Au cas o\u00f9 certains d’entre vous ne conna\u00eetraient pas l’histoire de la traduction automatique (TA) , celle-ci est presque aussi vieille que les ordinateurs eux-m\u00eames. En 1954, l’universit\u00e9 de Georgetown et IBM ont r\u00e9ussi \u00e0 traduire plus de 60 phrases russes en anglais. Cette exp\u00e9rience, connue sous le nom de Georgetown Experiment, est l’un des premiers projets de TA enregistr\u00e9s. Bien que les chercheurs de l’\u00e9poque n’aient pas pu aller plus loin, en raison de l’\u00e9norme puissance de traitement et de stockage des donn\u00e9es qu’elle n\u00e9cessitait, nous constatons que l’id\u00e9e que des ordinateurs puissent traduire des langues humaines est loin d’\u00eatre nouvelle.<\/p>\n
Mais les progr\u00e8s r\u00e9cents en mati\u00e8re d’intelligence artifcielle, et de hardware permettentont permis d’am\u00e9liorer de fa\u00e7on significative la traduction des langues. Le march\u00e9 de la traduction automatique devrait d\u00e9passer les 7,5 milliards de dollars am\u00e9 d’ici 2030, comme l’indique une \u00e9tude de Global Market Insights.<\/p>\n
Pour ceux qui ne connaissent pas du tout ce domaine, la traduction automatique peut \u00eatre d\u00e9finie comme \u00ab\u00a0le processus de traduction automatique de contenu d’une langue \u00e0 une autre sans intervention humaine\u00a0\u00bb. Mais la TA moderne va au-del\u00e0 de la simple traduction d’un texte mot \u00e0 mot. Elle peut restituer le sens complet de la langue source en analysant tous les \u00e9l\u00e9ments et leurs relations dans le texte source.<\/p>\n
Il existe aujourd’hui quatre grands types d’outils de traduction automatique, tous bas\u00e9s sur le traitement naturel du langage :<\/p>\n
La traduction automatique statistique (TAS) :<\/strong> Avec la TMS, d’\u00e9normes volumes de contenus bilingues sont \u00e9tudi\u00e9s pour cr\u00e9er des mod\u00e8les statistiques. Une correspondance directe est trouv\u00e9e entre un mot de la langue source et un mot de la langue cible. Google Translate est probablement la version la plus connue de la TMS. Cependant, elle est incapable de prendre en compte le contexte du texte source, ce qui peut conduire \u00e0 une traduction de mauvaise qualit\u00e9. La Traduction Automatique\u00a0 peut aller bien au-del\u00e0 de la simple traduction et peut \u00eatre appliqu\u00e9e \u00e0 de nombreux autres cas d’utilisation. En voici quelques exemples :<\/p>\n Assistance \u00e0 la client\u00e8le<\/strong><\/p>\n Si votre entreprise fait des affaires avec des pays qui utilisent une langue qui ne leur est pas famili\u00e8re, la TA peut vous aider. La TA peut non seulement traduire la langue des tickets soumis par vos clients, mais aussi les trier et les cat\u00e9goriser (ou parfois m\u00eame y r\u00e9pondre) en comprenant le contexte de chaque ticket soumis.<\/p>\n Traitement de documents juridiques<\/strong><\/p>\n Votre service juridique peut \u00e9galement utiliser la TA pour traduire des documents juridiques dans diff\u00e9rentes langues sans avoir \u00e0 engager des traducteurs suppl\u00e9mentaires comp\u00e9tents dans ce domaine. Gr\u00e2ce \u00e0 la TA, une grande quantit\u00e9 de contenu juridique peut rapidement \u00eatre disponible pour analyse dans plusieurs langues, alors que la traduction et le traitement manuels auraient \u00e9t\u00e9 tr\u00e8s longs.<\/p>\n M\u00e9dias<\/strong><\/p>\n La MT peut aider les plates-formes comme Netflix ou Disney+ \u00e0 localiser efficacement leurs m\u00e9dias et \u00e0 les fournir aux utilisateurs sous diff\u00e9rents formats, qu’il s’agisse de sous-titrage, de sous-titres, de doublage, etc. Elle peut et va \u00eatre utilis\u00e9e de plus en plus en temps r\u00e9el.