Des règles aux robots : l’histoire de la traduction automatique

Le langage est aussi vieux que l’humanité, mais le rêve de la traduction automatique n’est apparu que récemment. L’idée qu’une machine puisse traduire instantanément des mots d’une langue à une autre a frappé les esprits bien avant que la technologie ne le permette. Aujourd’hui, nous tenons les outils tels que Google Translate ou DeepL pour acquis. Cependant, le chemin vers la traduction automatique moderne est une histoire de décennies d’essais, d’erreurs, d’innovation et d’intégration. Comprendre l’histoire de la traduction automatique, c’est aussi comprendre pourquoi l’expertise humaine et les prestataires de services linguistiques, comme SwissGlobal, restent essentiels à la qualité et à la nuance.

Années 1950–1960 : les premières expériences de traduction automatique

Les premières tentatives de traduction automatique ont vu le jour dans les années 1950, alors que l’informatique en était encore à ses balbutiements. L’une des démonstrations les plus célèbres est l’expérience de l’Université de Georgetown et IBM en 1954, au cours de laquelle un ordinateur a réussi à traduire 60 phrases du russe vers l’anglais en utilisant un petit vocabulaire de 250 mots et six règles de grammaire. Bien que primitive au regard des résultats actuels, l’expérience a suscité un énorme engouement et a été largement présentée comme le début de la traduction automatique.

Toutefois, cet enthousiasme s’est rapidement heurté à des difficultés. Le rapport ALPAC (Automatic Language Processing Advisory Committee) de 1966, commandé par le gouvernement des États-Unis, a conclu que la traduction automatique n’avait pas donné de résultats utiles contrairement aux traducteurs humains. Le financement a été réduit, la recherche a ralenti et, pendant près d’une décennie, la traduction automatique est restée en marge de la linguistique computationnelle.

Années 1970–1980 : systèmes basés sur des règles et renouveau de la traduction automatique

Malgré les échecs, les années 1970 et 1980 ont été marquées par un regain d’intérêt pour la traduction automatique, en particulier pour la traduction automatique basée sur des règles (RBMT). Cette approche s’appuyait sur des dictionnaires bilingues dans les systèmes et des linguistes qui programmaient des règles de grammaire. Des programmes comme SYSTRAN, développés pour la première fois à la fin des années 1960, ont été largement utilisés, en particulier par la Commission européenne, qui avait besoin de traduire ses documents officiels en plusieurs langues.

La traduction automatique basée sur des règles s’est révélée efficace pour les textes techniques et répétitifs où la terminologie pouvait être contrôlée. Néanmoins, il fallait du temps pour construire et maintenir ces systèmes, car chaque paire de langues nécessitait son propre ensemble de règles. La qualité du service était adéquate mais souvent rigide, et les traductions produites manquaient de fluidité.

Années 1990 : traduction automatique statistique et progrès basés sur les données

Les années 1990 ont marqué un tournant majeur avec l’essor de la traduction automatique statistique (TAS). Les systèmes de TAS ne sont plus programmés sur des règles de grammaire écrites manuellement, mais analysent de grands corpus bilingues pour trouver des modèles et des probabilités. Cette approche a été inaugurée par le projet Candide d’IBM au début des années 1990 et a ensuite été adoptée par des entreprises comme Google.

Dans de nombreux cas, les systèmes statistiques produisaient des traductions plus fluides que les systèmes basés sur des règles, mais les résultats contenaient souvent des erreurs de grammaire et manquaient d’idiomaticité. La TAS a néanmoins démontré la puissance des approches basées sur les données et a jeté les bases de la technologie de traduction moderne.

Google Translate, lancé quelques années plus tard en 2006, utilisait à l’origine la TAS. Le programme s’est rapidement développé pour prendre en charge des dizaines de langues en tirant parti du vaste contenu multilingue disponible sur le web.

Début des années 2000 : traduction automatique avec post-édition (MTPE)

Au début des années 2000, il était clair que les traductions entièrement automatiques de qualité n’étaient encore qu’un rêve lointain. Cette situation a conduit au développement de la traduction automatique avec post-édition (MTPE), c’est-à-dire que des traducteurs humains modifient le produit de la machine pour obtenir la précision et la fluidité requises.

