Dans notre monde connecté et mondialisé, les entreprises qui envisagent de dépasser les frontières de leur pays d'origine sont fortement encouragées à envisager la localisation. De nombreuses entreprises doivent traduire leur contenu pour se connecter avec les citoyens, même dans leurs propres pays.
Puisque la langue est le point de connexion le plus fort dans un monde numérique en constante croissance, il est non seulement important de cibler un message aux bonnes personnes, mais également de le concevoir avec le ton approprié. Il faut souvent des milliers de mots pour développer une marque qui peut s'écrouler avec une seule phrase incorrecte. Il n'a jamais été plus important de localiser votre contenu et de le faire convenablement pour votre public.
Dans les communautés de localisation et de traduction, la traduction automatique (MT) est un sujet sensible depuis sa création dans les années 1940. Depuis, la technologie informatique et la puissance de traitement n'ont fait qu'augmenter son importance, maintenant que les systèmes peuvent traduire des textes presque instantanément. Mais parfois le traducteur humain est négligé dans l'équation de la traduction de la source au résultat final, alors que sans lui une grande partie de la traduction automatique brute ne serait pas exploitable.
C'est là que la post-édition de traduction automatique (MTPE) rentre en jeu, un flux de travail où la traduction automatique brute est modifiée par un traducteur humain avant la livraison finale. En théorie, la MTPE est la solution idéale à un certain nombre de problèmes rencontrés avec la traduction traditionnelle et la traduction automatique : la vitesse, le coût et l'exactitude. La traduction traditionnelle consiste d'humains traduisant un texte source dans une autre langue. Bien que ce soit la plus précise, le flux de travail est généralement plus lent et plus coûteux. La traduction automatique est beaucoup plus rapide, mais souffre de problèmes de qualité. La MTPE résout ces problèmes en profitant de la rapidité et de l'efficacité de la MT, tout en la combinant avec la précision de la traduction humaine.
Alors que la technologie de traduction a continué d'évoluer avec de nouveaux résultats comme la traduction automatique neuronale et adaptative, l'efficacité relative de la MTPE a diminué. Anthony Teixeira, un traducteur indépendant depuis plus de 12 ans, est prudent au regard de la MTPE.
« Il est tentant de penser que, parce que les moteurs de la traduction automatique produisent une ébauche, les traducteurs gagnent du temps en tapant la traduction. », nous dit Teixeira. « La vérité est que, souvent, le résultat nécessite tellement de retouches qu'il serait plus rapide de taper directement la traduction depuis le début. »
Même si le résultat de la traduction automatique est acceptable, avec seulement quelques révisions nécessaires, toute économie de temps potentielle est souvent perdue car le traducteur est obligé de comparer le texte source au résultat, comprendre le contexte, trouver ce qui cloche et écrire la bonne traduction. Les modèles de traduction automatique sont donc rarement formés, les traducteurs doivent alors noter et corriger les mêmes erreurs de la MT encore et encore.
Teixeira n'est pas le seul linguiste à avoir cet avis en ce qui concerne la MTPE. Selon leur étude indépendante, The State of the Linguist Supply Chain (l'état de la chaîne d'approvisionnement linguistique), CSA Research ont démontré que seuls 37 % des linguistes pensent que le résultat de la traduction avec lequel ils travaillent, est bon. Plus de 80 % estiment qu'il y a une telle quantité de résultats différents qu'il est très difficile de trouver une cohérence dans les projets. Puisque le résultat brut est toujours traduit par une machine, il semble souvent plus littéral que la traduction d'un locuteur natif ou qui parle couramment qui est basée sur le contexte et les émotions.
Alors, quel est l'avenir de la traduction automatique ? L'étude de CSA Research indique que 71 % des linguistes préfèrent une solution de traduction automatique adaptative, qui peut apprendre et s'entraîner grâce à un retour direct de la part du traducteur. Ce flux de travail humain se traduit par un modèle de traduction constamment actualisé, qui est plus efficace, plus rapide et plus économique que la MTPE ou d'autres méthodes de traduction.
La MTPE, en tant que concept, était correcte, dans le sens où les éléments de base du flux de travail de traduction moderne combinaient des linguistes humains avec des traductions automatiques. Mais la traduction automatique neuronale adaptative a prouvé qu'il existe un moyen plus efficace d'optimiser la compétence humaine avec l'IA et c'est là le véritable avenir de la traduction linguistiques et des services de traduction.
