Sebastian Enderlein, Directeur technique chez DeepL – Série d’entretiens

Sebastian Enderlein, Directeur technique chez DeepL, est un technologue d’origine européenne avec plus d’une décennie d’expérience dans la Silicon Valley, où il a occupé des postes de direction en ingénierie chez des entreprises comme Uber, Salesforce et Personio. Avec une solide expérience dans les infrastructures cloud, les systèmes distribués et la construction d’organisations d’ingénierie à haute performance, il a aidé à faire croître certaines des entreprises technologiques à croissance la plus rapide aux États-Unis et en Europe. Aujourd’hui, il partage son temps entre San Francisco et l’Europe, en tant que directeur technique chez DeepL, tout en conseillant et en investissant dans des start-ups, avec un focus sur la résolution de défis techniques complexes et l’aide aux scale-ups sur leur chemin pour devenir des licornes.

DeepL, lancé en 2017, est un service de traduction automatique neuronale reconnu pour fournir des traductions très précises et naturelles dans plus de 30 langues. En utilisant des réseaux neuronaux avancés et des améliorations de l’IA propriétaires, il surpasse régulièrement les concurrents en termes de fluidité et de précision. Disponible via le web, les applications de bureau et mobile, les extensions de navigateur et l’API, DeepL propose également une version Pro avec des fonctionnalités de niveau entreprise, une utilisation illimitée et une sécurité renforcée.

Vous avez passé du temps à construire des équipes d’ingénierie des deux côtés de l’Atlantique – la Silicon Valley et l’Europe. Quelles leçons personnelles ont façonné votre approche du leadership et de l’innovation dans ces écosystèmes technologiques très différents ?

Les deux écosystèmes ont leurs forces et caractéristiques uniques et je suis reconnaissant d’avoir acquis une profonde compréhension et une expérience dans les deux cultures. Dans la Silicon Valley, il y a cette culture de start-up très excitante avec des ingénieurs hautement motivés, diversifiés au niveau mondial, qui poursuivent de grandes idées, soutenus par une mentalité qui va vite et qui adopte des risques audacieux. Il y a également beaucoup de pression, et le rythme peut être intense – les entreprises ont souvent des visions ambitieuses, grandissent rapidement et réussissent ou échouent rapidement. Mon temps passé là-bas m’a appris beaucoup sur la façon de faire croître rapidement les équipes et la technologie, et sur la façon d’équilibrer l’ambition avec les pressions que ce rythme peut apporter.

En Europe, il y a également un talent fort, des idées et de l’innovation avec des équipes souvent multilingues et multiculturelles, et il y a un accent clair sur la sécurité, la conformité et la précision. La diversité du continent peut être une force, apportant des perspectives riches, mais également un défi avec des marchés fragmentés, des systèmes juridiques variés et une demande accrue de conformité. J’ai également remarqué que les start-ups là-bas sont plus susceptibles de s’autofinancer, ce qui peut parfois ralentir la croissance, mais qui construit également la résilience et la puissance de maintien à long terme. Pour DeepL, avoir nos racines en Europe a été une force claire. Cela a façonné notre focus sur la précision, la sécurité et la nuance culturelle, nous aidant à nous démarquer en tant que leader dans le paysage de l’IA en pleine évolution.

Qu’est-ce qui vous a motivé à rejoindre DeepL en tant que directeur technique après votre temps chez Personio et votre expérience avec des entreprises comme Uber et Salesforce ?

Lorsque j’ai rencontré Jarek, le PDG et fondateur de DeepL, ainsi que le reste de l’équipe de direction, j’ai été immédiatement attiré par leur clarté de vision et leur passion pour résoudre un problème vraiment significatif avec l’IA. DeepL ne construit pas seulement de la technologie AI cool pour l’innovation. Ils sont concentrés sur la construction de produits qui résolvent des problèmes réels, quotidiens pour les gens et les entreprises – et ils sont passionnés à ce sujet. Ce sens du but et du potentiel, et la culture de l’entreprise qui est si profondément enracinée dans l’innovation pratique et l’impact réel, a été un grand motivateur pour moi et m’a rendu enthousiaste à l’idée de rejoindre l’équipe. J’ai vu l’impact d’équipes motivées par la mission pendant mon temps chez Personio, Uber et Salesforce.