L’Union européenne et d’autres organisations internationales ont été les premières à adopter la MTPE, utilisant le produit des machines comme brouillon pour accélérer la traduction humaine. Les prestataires de services linguistiques ont également commencé à proposer la MTPE en tant que service distinct, qui combine rentabilité et supervision humaine. Cette approche a rapidement pris de l’importance dans les processus de travail des traducteurs professionnels.

En 2017, l’Organisation internationale de normalisation (ISO) a introduit la norme ISO 18587, qui définit les exigences de post-édition des traductions automatiques. Cette norme a établi des lignes directrices pour les post-éditeurs professionnels, garantissant que la MTPE est appliquée de manière cohérente et avec une qualité vérifiable. Aujourd’hui, la MTPE est l’une des approches hybrides les plus utilisées dans le secteur de la traduction, car elle permet de trouver un équilibre entre l’efficacité et la capacité humaine à interpréter les nuances, le ton et le contexte culturel.

Années 2010 : traduction automatique neuronale et amélioration de la qualité

La traduction automatique neuronale (TAN) a constitué une véritable avancée dans les années 2010. Contrairement à la TAS, qui s’appuie sur des probabilités de phrases, la TAN utilise des réseaux de neurones artificiels qui traitent des phrases entières en une seule fois et apprennent les relations contextuelles entre les mots. Les résultats sont plus fluides, plus précis et plus naturels.

Google est passé à la TAN en 2016 ; l’amélioration a été immédiatement visible. D’autres acteurs majeurs comme Microsoft Translator, Amazon Translate et DeepL, ont adopté la TAN. DeepL, lancé en 2017, a rapidement été reconnu pour ses traductions exceptionnellement naturelles, en particulier dans les langues européennes, grâce à l’utilisation d’architectures neuronales avancées et de vastes corpus parallèles.

L’introduction de la TAN a transformé le secteur en permettant à la traduction automatique de s’appliquer à un contenu plus large. Toutefois, la révision par un spécialiste reste essentielle pour les textes sensibles ou nuancés.

Années 2020 : outils d’IA et intégration de la traduction automatique au quotidien

Dès les années 2020, la traduction automatique est entrée dans l’usage quotidien grâce aux progrès de l’intelligence artificielle et aux outils informatiques en nuage. La TAN est désormais renforcée par des modèles dits « transformers », comme le BERT de Google et le GPT d’OpenAI, qui excellent dans la compréhension du contexte et du sens de documents entiers plutôt que de phrases isolées.

Les grands modèles de langage (LLM) élargissent les possibilités de la traduction automatique. Ils peuvent s’adapter aux préférences stylistiques, traiter plus efficacement les expressions idiomatiques et même générer des traductions qui reflètent fidèlement la voix de la marque. Toutefois, si leur aisance est impressionnante, leur tendance à « halluciner » ou à inventer des contenus signifie qu’ils ne sont pas encore fiables pour une communication professionnelle dont les enjeux sont grands.

Pour un usage professionnel, les outils d’IA sont intégrés dans des systèmes de gestion de la traduction et des logiciels de traduction assistée par ordinateur. Des moteurs personnalisables peuvent désormais être entraînés avec des ensembles de données propres au domaine, ce qui permet de respecter la terminologie et le style d’écriture de l’entreprise dans le résultat. Des services comme l’intégration de glossaires dans DeepL ou le réglage des moteurs de traduction automatique avec des ensembles de données issues de l’entreprise permettent aux organisations d’intégrer la traduction automatique directement dans leurs processus de travail.

L’IA ne se limite pas à la traduction de texte à texte. La reconnaissance vocale, la transcription audio-texte et la traduction vocale en temps réel sont devenues plus courantes dans les vidéoconférences et les agents conversationnels multilingues. Ces outils font tomber les barrières de la collaboration mondiale, faisant de la communication multilingue instantanée un élément du quotidien professionnel.

L’avenir : approches hybrides et expertise humaine

Si la traduction automatique a connu des progrès spectaculaires, le rôle du traducteur reste essentiel. L’avenir réside dans les approches hybrides qui combinent la traduction automatique, les outils d’IA et l’expertise humaine. La post-édition devient de plus en plus spécialisée, elle se décline en différents niveaux en fonction du but du texte.

