Alors que les articles autour de ChatGPT foisonnent sur la toile et dans la presse, interrogeant et déstabilisant plus d’un expert, le secteur de la traduction considère ces avancées avec un relatif pragmatisme et pour cause : l’IA est venue chambouler le secteur depuis plus d’une dizaine d’années déjà. La transformation de la profession s’est faite progressivement, intégrant au fur et à mesure les avancées proposées par la traduction automatique.

Loin de nier l’immense potentiel de l’IA, les agences de traduction telles que Version internationale font le constat qu’il reste limité et en veulent notamment pour preuve que certains de leurs clients les plus matures sur le sujet restent sur des prestations de traduction/localisation classiques.

Petit rappel historique

L’histoire de la traduction automatique remonte à quelques temps déjà. Les premiers travaux de recherche s’y rapportant ont été menés pendant la Seconde Guerre mondiale pour aider les services de renseignement à comprendre les communications radio codées de l’Allemagne nazie (opération Enigma). Le rôle d’Alan Turing, dont les travaux ont posé les bases de l’informatique, y est alors déterminant. Le mathématicien ouvre par ailleurs la voie à des axes de recherche dont s’inspireront les Américains par la suite.

Malgré l’intérêt fondamental que présente le premier système de traduction automatique, développé en 1954 par l’équipe russo-anglaise de Yehoshua Bar-Hillel et ses collègues de Harvard, le résultat demeure assez décevant. Il repose à cette époque sur un système mot pour mot, sans structure syntaxique. Des années 1950 à 1960, de nouvelles pistes sont étudiées, mais les résultats ne sont pas non plus satisfaisants. Ce système de traduction perdant un peu de son intérêt, les recherches sont délaissées pour ne reprendre significativement qu’au début des années 90. Les nouvelles approches reposant sur l’utilisation de modèles statistiques, de réseaux de neurones artificiels et d’apprentissage profond vont permettre un bon déterminant pour l’industrie de la traduction.

État de l’art et avenir de la traduction automatique

Si les systèmes de traduction automatique se sont construits sur des modèles statistiques reposant sur de petites quantités de données, l’apport de corpus volumineux et l’arrivée d’ordinateurs de plus en plus puissants ont notamment permis le développement de trois grandes techniques :

1. La traduction neuronale : il s’agit d’une technique de traduction automatique basée sur des réseaux de neurones artificiels. Cette approche est capable de comprendre des nuances et des contextes plus subtils par rapport à la traduction automatique statistique. La traduction neuronale est actuellement l’une des techniques les plus prometteuses et devrait continuer à évoluer dans les années à venir.
2. L’intelligence artificielle : l’utilisation de l’IA dans la traduction automatique permet de résoudre des problèmes de traduction plus complexes en utilisant des algorithmes d’apprentissage machine (Machine Learning). Les systèmes basés sur l’intelligence artificielle peuvent apprendre à traduire en examinant des millions de phrases et de textes, améliorant ainsi le niveau de qualité des traductions avec le temps.
3. L’apprentissage profond : aussi appelé Deep Learning, cette technique d’apprentissage automatique, reposant sur l’IA, permet aux ordinateurs d’apprendre à reconnaître des modèles complexes en utilisant des réseaux de neurones artificiels. Cette technique est très utile dans la mesure où elle permet à l’ordinateur de « comprendre » les nuances et les subtilités linguistiques en apprenant notamment de ses erreurs. Ainsi, plus la machine est entraînée, plus elle est performante.

On sait pertinemment que l’ensemble de ces systèmes est en train de révolutionner le monde de la traduction comme celui de bien d’autres secteurs, dépassant de fait la sphère professionnelle.

Pour ne parler que de ChatGPT, qui défraie actuellement la chronique, nous voyons que son utilisation peut potentiellement remodeler nos habitudes de travail jusqu’à devenir dans certains secteurs un compagnon du quotidien. Il en a été de même avec les outils de traduction automatique pour les linguistes ces dernières années.

La question de l’usage que l’on en fait est centrale et nous interroge notamment sur les enjeux fondamentaux de qualité. En effet, si l’IA nous fait gagner du temps, elle n’est pas (encore) en mesure de l’assurer pleinement.

Pour rester sur le terrain de la traduction, nous savons pertinemment qu’aucune traduction automatique ne peut être livrée sans, a minima, une étape de révision (chez Version internationale, nous en réalisons généralement deux). Nous savons aussi que certains contenus ne peuvent pas être pris en charge par la traduction automatique. Dès lors que le contexte, la dimension culturelle, le ton, le style ou l’esprit ne saura être retranscrit par la machine, seul l’humain sera en capacité d’intervenir pour répondre aux objectifs.

Pourquoi certaines entreprises de la tech n’ont pas recours à la traduction automatique ?

Nous travaillons depuis cinq ans pour l’un des GAFAM et n’avons jamais eu recours à la traduction automatique pour ce client, pourtant à l’origine du grand modèle de langage OPT-175B capable d’automatiser des chabots, d’écrire des fiches produits et de traduire des textes.

Alors pourquoi ?

Parce que ce client accorde une importance majeure à la qualité et à la cohérence de ses contenus. Parce que la terminologie est reine et que les linguistes qui travaillent sur ce compte sont formés et rompus au jargon interne. Parce que ces mêmes linguistes échangent et co-construisent la meilleure version de langage possible pour être en adéquation avec l’intention et être pertinents dans leurs propos. Ces subtilités, la machine ne peut pas les restituer.