En tant que personne qui passe beaucoup de temps des deux côtés de l’Atlantique, la mission de DeepL pour briser les barrières linguistiques m’a également marqué. DeepL résout un défi très réel auquel sont confrontés les gens et les entreprises partout ; un défi que j’ai à la fois vécu personnellement et vu de première main. Que ce soit des équipes mondiales qui tentent de collaborer plus efficacement ou des entreprises qui cherchent à grandir dans de nouveaux marchés, les barrières linguistiques peuvent ralentir tout. J’étais donc également enthousiaste à l’idée de rejoindre l’équipe et d’aider à relever ce défi de manière significative.

Parlons de Clarify. Ce n’est pas seulement un traducteur – c’est interactif, contextuel et adaptatif. Quelle a été l’étincelle initiale pour le développer, et comment pousse-t-il les limites de ce que l’IA linguistique peut faire ?

Un grand focus pour nous cette année a été de regarder comment nous pouvons améliorer les produits que nous offrons via notre plateforme d’IA linguistique – de DeepL Translator à notre solution de traduction vocale en temps réel, Deepl Voice – afin qu’ils puissent devenir encore plus personnalisés, collaboratifs et intuitifs. Nous voulons que l’expérience DeepL se sente moins comme un logiciel traditionnel et plus comme travailler avec un collaborateur intelligent, et c’est exactement ce que Clarify offre.

Les langues sont incroyablement nuancées. Les mots et les phrases peuvent avoir plusieurs significations, des implications culturelles ou des variations grammaticales, comme des noms générés ou des expressions idiomatiques qui ne se traduisent pas proprement. Clarify, disponible via DeepL Translator, a été construit pour aider nos clients à naviguer dans ces complexités, agissant comme un expert linguistique IA interactif qui engage directement les utilisateurs pour résoudre l’ambiguïté et faire surface à un contexte plus profond. Par exemple, Clarify aidera à déterminer si « banque » dans une phrase fait référence à une rivière ou à une institution financière, ou traduire « le professeur » sans savoir le genre.

Ce qui est excitant chez Clarify, c’est qu’il transforme le processus de traduction DeepL d’un modèle d’entrée-sortie unidirectionnel en une véritable collaboration. Plutôt que de recevoir passivement les résultats, les utilisateurs interagissent avec Clarify tout au long du processus. L’outil suggérera proactivement des éditions et des suggestions, afin que vous arriviez à l’issue la plus précise ensemble.

L’un des éléments les plus fascinants de Clarify est sa capacité à détecter l’ambiguïté et à inciter les utilisateurs à clarifier. Comment définissez-vous techniquement « l’ambiguïté » d’une manière que une machine peut reconnaître et agir ?

C’est une excellente question – l’ambiguïté est un défi connu dans la traduction automatique, mais est souvent négligé ou contourné parce que comprendre l’intention de l’utilisateur en temps réel peut être difficile. Cependant, l’ambiguïté peut complètement changer le sens d’une traduction en fonction de la façon dont vous comprenez l’entrée. Pour résoudre ce problème, nos chercheurs ont collaboré étroitement avec des experts linguistiques pour identifier les cas où cela se produit et développer des systèmes qui peuvent répondre en conséquence.

DeepL a une réputation pour la précision, mais maintenant il se dirige vers la personnalisation et la collaboration. Comment équilibrez-vous les performances du modèle avec l’expérience utilisateur pour vous assurer que l’IA ne fournit pas seulement « une » traduction, mais la bonne pour cet utilisateur ?

Comme vous le dites, la « bonne » traduction n’est pas toujours universelle. Elle dépend du contexte, de la paire de langues et de l’utilisation. Une entreprise peut nécessiter une terminologie interne spécifique, tandis qu’une autre peut avoir besoin de capturer un ton ou une nuance particulière. Pour nous, la précision et la personnalisation ne sont pas des objectifs séparés, mais travaillent ensemble pour assurer la qualité.

Chez DeepL, lorsque nous pensons à la qualité, nous nous concentrons sur la fourniture de traductions et de sorties qui sont techniquement précises et contextuellement appropriées, mais qui sont également alignées sur l’intention de l’utilisateur. Notre plateforme d’IA linguistique reflète cela – nous combinons les performances de modèle de pointe avec une UX intelligente pour nous assurer que nos clients reçoivent des sorties de traduction qui correspondent vraiment à leurs besoins.

De nombreux modèles à usage général ne répondent pas aux attentes en termes de nuance linguistique et de contexte culturel. Qu’est-ce qui rend les modèles de DeepL différents, et pourquoi la spécialisation est-elle un avantage critique ?

Les modèles qui alimentent notre plateforme d’IA linguistique sont conçus spécifiquement pour la traduction et la rédaction. Cette focalisation nous donne un avantage significatif dans la capture des nuances, des contextes et des tons à travers les langues, ce qui est critique dans les environnements d’entreprise où la précision est primordiale.