Pour les entreprises opérant au niveau international, la difficulté n’est pas de choisir entre l’humaine et la machine, mais de trouver le bon équilibre.

Quelle est l’importance de l’histoire de la traduction automatique pour votre entreprise ?

Il faut retenir les enseignements pratiques.

• Commencez par analyser votre contenu. Segmentez votre matériel en fonction du risque, de la réutilisation et de la durée de conservation. Des spécialistes révisent les contenus à haut risque ou qui mettent la réputation en jeu. Les contenus répétitifs à faible risque se prêtent bien à la traduction automatique avec post-édition.
• Traitez les données comme un produit. Des dictionnaires bilingues, des mémoires de traduction et des glossaires soignés sont des atouts stratégiques. Ces textes garantissent la qualité, l’adaptabilité et la précision de toutes vos communications.
• Mesurez avec plus d’un paramètre. Les mesures automatiques sont utiles pour tester la régression, mais elles ne sont pas l’objectif à atteindre. Combinez les contrôles automatisés avec une évaluation humaine axée sur l’exactitude, le style, l’inclusivité et l’objectif.
• Intégrez la traduction automatique dans le processus de travail. La valeur ajoutée réside dans le fait que la traduction automatique, les mémoires de traduction, la terminologie et la révision par un professionnel sont regroupées dans un seul canal, avec des objectifs de qualité clairs pour chaque type de contenu.
• Protégez la confidentialité et la propriété intellectuelle. Si votre contenu est sensible, utilisez une infrastructure de traduction automatique sûre et respectez des protocoles stricts de traitement des données. Évitez d’envoyer des textes confidentiels à des terminaux publics qui pourraient réutiliser les données à des fins d’entraînement.

Comment les services de traduction automatique de SwissGlobal aident votre entreprise

L’histoire de la traduction automatique montre que la technologie évolue, mais que l’expertise humaine reste nécessaire. Chez SwissGlobal, nous créons des processus de travail sur mesure qui allient traduction automatique et expertise de linguistes professionnels. Cela signifie que votre entreprise bénéficie de la rapidité et de l’efficacité sans compromis sur la précision, le ton ou la confidentialité.

Nos services de traduction automatique sont conçus pour vous offrir rapidité, flexibilité et précision sans compromis sur la qualité ou la sécurité. Nous proposons une gamme de solutions pour répondre à vos besoins en matière de communication multilingue en fonction de vos objectifs :

• Traduction automatique sécurisée : les traductions sont effectuées sur des serveurs sécurisés et tous les textes sont immédiatement effacés afin de préserver la confidentialité de vos données.
• Intégration de glossaires et de guides de style : nous intégrons votre terminologie et le guide de style de votre marque afin que chaque traduction corresponde au langage de votre entreprise.
• Création de glossaires : nous créons des glossaires sur mesure qui fixent la terminologie dans tous vos projets et dans toutes les langues.
• Éditeur personnalisé : notre plateforme combine des outils de traduction automatique et de rédaction, ce qui vous permet d’affiner vos traductions dans un environnement convivial.
• Traduction basée sur des grands modèles de langage : les grands modèles de langage fournissent des traductions fluides et fidèles à votre marque qui ne nécessitent souvent que peu ou pas de post-édition.
• Moteurs de traduction automatique personnalisés : nous entraînons des moteurs de traduction automatique avec les contenus de votre entreprise pour obtenir des traductions qui correspondent à votre ton, à votre style et à vos normes de qualité.
• Traduction automatique avec post-édition : les projets créés à l’aide des derniers outils de traduction automatique sont post-édités pour répondre à la norme ISO 18587. Rapidité et précision garanties.

Avec nous, vous obtenez plus qu’une technologie de traduction. Vous bénéficiez d’un partenaire de confiance qui associe les outils de traduction automatique les plus récents à l’expertise humaine, garantissant ainsi que votre contenu multilingue reste précis, cohérent et adapté à votre public.

Contactez-nous dès aujourd’hui pour tous vos besoins en traduction.