Traductions professionnelles par IA pour des textes spécialisés

Table des matières

Traductions automatiques et assistées par intelligence artificielle – de oneMTPE à oneAI pour tous les besoins

Traduction automatique neuronale (NTA) – la norme performante pour les systèmes de TA modernes

Traduction par IA avec les Large Language Models (LLM) – la prochaine génération technologique en traduction automatique

Des données propres comme base pour des traductions par IA réussies

Facteurs de qualité pour les traductions assistées par IA

oneTranslate : traduction instantanée par IA sécurisée pour les entreprises

La traduction automatique ou assistée par l’IA n’est pas seulement sur toutes les lèvres, elle est également disponible partout en un clic. La traduction automatique basée sur l’intelligence artificielle permet désormais de produire des traductions dans de nombreuses langues rapidement, à moindre coût et dans une qualité acceptable. Pour certains objectifs – recherche rapide d’informations, communication interne ou médias sociaux – ces aides pratiques au quotidien sont certainement suffisantes. Cependant, aucun système de TA n’est à ce jour en mesure de traduire sans erreur, de manière complète et cohérente, des textes spécialisés, des documentations techniques ou des descriptions de produits dans une langue cible, ni de formuler des messages commerciaux adaptés au groupe cible.

oneMTPE est notre service de traduction dédié à la traduction par IA, utilisé par un grand nombre de nos clients. Grâce à notre longue expérience en post-édition professionnelle (PE), à notre certification ISO 18587 et à notre équipe interne d’experts, les entreprises de tous les secteurs d’activité bénéficient d’une combinaison unique entre technologie et savoir-faire humain. Avec oneMTPE, vous pouvez vous lancer directement dans la traduction automatique !

La norme dans le domaine des systèmes de TA est la traduction automatique neuronale (NTA). Bien que les traductions NTA ne puissent toujours pas encore rivaliser pleinement avec les traductions humaines, elles constituent une excellente base en tant que traduction brute et combinée intelligemment à la mémoire de traduction, à la terminologie et aux compétences linguistiques humaines, afin d’augmenter largement la productivité de la traduction.

Il existe différents types de systèmes : Lorsqu’un système de TA n’a été entraîné qu’avec un contenu généralement disponible, il s’agit d’un système générique. En revanche, les systèmes de TA spécifiques à un domaine ou à une entreprise sont entraînés spécialement pour un domaine ou une entreprise et fournissent généralement des résultats plus pertinents.

Pour les systèmes de traduction automatique neuronale, nous misons sur les leaders actuels et futurs du marché. Le système de NTA recommandé dépend des langues source et cible et du type de texte. Les systèmes sont intégrés de manière transparente dans le processus de traduction et complétés par nos services oneMTPE. Comme pour toutes les technologies, nous n’utilisons que des systèmes de TA sécurisés, c’est-à-dire qui ne réutilisent pas les textes, ne les stockent pas de manière permanente et les protègent contre l’accès de tiers.

Vos avantages

• Conseils individuels de nos experts en TAPE
• Intégration transparente du système de TA dans les processus et les paysages de systèmes existants
• Systèmes de pointe et protection maximale des données
• Adapté à vos objectifs et besoins individuels

Discutez avec nous des processus fluides et du succès durable de la TAPE ainsi que des domaines d’application et des chiffres clés de la traduction automatique. Notre équipe experte en TA se tient à vos côtés avec compétence et en partenariat pour toutes les questions stratégiques et pratiques.

Les Large Language Models (LLM) inaugurent une nouvelle ère de la traduction automatique. Les LLM n’ont pas été conçus spécifiquement pour la traduction, mais pour une compréhension générale de la langue. Grâce à du matériel de formation multilingue, ils ont toutefois appris à traduire « au passage », et plutôt très bien. Grâce à leur compréhension plus large du contexte, ils saisissent mieux les nuances linguistiques, stylistiques et culturelles et fournissent des résultats plus cohérents pour des textes plus longs.

Les LLM sont particulièrement performants dans les traductions libres, mais aussi dans les révisions de textes en langues étrangères. Les résultats déjà générés peuvent être adaptés à l’aide de prompts adaptés pour répondre à des exigences spécifiques, par exemple un style particulier ou un autre groupe cible. Un avantage évident est la « capacité d’apprentissage », c’est-à-dire l’adaptation des instructions au LLM sur la base de spécifications existantes ou d’erreurs antérieures. Cela permet un apprentissage itératif du système et, dans le meilleur des cas, cela réduit considérablement le travail de post-édition.

Avec notre service oneAI, nous proposons désormais à nos clients une solution de traduction par IA pouvant être entraînée dans un espace sécurisé, personnalisable et spécialement conçu pour répondre aux besoins spécifiques des entreprises.

Tout comme les systèmes de TA classiques, les LLM présentent eux aussi certaines faiblesses, notamment des erreurs factuelles (hallucinations) et un usage incorrect de la terminologie. De plus, deux requêtes identiques donnent rarement le même résultat. Une post-édition est donc également indispensable pour les traductions par IA.

