Cependant, il y a des effets pernicieux au fait de rester sur d'anciens processus alors que ceux qui vous entourent évoluent. Les équipes de localisation sont souvent écartées des phases initiales mais critiques de planification et de développement. L'internationalisation des logiciels, des documents juridiques et des piles d'ingénierie sont l'une des dernières considérations par opposition à l'une des premières. Le contrôle d'un seul document juridique pourrait être bloquer un plan de lancement sur le marché, et ce pendant des mois.
Le travail est plus facile et plus efficace en augmentant la traduction humaine avec la traduction automatique (MT). C'est un type de technologie qui est conçu pour travailler avec les traducteurs, pas contre eux, ce qui stimule des gains de productivité illimités. Ce n'est pas une question de choix entre (humain) et (machine). Une approche human-in-the-loop de la traduction sera omniprésente pour les entreprises dans les prochaines années, car c'est tout simplement le modèle le plus efficace. La traduction humaine est laborieuse. Les méthodes automatiques sont rapides, mais sacrifient la qualité. Le modèle hybride de la machine et de l'humain est sans conteste la meilleure solution pour la qualité, la rapidité et le coût.
Au cours de conversations avec des professionnels de la localisation, nous avons rencontré de fausses idées préconçues sur le fonctionnement de la traduction automatique et des façons spécifiques de l'utiliser. Il est difficile de penser aux nouvelles applications et aux flux de travail lorsque les capacités d'un système ne sont pas claires. Voici quelques vieux sujets dont nous entendons parler toujours lors de nos conversations, ainsi que de nouvelles perspectives qui vous permettront d'obtenir de meilleurs résultats pour vous et votre équipe.
Ancien : nous évaluons le meilleur « moteur » pour le type de contenu X.Il est naturel de vouloir évaluer ce qui est « sous le capot » lors de la comparaison des outils, mais l'examen minutieux entre différents systèmes de traduction automatique est contre-productif. Google Translate, Amazon Translate, Microsoft Translator Hub : tous ces systèmes utilisent tous une variante du même algorithme. Il n'y a pas de grande différence entre les variantes, alors il est inutille de les évaluer de près.
Nouveau : nous développons une stratégie de segmentation de données pour l'entraînement de la traduction automatique.Ce qui distingue un système de traduction automatique d'un autre, c'est la façon dont vous l'avez entraîné sur vos données. Un système de traduction automatique algorithmique entraîné sur un domaine spécifique est beaucoup plus efficace qu'une approche généraliste, donc la segmentation de vos données est instrumentale. Concentrez-vous sur l'application d'un système de traduction automatique adaptatif sur l'ensemble de vos domaines et divisez vos données entre eux, plutôt que de travailler avec une grande mémoire de traduction (TM). En outre, l'adaptation est hautement efficace sur les variantes de langues (comme le français canadien et le français européen), et devrait donc être intégrée à votre matrice de données.
Ancien : nous évaluons la traduction automatique sur le contenu de faible valeur.Les entreprises essayent souvent des systèmes de traduction automatique sur un contenu à faible risque ou qui n'est pas prioritaire comme une sorte de test de précaution. Cette approche sans risque signifie que l'on s'appuie sur une TM pour faire la majorité du travail de préparation des prédictions, ce qui est une mauvaise utilisation de la technologie de la traduction automatique.
Nouveau : nous avons un plan d'un à deux ans pour que la traduction automatique touche tous les mots que nous traduisons.Les organisations avant-gardistes réalisent que les systèmes de traduction automatique deviendront bientôt omniprésents dans le secteur de la localisation. Les équipes ont des résultats ayant un impact et réalisent le plein potentiel des capacités de la traduction automatique, en l'utilisant avec un contenu hautement prioritaire dès le début. Créez un plan stratégique pour produire tout le contenu localisé par l'intermédiaire d'une MT, plutôt que de le segmenter dans des cas d'utilisation spécifiques qui ne génèrent pas de résultats commerciaux.
Ancien : nous demandons une rémise à notre prestataire de services.Il y a peu d'opportunités de gains de productivité avec les processus de traduction traditionnels, donc les entreprises utilisent les négociations de taux pour tirer parti des prestataires de services linguistiques (LSP). C'est tout ce avec quoi ils ont à travailler. Ces remises de tarifs finissent par avoir un impact sur les traducteurs, qui doivent soit travailler pour moins que leur tarifs normal ou risquer tout simplement leur emploi avec le fournisseur.
Nouveau : nous créons un plan pour monétiser la productivité de la traduction.Les entreprises devraient voir la traduction automatique neuronale comme un moyen de gagner en efficacité et en productivité. La vitesse de la traduction, la précision et les processus de mise sur le marché plus rapides sont tous mesurables. Au lieu de rechercher des remises de tarifs sur les méthodes désuètes, stimulez vos équipes en cherchant des moyens de rendre leur travail plus rapide, meilleur et plus efficace. Vous allez avoir des résultats quantifiables, plutôt que de bénéficier d'une réduction de tarif arbitraire.
Ancien : nous ajoutons un « moteur » dans notre pile de TMS.Les systèmes de traduction automatique ont des applications dynamiques et avancées, mais les anciennes piles de localisation d'entreprise ont de minces connecteurs pour ces dernières. Cette configuration limite l'utilisation complète d'un système de traduction automatique et il y a deux problèmes principaux avec cette ancienne approche :
1) Elle n'est pas interactive. Cette approche traite la MT comme une MT de sauvegarde. Si les correspondances de la TM ne sont pas disponibles, un système de traduction automatique fournira une suggestion comme point de départ pour le traducteur. Les équipes perdent les gains de productivité offerts par la MT, car elles sont prises au piège dans les flux de travail de post-édition.
2) Vous restreignez les informations provenant des données. Beaucoup de TMS sont uniquement configurés pour l'importation de données. Ou, s'ils exportent des données, c'est périodiquement, par exemple, lorsqu'un projet est terminé. Cette approche limite le taux et le degré d'adaptation possibles.
Nouveau : nous reconcevons notre pile de localisation en fonction de la traduction automatiquePréparez-vous à ce que les systèmes de traduction automatique touchent tous les contenus qui passent par votre base de données, plutôt que les considérer comme un complément d'une TM. Organisez votre pile en fonction de la MT, et vous serez à l'avant-garde de votre processus de traduction et profiterez pleinement de toutes les précieuses informations que vos données ont à offrir. Traitez-la comme votre système d'exploitation principal, et elle fonctionnera comme tel.