Le panier est vide
Les traducteurs en ligne se sont bien améliorés
langues Internet défie avec une efficacité croissante la malédiction de Babel. Google, Bing, Yandex, Systran et, désormais, DeepL jouent gratuitement les interprètes, sans pourtant les remplacer.
La révolution date de 2015, mais les applications en ligne ne l’ont intégrée qu’à partir de l’an dernier. L’exploitation des réseaux de neurones artificiels (deep learning) proposée par l’Université de Montréal a, en effet, permis aux traducteurs automatiques de faire un bond qualitatif considérable. Souvenez-vous: lors d’un test que nous avions fait en novembre 2015, le plus célèbre d’entre eux – Google – traduisait:
⇨ texte à traduire:
Ich wollte, dass sich unsere Schüler einbringen, ihre Ideen beisteuern und sich gleichzeitig nicht nur für die Geschichte von Genf, sondern auf für dessen Zukunft interessieren.
⇨ traduction humaine:
Je voulais que nos élèves s’impliquent, amènent leurs idées et, simultanément, s’intéressent non seulement à l’histoire de Genève mais aussi à son avenir.
⇨ Google Traduction (2015):
Je voulais apporter ce que nos étudiants à leurs idées et qui sont intéressés dans le même temps, non seulement pour l’histoire de Genève, mais pour son avenir.
Quel charabia! Et pourtant, c’était une des meilleures propositions parmi les 12 traducteurs que nous avions mis à l’épreuve!
Aujourd’hui, le même Google propose:
⇨ Google Traduction (2018):
Je voulais que nos étudiants s’impliquent, apportent leurs idées, et ne se soucient pas seulement de l’histoire de Genève, mais aussi de leur avenir.
Il y a certes toujours une grosse erreur: le texte original fait référence à l’avenir de Genève, pas à celui des élèves. Mais c’est tout de même nettement mieux!
«Il faut accepter certaines limites, explique Andrei Popescu-Belis (photo), professeur à la HEIG-VD d’Yverdon et spécialiste du traitement automatique des langues: le programme ne comprend pas le sens de la phrase. Ce n’est qu’un processus mécanique et statistique qui donne pourtant des résultats d’assez bonne qualité, surtout dans les langues et les domaines les plus demandés.»
Problème de pronom
Les progrès sont donc notables, mais les traducteurs commettent encore des erreurs grossières.
Exemple tout simple. En anglais, le pronom personnel à la troisième personne du pluriel est «they», qu’il soit masculin ou féminin. Plaçons-le dans l’exemple:
⇨ texte à traduire:
Many persons eat too much. Then they will grow fat.
⇨ traduction humaine:
De nombreuses personnes mangent trop. Elles vont donc grossir.
Sur les cinq traducteurs retenus pour la comparaison (lire encadré), quatre ont traduit «they» par «ils», parce qu’ils ne sont pas allés chercher la cible (les personnes) dans la phrase précédente. Un seul a fait juste, mais propose:
⇨ traduction en ligne:
Alors elles se développeront grosses...
«Pour le pronom, peut-être a-t-il simplement eu de la chance, commente Andrei Popescu-Belis: finalement, il n’y a qu’un risque sur deux de se tromper!»
Les connecteurs
Autre problème récurrent: les connecteurs entre deux phases, qui ont souvent plusieurs sens. Ainsi plaçons «since» dans
⇨ texte à traduire:
I had a lot of fun since I arrived.
⇨ traduction humaine:
Je me suis beaucoup amusé dès mon arrivée.
Quatre traducteurs proposent
⇨ traduction en ligne:
Je me suis beaucoup amusé depuis mon arrivée.
C’est une bonne traduction. Le dernier, en revanche, choisit la mauvaise option et traduit
⇨ traduction en ligne:
J’ai eu beaucoup d’amusement puisque je suis arrivé.
Aller au-delà de la phrase
«L’idée, poursuit Andrei Popescu-Belis, est donc de pousser le programme à ne pas s’arrêter à la phrase délimitée par un point, mais à aller chercher dans celles qui précèdent les informations nécessaires pour replacer le mot à traduire dans son contexte. Cela nécessite, évidemment, une puissance de calcul qui n’était pas disponible il y a dix ans.»
A cet effet, son équipe de recherche a développé une technique de «post-correction» avec des résultats encourageants. Dans des couples de langues comme français-anglais ou espagnol-anglais, où les pronoms induisent les traducteurs en erreur dans 50% des cas, elle permet de ramener le taux à 30%. Il est donc vraisemblable que, dans les années à venir, les programmes s’améliorent encore, mais sans viser à atteindre la précision et la fluidité d’une traduction humaine.
Christian Chevrolet
