Evolution de la technologie de traduction automatique

L’évolution de la technologie de traduction automatique est aujourd’hui considérable. Cette thématique interdisciplinaire – combinant linguistique, informatique, intelligence artificielle -, s’est beaucoup accélérée et a fait maints progrès ! De systèmes de traduction automatisés basés sur des règles, nous sommes parvenus à des approches plus complexes et abouties – notamment l’apprentissage automatique et les réseaux de neurones. Que ce soit pour faciliter la communication entre les personnes de différentes langues et cultures, améliorer la productivité, la personnalisation… La traduction automatique a de nombreux avantages. Toutes ces avancées ouvrent de nouvelles perspectives et transforment la manière dont nous accédons à l’information, interagissons et partageons du contenu à l’échelle mondiale.

Ainsi, quels sont les progrès, évolutions en la matière ? En quoi l’évolution de la technologie de traduction automatique est-elle clé dans un environnement professionnel toujours plus international ? Quels sont ses avantages ? Dans cet article, nous parlerons de l’évolution de la technologie de traduction automatique, ses applications actuelles et les défis qu’elle doit encore relever.

Essor de l’apprentissage automatique et traduction automatique

Chez Authôt, spécialiste en speech-to-text, la technologie de reconnaissance automatique de la parole est centrale. De ce fait, nous nous intéressons grandement aux avancées technologiques plus ou moins associées, comme celles de  la traduction automatique. En quelques mots, selon IBM, la reconnaissance automatique de la parole (RAP) – ou reconnaissance vocale -, se présente comme un outil, une « fonctionnalité qui utilise le traitement du langage naturel pour transcrire la parole humaine dans un format écrit ». C’est en travaillant sur le traitement du langage qu’elle est proche de la traduction automatique.

Cependant, comme l’indique AWS Amazon, la traduction automatique est le « processus qui consiste à utiliser l’intelligence artificielle pour traduire automatiquement un texte d’une langue à une autre – sans intervention humaine ». Ainsi, bien que ces deux technologies soient différentes, elles se ressemblent, en termes de développements, de recherches, d’avancées. Leur dénominateur commun est le concept et processus de l’apprentissage automatique.

L’apprentissage automatique – ou machine learning -, connaît un essor et des avancées fulgurantes à travers trois points clés principaux :

• Progrès technologiques ;
• Augmentation de la puissance de calcul ;
• Abondance de données.

Effectivement, un des principaux leviers de l’essor de l’apprentissage automatique est la disponibilité croissante de données. Avec la numérisation accrue de nos activités quotidiennes et professionnelles ces dernières années, d’importantes quantités de données se génèrent – tous secteurs confondus. Ce sont toutes ces données qui permettent d’entraîner ces modèles d’apprentissage automatique – toujours plus précis et performants.

En matière de traduction, les particuliers et entreprises peuvent désormais s’appuyer sur des algorithmes de traduction automatique beaucoup plus puissants.

Intelligence artificielle et évolution de la traduction automatique

La traduction automatique, l’apprentissage automatique sont étroitement liés à l’intelligence artificielle. L’impact de l’IA sur le marché de la traduction est important. L’introduction de la traduction automatique et de la traduction assistée par ordinateur – TAO -, aident désormais les traducteurs professionnels à gagner en rapidité, efficacité. Par exemple, ce type d’outils proposent des suggestions automatiques en réutilisant des segments de textes traduits auparavant. En outre, la traduction automatique peut détecter des erreurs courantes, des contresens, faciliter et améliorer la qualité de la traduction.

Globalement, grâce à l’émergence des réseaux de neurones profonds et des modèles de traduction neuronale, les traductions basées sur l’IA sont toujours plus précises, fluides, cohérentes. Ensuite, l’intelligence artificielle permet d’automatiser une grande partie des processus de traduction et s’ouvre à un large panel de langues – ce qui permet toujours plus d’adaptation et de personnalisation.

Dernières avancées en traduction automatique

Concrètement, voici les dernières avancées les plus notables concernant la traduction automatique :

• Modèles de traduction neuronale : la traduction automatique neuronale ou Neural Machine Translation (NMT) est une technologie basée sur les réseaux de neurones artificiels. Elle a fait des progrès considérables ces dernières années grâce à l'intelligence artificielle et peut désormais servir de base pour certaines traductions professionnelles. Les NMT sont des modèles qui ont remplacé les méthodes de traduction automatique statistique traditionnelles. Ces modèles utilisent des couches de neurones pour capturer les relations complexes entre les mots d’une langue source et générer des traductions dites plus fluides et naturelles ;
• Transformer : le modèle Transformer a été introduit en 2017 et a révolutionné la traduction automatique. Ce modèle utilise une architecture de réseau de neurones basée sur l’attention – permettant aux modèles de traduction de prendre en compte de manière plus efficace les mots contextuels et les dépendances syntaxiques ;
• Apprentissage multilingue : les avancées récentes ont permis le développement de modèles de traduction automatique multilingues capables de traduire entre plusieurs langues ;
• Apprentissage par renforcement : cette approche consiste à entraîner un modèle de traduction à travers des itérations itératives – avec pénalisation ou récompense en fonction de la qualité de la traduction produite. C’est un processus qui se répète constamment afin de s’améliorer.
• Pré-entraînement des modèles de langage.

Défis et perspectives : les possibilités d’amélioration pour la technologie de traduction automatique

Dans le domaine des nouvelles technologies, des automatisations – notamment pour la traduction automatique -, les défis et perspectives sont nombreux. La traduction peut d’abord s’améliorer grâce à ce que l’on nomme « l’apprentissage actif ». Il consiste à utiliser l’interaction humaine pour guider le processus d’apprentissage automatique d’un modèle de traduction automatique. Le modèle peut demander à l’utilisateur humain de lui fournir des traductions spécifiques, des évaluations de qualité. Cela va permettre au modèle de s’améliorer à partir d’exemples pertinents. Dans ce processus, la révision humaine est importante et nécessaire afin d’ajuster les traductions – en prenant notamment en compte les considérations contextuelles, les nuances, les subtilités d’un domaine professionnel etc.

Authôt s’inscrit dans cette perspective d’amélioration constante de la traduction automatique grâce à une collaboration humain-machine optimale. Coupler l’expertise humaine et les systèmes de traduction automatique permet une collaboration plus étroite entre les traducteurs humains et les outils, systèmes automatisés. Les traducteurs professionnels humains peuvent utiliser les suggestions de traduction automatique comme point de départ afin d’accélérer leur travail – tout en conservant toujours le contrôle final sur la qualité de ce qui a été traduit.

Pour finir, l’amélioration de cette technologie  permet de monter un projet de sous-titrage multilingue de qualité – sans les coûts que peuvent engendrer des traductions entièrement réalisées par des traducteurs professionnels. Chez Authôt, notre standard de traduction permet d’allier les performances de cette technologie avec la qualité professionnelle de nos traducteurs natifs expérimentés et aux yeux de lynx qui repassent tout en revue.

En somme, la traduction automatique, poussée par les bouleversements technologiques actuels et l’intelligence artificielle n’en est qu’à ses débuts. Face à toutes ces évolutions et enjeux de performance en traduction, n’hésitez pas à confier vos projets à l'équipe d’Authôt !