Les traductions automatiques manquent souvent de précision et de cohérence, et génèrent par ailleurs des erreurs grammaticales et syntaxiques pouvant compromettre la compréhension du texte traduit. Dès lors que l’on souhaite maîtriser la genèse de la traduction en tenant compte de règles préétablies très strictes, il est logique de voir les entreprises les plus exigeantes s’orienter vers une traduction 100 % humaine. En effet, la version générée par la machine peut, dans une certaine mesure, orienter ou corrompre un contenu.

Rappelons que d’autres raisons conduisent à un désengagement vis-à-vis de cette solution :

Les entreprises ont besoin d’adapter leurs contenus à des cultures spécifiques pour communiquer efficacement avec leurs clients et partenaires dans d’autres pays. À la différence d’un linguiste natif, la traduction automatique ne sait pas saisir toutes les nuances culturelles ou contextuelles pour réussir cette adaptation.

Globalement, les expressions idiomatiques ou les constructions linguistiques inhabituelles nécessitant une compréhension fine de la langue et du contexte ne savent être correctement traduites.

L’écriture plus créative relative à des contenus de type marketing ou littéraire, ceux qui intègrent des traits d’esprit, d’humour, ou des métaphores, ne doit pas être soumise à la traduction automatique. Il n’est pas question de perdre l’intention de l’auteur d’un texte lors de sa traduction par la machine. Tout l’art du linguiste réside précisément dans cette fine capacité à jouer avec les mots dans sa propre langue. De manière plus pragmatique, il en va de votre image de marque et de votre capacité à mobiliser vos cibles avec finesse et respect.

Traduction automatique et confidentialité

Autre point bloquant pour qui est intraitable sur la question de confidentialité : le manque de visibilité sur ce qu’un outil de traduction automatique est capable d’assurer en matière de sécurisation des données. Projets confidentiels, informations sensibles, savoir-faire spécifique, on ne sait pas précisément comment les contenus fournis à la machine sont protégés. Ils partent dans « un grand néant » et il existe de fait un risque réel de violation de la confidentialité des contenus traduits par la machine.

Cet aspect motive pour beaucoup le choix de ne pas laisser leurs sources à un outil de traduction automatique et de vérifier les règles de protection proposées par les entreprises de traduction. Confrontées à une grande quantité de contenus qui transitent dans leurs systèmes, ces dernières sont souvent performantes en matière de protection des données.

Le coût de la traduction automatique versus celui de la traduction humaine

Bien entendu, la question du coût et de la vitesse de traitement constitue un argument recevable afin d’opter pour la traduction automatique. Le tout est de savoir ce que l’on veut.

Les résultats d’une traduction automatique post-éditée puis éditée par deux linguistes peuvent être satisfaisants dans la majeure partie des cas. Cependant, même si la qualité est au rendez-vous, n’oublions pas que le document source n’a pas été traduit intégralement par un linguiste : sa touche personnelle, sa sensibilité et son expérience sont absentes. La machine produit un texte selon un système algorithmique qui n’est bien entendu pas aussi subtil qu’un cerveau humain. Il semble indéniable que nous perdons quelque chose : la machine oriente le travail d’un point de vue stylistique, qui n’est pas forcément celui qu’aurait choisi le linguiste.

Il en est de même pour le rédacteur qui passe par ChatGPT. Le premier jet ne lui étant pas propre, son travail est fondamentalement différent que s’il en avait été lui seul à l’origine.

Concernant le prix, bien que la traduction automatique soit utilisée pour créer la première version d’un texte, et donc faire peu ou prou la moitié du travail, cela ne veut pas dire que le prix sera diminué de moitié, des linguistes devant tout de même intervenir pour livrer un texte de qualité.

Pour que le résultat soit soigné, un premier linguiste post-édite le contenu en confrontant source et cible, vérifie l’adéquation et la cohérence de la traduction, retravaille le style et applique la terminologie de mise. Un second linguiste effectue une révision en confrontant source et cible, vérifie que rien n’a été oublié, que les consignes sont respectées et que le sens y est. On estime parfois opportun qu’un troisième linguiste intervienne. Dans ce cas, il ne travaille que sur le texte cible.

Pour un linguiste, le travail de post-éditeur est fondamentalement différent. Certains aiment l’exercice, d’autres moins. On peut aisément comprendre ce point de vue. En revanche, il apparaît au regard du contexte actuel qu’il ne saurait passer outre.

En conclusion

Bien que les marges de progrès de la traduction automatique se réduisent au fil du temps pour offrir un résultat plus qualitatif, les défis restent nombreux. Le rôle des linguistes, tout en évoluant, demeure indispensable. Le temps d’une traduction de qualité 100 % machine est encore loin.

Arrivera peut-être le temps où il sera compliqué de distinguer l’humain de l’artificiel. Il faudra peut-être même payer pour le détecter. Les récentes polémiques dans le domaine de l’enseignement avec le recours à ChatGPT introduisent assez clairement le malaise. Confierons-nous tout à l’IA pour ne plus rien produire ? Ce serait nier l’apport de l’individu, notamment sa créativité toute singulière, l’expression même de sa personnalité, en somme, tout ce qui fait que nous sommes uniques et que notre valeur l’est tout autant.

Quid des contenus engagés, des traits d’esprit, des démarches artistiques, de folies assumées et de la liberté inconditionnelle ?

La valeur ajoutée relève toujours de l’humain. Qu’il s’agisse ici de traduction ou de rédaction, le rôle de l’intelligence artificielle s’arrête là où commence celui de l’esprit, qui, pour l’instant, reste bien l’apanage de l’humain.