Trois étapes pour un résultat professionnel

Pour avoir été à l’avant-garde de l’utilisation des mémoires de traduction, DAT se trouve tout naturellement préparée à l’intégration des technologies de traduction automatique basées sur les réseaux de neurones et l’intelligence artificielle dans son processus. Certains clients restent cependant focalisés sur les déboires de la traduction automatique à ses débuts.
C’était la période des traductions anecdotiques de « Google Translate » où les systèmes de traduction automatique étaient basés sur les modèles statistiques. Mais depuis, les choses ont énormément évolué avec l’adoption des systèmes à apprentissage profond (le fameux « deep learning ») et les modèles à réseaux de neurones.
Pour simplifier, nous dirons que les systèmes actuels ne calculent plus mais raisonnent et apprennent par conséquent de leurs erreurs. Et parmi les plus précieux matériaux servant à l’apprentissage de ces systèmes, on trouve tout naturellement les mémoires de traduction (TM pour « translation memory ») que DAT a accumulées depuis plus de 20 ans.

Etape 1 : Pré-traduction

1. A partir de l'interface de l'environnement de traduction (comme Trados Studio), l'utilisateur sélectionne les paramètres de langues et de domaines. A partir de cette même interface, il sélectionne les mémoires pertinentes et les connecte.

2. L'utilisateur connecte également l'API du système de traduction automatique (tels que DeepL, ModernMT etc.) et initialise la pré-traduction.

3. A cette étape, le résultat obtenu est une traduction partielle qui reflète le contenu des mémoires de traduction. Et c'est à partir de là que le système de traduction automatique prend le relais et complète les traductions manquantes.

Etape 2 : Traduction automatique

1. Le système de traduction automatique intègre dans son process la terminologie et le contexte issus des mémoires de traduction. Il sauvegarde également l'espace de travail de l'utilisateur.

2. Pour les segments qui ne se trouvent pas dans les mémoires de traduction, le système va utiliser ses réseaux de neurones et ses apprentissages acquis pour les traduire.

3. Le résultat obtenu à l'issue de cette phase du process est une traduction brute où les segments traduits par le système sont clairement identifiés pour les besoins de la post-édition.

Etape 3 : Post-édition humaine

1. Le réviseur reçoit un package de pré-traduction et l’ouvre dans l’environnement de traduction  où les segments issus des mémoires et ceux issus du système MT sont clairement identifiés.
   

2. Il entreprend son travail de post-édition en étant connecté aux mémoires de traduction et au système MT. Les deux systèmes sont enrichis parallèlement par les corrections introduites.

3. Le résultat est une traduction révisée, avec  des mémoires enrichies et un système MT à jour.
   
   Ce processus permet aux clients de traduire plus de documents, plus rapidement, à moindre coût et avec une qualité professionnelle. On estime ainsi que l’économie de coût est de l’ordre de 40 % pour certains documents et que le gain de temps est de l’ordre de 60 %. Il n’est cependant pas applicable à tous les documents. Les domaines d’exclusion sont par exemple les brochures commerciales, les sites web, la publicité et tous documents qui nécessitent une transcréation plutôt qu’une traduction.
   Il est toutefois extrêmement efficace pour tout ce qui concerne les manuels d’utilisation, les manuels de maintenance et les spécifications techniques qui demandent une plus grande fidélité au texte.