<\/p>\n Ce ne sont l\u00e0 que quelques-uns des exemples d’utilisation de la TA. Si vous \u00eates actuellement submerg\u00e9 par des donn\u00e9es qui doivent \u00eatre traduites dans une autre langue, la TA est l\u00e0 pour vous aider.<\/p>\n Nous vivons une \u00e9poque o\u00f9 tout le monde peut \u00eatre producteur de contenu, que ce soit en t\u00e9l\u00e9chargeant une vid\u00e9o sur Youtube, en \u00e9crivant un article sur une plateforme ou en publiant quelque chose d’int\u00e9ressant sur un blog (comme ce que je fais en ce moment), ou avec un podcast. En raison de cette augmentation du volume, le march\u00e9 de la traduction automatique conna\u00eet \u00e9galement son \u00e2ge d’or, avec de nombreuses entreprises de premier plan qui se lancent dans ce domaine.<\/p>\n Il s’agit probablement de l’outil de TA le plus utilis\u00e9, tout le monde l’a utilis\u00e9. Google Translate est l’un des anc\u00eatres des plates-formes de TA, et il reste fort \u00e0 ce jour. Cependant, malgr\u00e9 sa position de leader des plates-formes de TA, sa pr\u00e9cision laisse parfois \u00e0 d\u00e9sirer, surtout lorsqu’il s’agit de certaines langues asiatiques comme le cor\u00e9en, le chinois, etc.<\/p>\n Les glossaires s<\/strong>ervent \u00e0 sp\u00e9cifier les paires de mots qui doivent \u00eatre traduits d’une mani\u00e8re donn\u00e9e, en particulier lorsqu’il s’agit de mots ambigus ou emprunt\u00e9s ou de noms de produits.<\/p>\n Ils constituent \u00e9galement un bon outil pour am\u00e9liorer les traductions, en particulier lorsque nous travaillons avec des langues moins r\u00e9pandues. Par exemple, le mot catalan \u00ab\u00a0home\u00a0\u00bb, qui signifie homme, est compris par Google comme le mot anglais \u00ab\u00a0home\u00a0\u00bb et, par cons\u00e9quent, traduit en fran\u00e7ais par \u00ab\u00a0domicilie\u00a0\u00bb :<\/p>\n Dans certains cas, l’utilisation de glossaires devient in\u00e9vitable et Google Translate dispose de cette fonctionalit\u00e9.<\/p>\n Amazon Translate est un service en nuage permettant de convertir de grandes quantit\u00e9s de texte \u00e9crites dans une langue vers une autre langue. Amazon Translate prend en charge 25 langues, la documentation officielle d\u00e9taillant les langues qui peuvent \u00eatre associ\u00e9es pour la traduction. Les utilisateurs peuvent \u00e9galement personnaliser la terminologie propre \u00e0 leur organisation, comme les noms de marques et de produits.<\/p>\n Amazon Translate utilise l’apprentissage automatique et un mod\u00e8le d’apprentissage continu pour am\u00e9liorer l’efficacit\u00e9 de la traduction au fil du temps. Il existe de nombreux types de cas d’utilisation du service, notamment la traduction de contenu d’assistance en ligne, de mat\u00e9riel de formation d\u00e9velopp\u00e9 en interne, de documentation, d’informations ou d’instructions d’application et de divers autres sc\u00e9narios dans lesquels le texte doit \u00eatre disponible en plusieurs langues.<\/p>\n Amazon Translate prend en charge 25 langues, la documentation officielle d\u00e9taillant les langues qui peuvent \u00eatre associ\u00e9es pour la traduction. Les utilisateurs peuvent \u00e9galement personnaliser la terminologie propre \u00e0 leur entreprise, comme les noms de marques et de produits.