L’apprentissage automatique fait des progrès dans l’art complexe de la traduction

L’expert en langage et en rédaction Reuven Koret a discuté en détail de l’état d’influence et d’utilisation de l’intelligence artificielle dans la traduction pour la publication en ligne readwrite. Koret souligne que l’utilisation d’outils de traduction automatique basés sur l’IA dans tous les aspects du processus de traduction devient courante. Cela ne concerne pas seulement les outils de traduction ML propriétaires de Google (GOOGL ), Microsoft (MSFT ),  Facebook (META ) et Amazon (AMZN ), qui sont utilisés quotidiennement, mais également les outils professionnels détaillés de sociétés comme SDL.

Cependant, de nombreux traducteurs professionnels et agences, tels que William Mamane, responsable du marketing numérique chez Tomedes, une agence de services linguistiques professionnels, sont toujours sceptiques quant à l’utilisation de l’IA dans la traduction. Mais même les sceptiques comme Mamane admettent que la traduction automatique a fait des progrès importants, et comme il le souligne, « il y a toujours une place pour l’IA et la traduction automatique dans la chaîne de valeur des services de traduction ».

Pour expliquer le défi de la traduction automatique, Koret note que « à un niveau de base, la traduction automatique utilise des algorithmes pour substituer des mots dans une langue à ceux d’une autre. Cela s’avère insuffisant pour traduire avec succès. La compréhension de phrases entières est nécessaire pour les langues source et cible. Nous pouvons comprendre la traduction automatique comme la décoding de la langue source et l’enregistrement de son sens dans la langue cible ».

Résoudre ce défi est un processus très complexe et actuellement, les processus les plus développés utilisent « des statistiques pour choisir la meilleure traduction pour une phrase donnée », ou « des règles structurées pour sélectionner le sens le plus probable ». Ces approches nécessitent encore l’implication d’éditeurs et de correcteurs, mais « ce rôle de supervision, d’édition ou d’audit est moins exigeant et moins chronophage que la traduction ».

Ces méthodes sont celles sur lesquelles sont basées la plupart des applications de traduction web comme Google Translate. Comme il est noté, Google a traité des traductions qui rempliraient un million de livres par jour.

Actuellement, cependant, des progrès encore plus importants dans l’utilisation de l’IA dans le processus de traduction sont réalisés avec l’utilisation de la traduction neuronale (NMT), qui utilise l’apprentissage profond lors de la traduction, « examine les phrases entières, et non seulement des mots individuels ». Dans le même temps, la NMT nécessite « une fraction de la mémoire nécessaire aux méthodes statistiques », ce qui signifie qu’elle fonctionne beaucoup plus rapidement.

L’utilisation de la NMT a été recherchée pour la première fois en 2014, mais les progrès rapides réalisés au cours des cinq dernières années ont rendu possible le développement du réseau neuronal récurrent bidirectionnel ou RNN. « Ces réseaux combinent un encodeur qui formule une phrase source pour un second RNN, appelé décodeur. Un décodeur prédit les mots qui devraient apparaître dans la langue cible ». Google utilise cette approche dans la NMT pour faire fonctionner Google Translate. De même, Microsoft utilise le RNN dans Microsoft Translator et Skype Translator.

Comme le conclut Koret, les NMT peuvent aider à la traduction tandis que les linguistes qualifiés peuvent terminer et polir la sortie de traduction. Les futurs traducteurs travailleront plus souvent avec l’intelligence artificielle plutôt que contre elle ».