Lilt Labs | Rapprocher la recherche et la pratique de la traduction

Améliorer la performance des traducteurs avec l'IA : un récapitulatif de LocWorld

Rédigé par Drew Evans | 28 août 2020 07:00:00

Alessandra Binazzi a vu ce que des programmes de localisation solides peuvent accomplir et sait ce qu'il faut pour y parvenir. Après tout, en tant que responsable de la localisation mondiale chez ASICS Digital, elle sait comment développer une marque mondiale et s'étendre à de nouvelles localités et régions. 

Récemment, Binazzi s'est entretenu avec le cofondateur et directeur scientifique de Lilt, John DeNero, à LocWorldWide42, le nouvel épisode de la série de conférences de LocWorld. La conférence virtuelle de cette année s'est concentrée sur l'engagement des utilisateurs mondiaux et l'importance de l'expérience de l'utilisateur. 

 

Aller au-delà de la qualité acceptable

Pour lancer la conversation, DeNero a parlé du paysage actuel de la traduction automatique et de la localisation, de ce qui lui manque et de son évolution. Et bien que la traduction automatique ait fait beaucoup de progrès, son résultat brut laisse encore place à l'erreur. 

C'est pourquoi de nombreuses entreprises se tournent vers la post-édition de traduction automatique (MTPE), mais bien qu'un linguiste humain soit désormais impliqué dans le processus, des problèmes de qualité subsistent. Le linguiste ne fait que réparer ce qui est déjà cassé et, par conséquent, la traduction ressemble à la traduction automatique originale. En fin de compte, les entreprises ne recherchent pas une qualité acceptable. Elles ne recherchent certainement pas des projets retardés en raison de ces problèmes de qualité. 

Le système de traduction automatique human-in-the-loop, en revanche, s'améliore avec le temps et avec chaque mot traduit. Le linguiste accepte ou rejette une suggestion, ce qui entraîne le système et améliore sa précision. Le résultat de ce processus est une efficacité accrue du traducteur (ne pas avoir à corriger les mêmes erreurs encore et encore) et une meilleure qualité de traduction au fil du temps.

 

Human-in-the-Loop : en action

Binazzi a vu les résultats de première main lorsqu'elle a décidé de faire appel à Lilt pour l'aider dans les efforts de localisation d'ASICS Digital. L'écosystème numérique, en charge du commerce électronique, des applications de fitness, du marketing numérique mondial, etc., passait trop de temps à traduire les descriptions de produits. 

Pour poursuivre sa croissance, ASICS s'est fixé pour objectif d'ajouter deux nouveaux paramètres régionaux : le polonais et le portugais. Pour mettre ces langues à niveau, ils devaient localiser quatre saisons de descriptions de produits, soit environ 4 fois la quantité normale de contenu. Pour un processus de localisation traditionnel, cela ne serait pas possible, ils étaitent déjà en retard par rapport au texte, alors comment pourraient-ils quadrupler le résultat normal ?

Au lieu de cela, ils ont décidé de s'associer à Lilt, et les résultats ont été immédiatement clairs : une économie de 70 % des coûts, une amélioration de 60 % de la vitesse d'exécution, tout en conservant la même qualité que les traducteurs humains

 

Vers l'innovation

L'équipe d'ASICS Digital cherche toujours à aller de l'avant et ne se repose pas sur ses lauriers. Ils cherchent à continuer d'optimiser les processus en interne afin de pouvoir se concentrer sur l'amélioration des temps de réponse et des lancements de produits plus fluides, et de se tourner vers plus d'automatisation et d'innovation afin de ne pas avoir à se soucier des détails. 

« Lilt a coché une case d'innovation très importante pour nous, et nous en sommes très fiers », a déclaré Binazzi. « Nous voulons continuer à innover et nous comptons sur Lilt pour fournir davantage de ces solutions à l'avenir. »

• • •

Si vous souhaitez regarder le panel complet de LocWorldWide42, consultez la discussion sur notre chaîne YouTube ici. Vous voulez une qualité, une cohérence et des vitesses de livraison supérieures ? Améliorez la performance vos traducteurs avec un flux de travail de localisation adaptatif et d'human-in-the-loop en de demandant une démonstration dès aujourd'hui.