<\/p>\n DeepL Translator est un service de NMT d\u00e9velopp\u00e9 par Linguee GmbH (d\u00e9sormais connu sous le nom de DeepL GmbH), une entreprise allemande qui se concentre sur le d\u00e9veloppement de technologies de traduction automatique par apprentissage profond. Lanc\u00e9 en 2017, DeepL Translator \u00e9tudie et apprend de mani\u00e8re approfondie les meilleures options de traduction \u00e0 partir de sources linguistiques fiables. \u00a0DeepL est moins \u00a0connu par rapport aux deux pr\u00e9c\u00e9dents. Mais son moteur de TA est cens\u00e9 produire des traductions plus naturelles gr\u00e2ce \u00e0 son IA neuronale. DeepL a commenc\u00e9 par offrir des traductions entre l’anglais, l’allemand, le fran\u00e7ais, l’espagnol, l’italien, le polonais et le n\u00e9erlandais, et a ajout\u00e9 la prise en charge du chinois (simplifi\u00e9) et du japonais. Gr\u00e2ce \u00e0 son utilisation de l’intelligence artificielle, DeepL Translator peut fournir des traductions plus pr\u00e9cises et plus nuanc\u00e9es par rapport \u00e0 ses pairs. Il est vraiment \u00e0 la hauteur de sa propre affirmation d’\u00eatre \u00ab\u00a0le traducteur le plus pr\u00e9cis du monde\u00a0\u00bb.<\/p>\n Bing Microsoft Translator est bas\u00e9 sur le syst\u00e8me de traduction automatique exclusif de Microsoft qui s’appuie sur la toute derni\u00e8re technologie NMT. Comme la plupart des d\u00e9veloppeurs de logiciels de traduction automatique, Microsoft a concentr\u00e9 ses efforts de recherche sur la production de traductions automatiques plus intelligentes et adapt\u00e9es \u00e0 l’utilisation du langage naturel.<\/p>\n Les informations ne sont g\u00e9n\u00e9ralement pas disponibles dans les langues des minorit\u00e9s. Cela est d\u00fb au fait que la technologie n’est pas disponible pour ces langues. Soit parce que la technologie\u00a0 ne prend pas en charge la langue humaine minoritaire, soit parce que commercialement ce n’est pas viable.<\/p>\n Selon Meta AI, No Language Left Behind (NLLB) est un projet unique et r\u00e9volutionnaire en mati\u00e8re d’IA… Le projet a mis en libre acc\u00e8s des mod\u00e8les capables de fournir des traductions de haute qualit\u00e9 dans 200 langues. Il a \u00e9t\u00e9 lanc\u00e9 en juillet 2022.<\/p>\n Ces traductions peuvent \u00eatre effectu\u00e9es directement entre n’importe laquelle de ces 200 langues, y compris des langues comme l’afrikaans, le zoulou, le sotho, le shona, etc.<\/p>\n NLLB donne\u00a0 doncaux utilisateurs la possibilit\u00e9 d’acc\u00e9der au contenu du Web dans leur langue maternelle. Il permet aux gens d’acc\u00e9der aux informations dans leur propre langue et de communiquer avec n’importe qui, n’importe o\u00f9.<\/p>\n OpenAI a publi\u00e9 en septiembre 2022 un nouveau mod\u00e8le d’IA open source appel\u00e9 Whisper qui reconna\u00eet et traduit des donn\u00e9es audio \u00e0 un niveau proche de la capacit\u00e9 de reconnaissance humaine. Il peut transcrire des entretiens, des podcasts, des conversations, etc.<\/p>\n OpenAI a entra\u00een\u00e9 Whisper<\/strong> sur 680 000 heures de donn\u00e9es audio et de transcriptions correspondantes en 98 langues, collect\u00e9es sur le Web. Selon OpenAI, cette approche de collecte ouverte a conduit \u00e0 \u00ab\u00a0une meilleure robustesse aux accents, au bruit de fond et au langage technique.\u00a0\u00bb Il peut \u00e9galement d\u00e9tecter la langue parl\u00e9e et la traduire en anglais.<\/p>\n OpenAI d\u00e9crit Whisper comme un transformateur encodeur-d\u00e9codeur, un type de r\u00e9seau neuronal qui peut utiliser le contexte glan\u00e9 dans les donn\u00e9es d’entr\u00e9e pour apprendre des associations qui peuvent ensuite \u00eatre traduites dans la sortie du mod\u00e8le.