Contrairement aux modèles généraux formés sur des données Internet larges, les LLM propriétaires de DeepL sont formés sur plus de 7 ans de contenu spécifique au domaine et subissent un affinage supplémentaire par des milliers de linguistes professionnels. Cette spécialisation nous permet de livrer de manière cohérente une qualité et une fiabilité plus élevées. Dans des tests aveugles en 2024, des traducteurs professionnels ont constaté que notre LLM de nouvelle génération nécessitait 2 à 3 fois moins d’éditions que Google ou ChatGPT pour atteindre la même qualité. C’est pourquoi plus de 200 000 clients d’entreprise à travers le monde font confiance à DeepL. Dans des domaines comme le droit, la technologie, les soins de santé et le marketing, même de petites erreurs de traduction peuvent avoir des conséquences graves. La qualité et la précision ne sont pas optionnelles.

Depuis votre temps de gestion d’infrastructures cloud chez Uber jusqu’à la direction de l’ingénierie chez Personio et maintenant DeepL, quel a été le plus grand défi technique que vous avez rencontré – et qu’avez-vous appris de cette expérience ?

Du point de vue des personnes, le plus grand défi a été de diriger des équipes à travers de longues phases de croissance hyperbolique, en trouvant le bon équilibre entre avancer rapidement et rester efficace, tout en veillant à ce que les nouveaux embauches soient bien intégrés, comprennent la mission de l’entreprise et aient des opportunités de croissance. Une grande leçon que j’ai apprise là-bas a été d’éviter les balanciers entre les extrêmes. Passer rapidement de « la croissance à tout prix » à « une haute efficacité » est difficile pour une organisation, et plus de doubler une équipe technique en un an crée inévitablement une tension – j’ai depuis fixé cela comme une limite supérieure approximative.

Du point de vue de la technologie, j’ai passé une grande partie de ma carrière à faire évoluer les piles technologiques dans le cloud et autour du monde, en traitant des problèmes complexes de cohérence et de fiabilité pour certains des services les plus populaires sur la planète. J’ai appris que la sur-architecture est un problème grave, et que « la sur-platformisation » peut paralyser votre organisation et rendre plus difficile l’obtention de la responsabilité de l’impact client. Avec l’IA qui accélère le rythme des entreprises encore plus – les entreprises peuvent maintenant atteindre 100 millions de dollars de chiffre d’affaires en moins d’un an, et les équipes voient des gains de productivité sans précédent – la concentration et la simplicité sont plus importantes que jamais.

DeepL sert maintenant plus de 200 000 entreprises et institutions gouvernementales. Comment maintenez-vous l’équilibre entre la fiabilité d’entreprise et l’innovation à grande vitesse ?

C’est un équilibre dont nous pensons tout le temps. Nos clients d’entreprise comptent sur DeepL pour des communications à haut risque, donc la fiabilité, la sécurité et la confiance sont vraiment essentielles. En même temps, nous savons que l’innovation ne peut pas ralentir… l’industrie de l’IA se déplace à une vitesse fulgurante ! La clé est, d’une certaine manière, la concentration. Lorsqu’il s’agit de notre plateforme d’IA linguistique, nous nous concentrons sur la résolution de problèmes linguistiques complexes avec une grande précision. Cette concentration nous permet de bouger rapidement sans compromettre la qualité.

Nous sommes également très adaptables. Nous pouvons introduire de nouvelles capacités ou fonctionnalités, en livrant des solutions qui poussent l’industrie en avant, tout en maintenant la qualité d’entreprise, la précision et les performances que nos clients connaissent et continuent d’attendre. Un excellent exemple de cela est l’expansion récente de DeepL Voice : nous venons d’annoncer qu’il propose désormais le support de l’entrée parlée en mandarin, en ukrainien et en roumain, ainsi que des fonctionnalités de productivité de réunion améliorées et une intégration majeure à venir avec Zoom Meetings, ce qui est vraiment excitant.

Enfin, qu’est-ce que vous pensez que l’avenir réserve à l’IA linguistique ?

L’IA linguistique transforme déjà la façon dont nous, en tant qu’entreprises, employés et personnes, communiquons à l’échelle mondiale, permettant une connexion et une collaboration plus profondes à travers les entreprises, les cultures et les industries. Nous nous dirigeons vers un avenir où les entreprises de toutes tailles pourront opérer et grandir à l’international sans être freinées par les barrières linguistiques, ouvrant la porte à un monde et à une économie plus connectés et plus inclusifs.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus devraient visiter Deepl.