comprendre : c’est la phase de compréhension
  • Ensuite, il doit se détacher des mots employés pour ne conserver que le sens et l’essence du texte : c’est la phase de déverbalisation
  • Enfin, le traducteur doit réécrire le texte dans la langue cible : c’est la phase de réexpression.

Fort heureusement, au cours du 20e siècle, des outils informatiques ont permis d’aider les traducteurs dans leur exercice. La première étape est celle de la Traduction Assistée par Ordinateur (ou TAO). Appelés CAT-tools dans le jargon de la traduction, ces outils permettent notamment de segmenter les textes automatiquement ou encore d’enregistrer les segments de textes traduits pour les réutiliser dans d’autres travaux. C’est la naissance de la mémoire de traduction.

Outil de TAO

2 – Les premiers moteurs de traduction automatique et les Google Translate Fails

Il faudra attendre la fin des années 1950 pour que les chercheurs commencent tout juste à s’intéresser à la traduction “informatique”. Pour en savoir plus sur les prémices de la traduction automatique, nous vous invitons à consulter ce document en ligne qui retrace les premiers intérêts des linguistes français pour le sujet.

Puis, avec l’avènement de l’informatique à la fin des années 90, le sujet semble prendre à nouveau de l’ampleur. Les premiers moteurs de traduction automatique voient le jour et sont basés sur des règles linguistiques spécifiques à chaque langue. C’est la Rule-Based Machine Translation. Les règles sont censées décrire le comportement d’une langue en matière de syntaxe, de grammaire ou encore de sémantique. Une phrase en français est donc découpée puis reproduite dans une langue cible en fonction des règles de celle-ci.

Rule-Based Machine Translation

C’est loin d’être parfait, et cela donne lieu à des traductions parfois très improbables… Il vous suffit de rechercher “google translate fails” pour obtenir des milliers d’exemples plus ou moins cocasses.

Par la suite, les moteurs de traduction automatique évoluent et emploient de plus en plus une approche statistique. Le principe est que la traduction est réalisée grâce à des modèles statistiques, alimentés en corpus bilingues. C’est la Statistical Machine Translation. Elle est aujourd’hui utilisée par les principaux moteurs de traduction automatique en ligne. La traduction, instantanée, est toujours approximative mais de plus en plus performante, et à défaut de traduire parfaitement un texte vers une langue cible, elle a le mérite d’en permettre la compréhension globale.

3 – La traduction automatique 3.0 : cloud et machine learning

Aujourd’hui, la grande tendance du domaine de la traduction est à l’association entre l’humain et la machine. Les technologies récentes ont un objectif : améliorer la complémentarité entre les traducteurs humains et les technologies de traduction, pour plus d’efficacité (et moins de barrières de langage !).

Les mémoires de traduction sont hébergées dans le Cloud. Les segments de textes précédemment traduits par l’humain sont enregistrés, proposés automatiquement aux traducteurs dans les outils de TAO, et les mémoires de traductions sont enrichies en temps réel (et potentiellement par différents traducteurs).

Par ailleurs, la traduction automatique fait partie des sujets de recherche en vogue. La traduction est en effet l’un des domaines dans lesquels l’intelligence artificielle s’applique le mieux. Les moteurs de traduction automatique sont enrichis au fur et à mesure des traductions, et peuvent être entraînés spécifiquement sur certains domaines ou secteurs d’activité pour une plus grande précision.

 

L’évolution des technologies de traduction pose donc deux questions majeures : d’abord, jusqu’à quel niveau de précision et de fiabilité les moteurs de traduction peuvent-ils évoluer ? Par ailleurs, le métier de traducteur est-il mis en péril par les technologies de traduction ?

En fait, il n’existe pas à proprement parler d’opposition entre traducteurs humains et technologies de traduction : les deux sont complémentaires, et les traducteurs ont appris à s’appuyer sur des technologies performantes pour améliorer leur productivité et la qualité de leurs travaux. Ce modèle hybride est de plus en plus plébiscité (par les traducteurs et par les entreprises qui font appel à eux), car il permet à la fois d’augmenter la productivité et donc de réduire les coûts et délais de livraison des traductions, mais aussi d’assurer leur cohérence et leur qualité.

L’amélioration constante des systèmes d’intelligence artificielle utilisés dans le domaine de la traduction laisse entrevoir encore de nombreux progrès, et donc des traductions toujours plus pertinentes.

Pour en savoir plus sur les bénéfices de l’association entre technologie et humain dans le domaine de la traduction, téléchargez notre guide !

Comment la technologie peut vous permettre d'accélérer à l'international

Vous aimerez aussi
Faits & chiffres