Depuis de nombreuses années, les systèmes de TA peuvent être entraînés spécifiquement pour chaque entreprise afin de pouvoir transposer de manière ciblée les termes techniques, le style et le ton. Cependant, un entraînement de la TA était jusqu’à présent synonyme de coûts et de temps élevés. L’utilisation de Large Language Models (LLM) change fondamentalement la donne. En effet, les LLM peuvent mettre en œuvre des spécifications à l’aide de prompts adaptés, que ce soit de manière ponctuelle ou durable, par le biais d’un « Fine-Tuning » (affinage) approprié d’un modèle existant.

Pour cela, les spécifications doivent être analysées et « traduites » en prompts adaptés. Il en va de même pour les sources d’erreurs antérieures issues des processus TAPE, à partir desquelles des règles peuvent être dérivées pour les traductions futures. Une telle ingénierie linguistique des prompts nécessite une expertise linguistique et un savoir-faire technique afin de transmettre à un Large Language Model toutes les exigences linguistiques et formelles d’une traduction. Une mise en œuvre correcte par le LLM peut alors réduire considérablement le travail de post-édition.

Les Large Language Models apprennent à partir des textes avec lesquels ils sont entraînés. Les données linguistiques telles que les mémoires de traduction et les données terminologiques constituent un atout linguistique important, car elles contiennent des données multilingues de l’entreprise et sont enrichies d’informations supplémentaires. Cependant, la croissance des données linguistiques, en particulier dans les mémoires de traduction, est parfois énorme, sans nettoyage régulier. La qualité des données étant déterminante pour une utilisation judicieuse de l’IA, le nettoyage des données revêt une grande importance.

Avec notre service oneCleanup, nous proposons une analyse de nettoyage pour les données de mémoires de traduction et de terminologie. Nous analysons le potentiel de nettoyage de vos données et vous fournissons un aperçu des points sur lesquels vous pouvez agir. oneCleanup prend également en charge le nettoyage semi-automatisé de vos stocks afin d’obtenir des résultats rapidement visibles. À partir des données terminologiques nettoyées, il est ensuite possible de créer des glossaires qui peuvent être directement intégrés dans le processus de traduction automatique.

La traduction automatique combinée à la post-édition s’est imposée comme un processus standard utilisé dans tous les secteurs. Même si la qualité de la pré-traduction automatique est déjà très élevée, les projets de traduction ne sont jamais terminés avec le résultat de la traduction automatique en appuyant simplement sur un bouton. Les facteurs suivants jouent un rôle décisif dans l’amélioration du résultat de la TA :

• Définition des critères et des objectifs
  Grâce à notre savoir-faire et à votre expertise, nous déterminons l’objectif de qualité à atteindre et les autres systèmes à utiliser (système de terminologie et TAO, TA, LLM) afin d’optimiser la qualité et le flux de travail.
• Analyse de faisabilité
  Avec notre procédure d’analyse, nous vérifions quelle qualité de résultats peut être obtenue, à quoi ressemble le rapport coût/bénéfice concret et si, comment et avec quel potentiel d’économie votre avenir avec la traduction automatique peut démarrer. Une première étape, avant même l’analyse de faisabilité, est notre bilan gratuit « Êtes-vous prêt pour la TAPE ? (DE) »
• Post-édition
  Notre processus de post-édition est certifié selon la norme ISO 18587 et est soumis au principe du traducteur référent. Afin d’améliorer la qualité du résultat, les erreurs sont évaluées, la terminologie est enregistrée et des retours systématiques sont donnés en post-édition. Ces résultats sont essentiels pour un flux de travail de TAO durable et une ingénierie linguistique des prompts rapide.
• Travail de terminologie – Jargon d’entreprise
  Les systèmes génériques de TA ne peuvent pas intégrer le vocabulaire spécifique d’une entreprise. Des spécifications terminologiques ciblées sont donc cruciales pour la post-édition et peuvent désormais être intégrées dans de nombreux systèmes sous la forme d’un glossaire ou d’une base de données. Ceci repose sur un travail systématique de terminologie, pour lequel nous vous apportons un soutien complet. Nous construisons votre lexique technique, spécifique à votre secteur, et votre jargon d’entreprise propre à votre entreprise comme base de terminologie, afin que l’homme et la machine puissent y accéder.
• Analyse des retours
  L’analyse des retours après la fin du projet est tout aussi importante que l’analyse de faisabilité avant le début du projet. Elle permet d’identifier les erreurs récurrentes et les sources d’erreurs spécifiques, puis d’en déduire des règles et des directives qui seront intégrées dans des guides de style, des bases de données terminologiques ou des messages afin d’améliorer durablement la qualité des résultats.

Vous souhaitez en savoir plus sur les différents facteurs de qualité ? Contactez-nous pour un premier entretien sans engagement avec nos expert·es TAPE sous le lien suivant ou directement et personnellement au +49 7031 714 9550.