À quoi ressemblera la traduction de demain ?
Une réflexion sur l’essor de la traduction neuronale et les mutations d’un métier où la technologie redéfinit les critères de qualité.
A View on the Future of Translation.
Can we ever know what’s going to happen next? History is rich of anecdotal wrong predictions, to the point that even Wikiquote has a whole page dedicated to incorrect predictions.
Very few people in the academic and industry field seem to pin down on futurologist Ray Kurzweil’s prediction that MT will reach human translation quality levels in 2029. Many people in the translation community were convinced that MT was a hoax only ten years ago, just to acknowledge it is getting better and better today.
In fact, today only a tiny amount of the content that should be translated is indeed translated, while the volume of content requiring translation keeps growing steadily, bringing the demand for translations of publishable quality beyond human scale. Many people in the human translation (HT) space say translators are not good enough to tackle today’s challenges, and more and more errors are detected than in the past. MT has advanced enormously since its first development.
The truth is, when we see that some predictions that previously appeared unrealistic come true, we often forget that they were made after a thorough analysis of the moment in which they were formulated and of the recent past. Today, few trends will most probably keep growing in the next few years and will likely become the bridge to the future: the cloud, the datafication of everything, and machine learning.
Machine learning (ML) will be more and more applied to translation, especially when it comes to MT and speech-to-speech (S2S) translation: it will open a new scenario for translation business intelligence with a considerable impact on quality assessment.
Today’s most popular “hype” within the translation industry is neural machine translation (NMT). NMT is a new MT technology that has been under research and development since at least 2012, and which matured to the point of open availability during 2016. Organizations that have worked with the technology are convinced that it offers significant advantages over phrased-based SMT in terms of output fluency and accuracy.
Un regard sur l’avenir de la traduction
Pouvons-nous vraiment savoir ce qui va se passer ensuite ? L’Histoire regorge de prédictions anecdotiques, à tel point qu’une page entière est consacrée à ces prédictions erronées sur Wikiquote.
Très peu de personnes dans les milieux universitaire et industriel semblent corroborer la prédiction du futurologue Ray Kurzweil selon laquelle la traduction automatique atteindra les niveaux de qualité de la traduction humaine en 2029. Il y a dix ans seulement, de nombreux membres de la communauté de la traduction étaient convaincus que la traduction automatique était un canular ; pour finalement reconnaître qu’elle s’améliore de plus en plus aujourd’hui.
En fait, aujourd’hui, seule une infime partie des contenus qui devraient être traduits le sont effectivement, tandis que le volume de contenu nécessitant une traduction ne cesse de croître, rendant la demande de traductions de qualité publiable impossible à satisfaire à l’échelle humaine. De nombreux acteurs du secteur de la traduction humaine (TH) estiment que les traducteurs ne sont pas assez compétents pour relever les défis actuels, d’autant que les erreurs détectées sont de plus en plus fréquentes. La traduction automatique (TA) a considérablement progressé depuis ses débuts.
En réalité, lorsque nous voyons se réaliser certaines prédictions qui semblaient irréalistes auparavant, nous oublions souvent qu’elles ont été émises suite à une analyse approfondie du moment où elles ont été formulées et du passé récent. Certaines tendances actuelles continueront sans doute à croître dans les prochaines années et deviendront probablement le pont vers l’avenir : le cloud, la transformation en données d’absolument tout, et l’apprentissage automatique.
L’apprentissage automatique sera de plus en plus appliqué à la traduction, notamment en ce qui concerne les traductions automatique et vocale (S2S). Cette évolution ouvrira de nouvelles perspectives pour l’intelligence décisionnelle dans le domaine de la traduction et aura un impact considérable sur l’évaluation de la qualité.
La traduction automatique neuronale (TAN) est actuellement au cœur de l’attention dans le secteur de la traduction. Il s’agit d’une nouvelle technologie de traduction automatique qui fait l’objet de recherches et de développements depuis au moins 2012, et qui a atteint sa maturité au point d’être mise à la disposition du grand public en 2016. Les organisations qui ont œuvré avec cette technologie sont d’ailleurs convaincues qu’elle offre des avantages majeurs en termes de fluidité et de précision des résultats par rapport à la traduction automatique statistique fondée sur des segments de texte (SMT).
EN BREF
ANGLAIS | FRANÇAIS
6 MIN DE LECTURE
LINGUISTIQUE • ANGLAIS → FRANÇAIS
TYPE DE CONTENU
Traduction
LE DÉFI
Traduire un article prospectif mêlant intelligence artificielle, apprentissage automatique et technologies linguistiques en préservant la précision terminologique sans sacrifier la clarté du propos.
PARTAGER