<\/p>\n <\/p>\n Il est \u00e9vident qu’il y a beaucoup plus d’acteurs sur le march\u00e9 de la TA, chaque soci\u00e9t\u00e9 ou produit ayant ses propres capacit\u00e9s. Cependant, m\u00eame s’ils sont tous extr\u00eamement utiles pour am\u00e9liorer la qualit\u00e9 et la productivit\u00e9 de la traduction, on ne peut pas dire qu’ils soient parfaits.<\/p>\n Gr\u00e2ce \u00e0 l’am\u00e9lioration constante des technologies de traduction automatique au fil du temps, les logiciels de TA sont devenus une option solide pour les entreprises ayant des besoins de traduction. Cela dit, le service de traduction automatique id\u00e9al et universel n’existe pas. La meilleure approche consiste \u00e0 essayer plusieurs outils de traduction diff\u00e9rents et \u00e0 \u00e9valuer s’ils r\u00e9pondent aux besoins sp\u00e9cifiques de votre entreprise.<\/p>\n N’oubliez pas non plus que les logiciels de TA ne sont pas destin\u00e9s \u00e0 remplacer compl\u00e8tement la traduction humaine. Apr\u00e8s avoir effectu\u00e9 une premi\u00e8re s\u00e9rie de traductions \u00e0 l’aide de la TA, vous pouvez demander \u00e0 un traducteur professionnel de r\u00e9viser et d’affiner la traduction pour vous assurer qu’elle est adapt\u00e9e \u00e0 l’objectif vis\u00e9. Chez LenseUp, c’est l’approche que nous avons adopt\u00e9.<\/p>\n LenseUp fournit un service complet couvrant tous les aspects de la localisation, allant de la synchronisation d’un fichier de sous-titres avec un fichier m\u00e9dia, \u00e0 la traduction de ce fichier de sous-titres dans une langue cible, et au doublage de ce fichier m\u00e9dia, avec enregistrement de voix-off.<\/p>\n","protected":false},"excerpt":{"rendered":" Au cas o\u00f9 certains d’entre vous ne conna\u00eetraient pas l’histoire de la traduction automatique (TA) , celle-ci est presque aussi vieille que les ordinateurs eux-m\u00eames. En 1954, l’universit\u00e9 de Georgetown et IBM ont r\u00e9ussi \u00e0 traduire plus de 60 phrases russes en anglais. Cette exp\u00e9rience, connue sous le nom de Georgetown Experiment, est l’un des […]<\/p>\n","protected":false},"author":1,"featured_media":9662,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[54],"tags":[],"yoast_head":"\n
\nTraduction automatique bas\u00e9e sur des r\u00e8gles (RBMT) :<\/strong> Cette m\u00e9thode consiste \u00e0 examiner la grammaire des langues source et cible, puis \u00e0 utiliser des r\u00e8gles de base pour effectuer la traduction. Le r\u00e9sultat peut n\u00e9cessiter une r\u00e9vision approfondie.
\nTraduction automatique hybride (HMT) :<\/strong> Il s’agit d’un m\u00e9lange des deux premiers syst\u00e8mes qui fonctionne avec plus de succ\u00e8s. Au fur et \u00e0 mesure qu’il fonctionne, il cr\u00e9e et constitue une m\u00e9moire de traduction, ce qui permet d’obtenir un travail de meilleure qualit\u00e9 \u00e0 mesure qu’il est utilis\u00e9. Il n\u00e9cessite n\u00e9anmoins une quantit\u00e9 consid\u00e9rable de r\u00e9vision humaine.
\nTraduction automatique neuronale (NMT) :<\/strong> Beaucoup plus complexe et co\u00fbteuse \u00e0 d\u00e9velopper et \u00e0 utiliser, la NMT cr\u00e9e des mod\u00e8les de r\u00e9seaux neuronaux bas\u00e9s sur le cerveau humain. \u00c0 partir de ces mod\u00e8les, des mod\u00e8les de traduction statistiques sont construits, ce qui permet de d\u00e9chiffrer les complexit\u00e9s des deux langues. C’est l’approche que nous avons choisit chez LenseUp.<\/p>\nLa traduction automatique: pour quelles utilisations?<\/h2>\n
Le march\u00e9 de la traduction automatique<\/h2>\n
Google Translate<\/h3>\n
Amazon translate<\/h3>\n
DeepL<\/h3>\n
Bing Microsoft Translator<\/h3>\n
Meta AI NLLB (No Language Left Behind)<\/h3>\n
OpenAI<\/h3>\n