Au cours de ces dernières décennies, la traduction automatique moderne s'est de plus en plus améliorée. Depuis ses débuts dans les années 1940 jusqu'à ses améliorations contemporaines, la traduction automatique a connu beaucoup de changements. À mesure qu'elle s'est améliorée, cependant, les questions relatives à ses capacités ont été soulevées à plusieurs reprises.

Dans notre récent webinaire, l'avenir de la traduction automatique, le PDG de Lilt, Spence Green, a parlé des origines de la traduction automatique, son état actuel, et des nouveaux développements et améliorations auxquels nous pouvons nous attendre à l'avenir.

L'avenir de la traduction automatique n'est pas aussi net qu'il peut sembler et l'importance de l'implication humaine est cruciale. Chez Lilt, nous savons à quel point les traducteurs sont importants et nous avons développé notre écosystème pour leur fournir les outils dont ils ont besoin pour être plus efficaces que jamais. Après tout, il y a une raison pour laquelle plus de 70 % des traducteurs préfèrent travailler avec un système qui améliore leurs capacités au lieu de simplement modifier un contenu traduit.

Spence a tout d'abord pris du recul pour mieux comprendre l'histoire de la traduction automatique et comment nous en sommes arrivés là. Les recherches sur la traduction automatique ont commencé dans les années 1940, bien que ce ne soit pas ce à quoi vous pourriez penser. Initialement, la recherche a porté sur la rédaction de règles linguistiques sur la manière de traduire d'une langue à une autre. Bien que les résultats se révèlent relativement précis (en fonction de la représentation linguistique), il y a trop de phrases au monde pour que ce processus manuel soit possible.

Les années 1980 ont généré plus de puissance informatique, et IBM a commencé à développer des systèmes qui pouvaient apprendre des règles à partir de données bilingues. Par la suite, la traduction automatique s'est axée sur des systèmes basés sur des phrases, au lieu de la traduction mots à mots, il s'agissait de morceaux de texte. Aujourd'hui, nous sommes sur des réseaux neuronaux qui peuvent prendre beaucoup plus de paramètres en compte pour traduire des données.

La qualité de la traduction automatique brute s'est beaucoup améliorée au fil des années. Mais pour les entreprises, le résultat brut ne garantit pas la qualité. Google Translate, par exemple, est rapide et à un prix abordable, mais a un résultat brut de qualité inférieure. Il est généralement utilisé dans des situations où la rapidité et le coût sont les principales considérations plutôt que la qualité. Par exemple, avec une entreprise qui doit traduire d'énormes quantités de contenu généré par l'utilisateur. Les utilisateurs d'Airbnb ne s'attendent pas à ce que les traductions soient parfaites pour une publication de liste de logements. Souvent, le texte source n'est pas parfait pour commencer, donc le résultat de la traduction automatique brute des systèmes comme Google Translate peut être acceptable.

La traduction automatique et le flux de travail de la post-édition :  le contenu est traduit puis modifié par un linguiste.

Mais elle est toujours moins fonctionnelle pour le contenu plus professionnel, comme la documentation financière, les informations sur les produits, la loi, etc. La traduction automatique et sa post-édition (MTPE) ajoutent une étape de révision humaine après que le système de la traduction automatique a terminé ses traductions. Bien que ce soit relativement abordable, il s'agit d'un processus beaucoup plus lent que la traduction automatique brute et la qualité peut toujours en souffrir. En plus de cela, la MTPE est un processus qui déplaît fortement aux traducteurs, puisqu'ils signalent trouver le travail insatisfaisant.

La recherche sur le sujet soutient cette affirmation. Dans une étude réalisée par CSA Research, 89 % des traducteurs disent qu'ils préfèrent traduire du texte plutôt que de modifier une traduction automatique brute. Et, bien que la qualité des traductions de la MTPE soit utilisable, elle semble souvent plus littérale, puisque la traduction de base est toujours créée par une machine. Et puisque les humains modifient le résultat brut, la traduction automatique ne représente pas un gain d'efficacité pour les traducteurs, car les modèles de traduction automatique ne s'améliorent pas au fil du temps selon la contribution du traducteur, ils ne le font que lorsque les modèles sont manuellement mis à jour.

Donc, si ce n'est pas la MTPE, quel est l'avenir de la traduction automatique ? Chez Lilt, nous croyons fermement que l'IA augmentera, sans remplacer, les traducteurs humains. Bien que les machines soient douées pour automatiser les tâches répétitives, elles ne traitent pas aussi bien les tâches complexes. Des tâches complexes qui consistent à inclure un raisonnement, un contexte et l'intégration d'informations de nombreuses sources de connaissances différentes, c'est là où les humains excellent, et où l'on voit le plus clairement l'écart entre l'ingéniosité humaine et la capacité des machines.

L'objectif a déjà commencé et continuera à se tourner vers l'IA avec l'« human-in-the-loop », un système où la boucle des retours humains vers la machine, aide à améliorer le résultat au fil du temps. Il existe déjà beaucoup d'exemples de systèmes d'IA avec une implication humaine dans le monde réel, de l'automobile à la médecine en passant par l'aérospatiale. 

La traduction automatique adaptative de Lilt prend en charge les retours humains pour entraîner et mettre à jour les systèmes.

Ce schéma montre le système de traduction. Le modèle est d'abord entraîné avec les données de référence et de traduction client. Une fois que le moteur fournit des suggestions de traduction, le linguiste humain peut réviser et fournir des retours immédiats. Ces retours mettent ensuite à jour le moteur pour les suggestions de traductions à venir, et ainsi de suite. 

Le résultat ? Les réponses à venir sont plus précises puisque basées sur un modèle constamment mis à jour, offrant des améliorations en termes d'efficacité aux traducteurs lorsqu'il s'agit à la fois de qualité et de vitesse. Selon la même étude de CSA Research, 71 % des linguistes préfèrent travailler avec un système de traduction automatique adaptatif comme Lilt plutôt que d'éditer de la traduction automatique brute. 

Si vous souhaitez en savoir plus sur l'avenir de la traduction automatique, les services de traduction et comment l'IA avec un human-in-the-loop a déjà un impact sur les systèmes du monde entier, visionnez ce webinaire à la demande ici. Découvrez les autres informations de Spence et comprenez comment projeter votre entreprise dans l'avenir avec la bonne solution de traduction automatique adaptative.