Forte de 20 ans d'expérience, l'agence de traduction Lipsie a suivi de près l'évolution rapide de la traduction automatique, allant de ses débuts timides à celle actuelle. Notre engagement constant a été d'allier les progrès technologiques à l'expertise humaine pour fournir des traductions de qualité à nos clients, en proposant des délais et des coûts attractifs. En effet, nous sommes convaincus de l'importance d'accompagner nos clients dans le domaine en constante évolution des technologies de traduction allant des outils TAO (traduction assistée par ordinateur) intégrant via des API la traduction neuronale aux outils basés sur l’IA comme la reconnaissance vocale et le doublage par voix de synthèse. En ce qui concerna la traduction automatique et bien qu'elle puisse sembler une solution simple au premier abord, il est crucial de souligner que même la traduction neuronale requiert toujours l'intervention et les connaissances d'un traducteur professionnel pour garantir une traduction fluide et fidèle à la culture ciblée.
Prenons le temps de définir les termes techniques
Derrière les termes énigmatiques tels que « traduction automatique », « machine translation », « Natural language processing » et « machine learning », se cachent des concepts complexes. Le « machine learning », ou apprentissage automatique en français, confère à l’algorithme la capacité « d’apprendre » à partir de données en utilisant des modèles mathématiques et statistiques. La plupart des algorithmes de traduction automatique repose sur ce principe d’apprentissage.
Les principaux sites de traduction en ligne utilisent des algorithmes qui apprennent continuellement à partir de vastes bases de données constamment traitées et mises à jour. L’objectif de ces algorithmes statistiques est de réduire au minimum les variations et, par conséquent, les probabilités d’erreurs, afin de se rapprocher autant que possible du langage naturel. Parallèlement, l’intelligence artificielle a engendré le « Natural language processing », qui désigne la capacité d’un ordinateur à « comprendre » le contenu des documents, en utilisant les nuances contextuelles du langage. Cette technologie permet alors d’extraire avec précision les informations et les idées contenues dans les documents, ainsi que de les catégoriser et de les organiser de manière pertinente.
Ainsi, nous possédons aujourd’hui un outil puissant à exploiter pour rendre notre rythme de traduction plus efficace, tout en faisant attention à toujours conserver une qualité irréprochable. Nous tenons à préciser que la traduction neuronale représente aujourd’hui une base exploitable uniquement pour certains types de texte, notamment dans les domaines techniques et juridiques permettant de réaliser une prestation de post-édition plutôt que de traduction ; ce qui représente un gain moyen de 25%. Pour des textes d’ordre plus créatif comme les romans ou les scénarios, nous effectuons toujours une prestation de transcréation (traduction créative) qui est 100% humaine. En effet, les technologies actuelles se basant sur l’IA n’ont pas de « sens critique » et n’auront pas la capacité de transposer les jeux de mots, le second degré, unir ou séparer des phrases…
La transition dans le domaine de la traduction automatique et ses défauts
En 2018, la traduction automatique neuronale a révolutionné le domaine. Contrairement à la traduction automatique statistique traditionnelle dont les débuts datent de 1968, la traduction automatique neuronale vise à construire un seul réseau neuronal pouvant être réglé conjointement pour maximiser les performances de traduction. Les modèles récemment proposés pour la traduction automatique neuronale appartiennent souvent à une famille d’encodeurs-décodeurs et encodent une phrase source en un vecteur de longueur fixe à partir duquel un décodeur génère une traduction. L’objectif de la traduction automatique neuronale est de construire et d’entraîner un seul et grand réseau neuronal capable de lire une phrase et de produire une traduction correcte.
Cependant, malgré ses avantages, la traduction automatique neuronale présente encore des défauts notables comme nous l’avons ci-dessus évoqué. Actuellement, les machines ne peuvent traiter le langage que sur la base de sa structure, ce qui limite leur capacité à saisir les nuances culturelles, les subtilités émotionnelles, l’humour, et le sens implicite dans les langues. L’informatique quantique, avec sa capacité potentielle à prendre en compte ces éléments, représente un potentiel prometteur pour résoudre ces limitations et aborder la dimension culturelle de la langue de manière plus efficace.
La révolution de l’ordinateur quantique : vers une traduction 100% automatique ?
Les problèmes majeurs auxquels on fait à l’heure actuelle en utilisant la traduction automatique sont liés à l’ambiguïté des textes, les disparités culturelles, et la polysémie de termes. En effet, la traduction naturelle exige une expertise approfondie de diverses langues et cultures, ce qui maintient la traduction automatique en deçà des capacités humaines. Néanmoins, les ordinateurs quantiques, grâce à leur puissance de calcul supérieure, pourraient améliorer la traduction en comprenant le sens de phrases simples et complexes dans différentes langues.
Ces ordinateurs stockent les informations sous forme de qubits, des systèmes quantiques à deux niveaux, offrant des états 0, 1, ou une combinaison des deux. Le traitement quantique du langage naturel considère les phrases comme des réseaux de mots, avec des connexions et des opérateurs pour former le sens, contrairement au traitement classique qui les voit comme un simple « sac de mots » sans structure. Cependant, les ordinateurs quantiques actuels demeurent peu fiables et instables, donc encore en développement. Nous assistons aujourd’hui à une course à l’ordinateur quantique par les principaux acteurs comme Google et IBM, qui devraient très prochainement franchir la faneuse étape de la « suprématie quantique ».
En fin, la traduction automatique, malgré les progrès énormes progrès atteints grâce à la traduction neuronale, reste tributaire de l’intervention du traducteur humain en raison des nuances culturelles et émotionnelles. L’informatique quantique émerge comme une solution prometteuse et la traduction neuronale quantique devrait très rapidement permettre aux traducteurs professionnels de réaliser leurs travaux encore plus rapidement avec une plus grande précision.
Sources :
« Neural Machine Translation: A Review », Dec. 2019, Stahlberg Felix
“Towards Machine Translation with Quantum Computers », IRENE VICENTE NIETO
