La traduction de textes, point de rencontre entre l’intelligence artificielle et l’humain ?

L’intelligence artificielle ChatGPT et sa capacité à entretenir des conversations et à générer du contenu écrit ont retenu l’attention au cours de la dernière année dans le domaine de l’intelligence artificielle. Mais en réalité, l’intelligence artificielle est à nos côtés depuis longtemps, nous assistant dans toutes sortes de tâches quotidiennes, des systèmes de navigation aux algorithmes des réseaux sociaux, en passant par la traduction automatique. Depuis que les systèmes de traduction automatique neuronale (TAN) ont commencé à être largement utilisés il y a quelques années, l’intelligence artificielle a augmenté de façon exponentielle sa présence dans le secteur de la traduction. Et cela a ouvert de nouveaux défis dans la relation entre traducteurs humains et automatiques.

Aujourd’hui, la post-édition des traductions automatiques est la deuxième compétence la plus demandée parmi les prestataires de services linguistiques et la tâche présentant le plus grand potentiel de croissance, selon l’enquête sur l’industrie européenne de la langue. Les traducteurs éditent les traductions automatiques brutes, corrigeant le texte généré par l’intelligence artificielle. Cela apporte de nombreux avantages pour les traducteurs humains, mais pose également des obstacles importants si la qualité du travail automatisé n’est pas bonne. Par conséquent, être capable d’évaluer objectivement la qualité des outils de traduction automatique est essentiel pour le secteur.

Sergi Alvarez-Vidal et Antoni Oliver, tous deux de l’Université Ouverte de Catalogne (Universitat Oberta de Catalunya, UOC) ont développé une nouvelle méthode d’évaluation du travail de l’intelligence artificielle dans le but d’améliorer le travail des traducteurs, en renforçant leurs capacités avec le potentiel de la traduction automatique et augmentant la qualité du résultat final pour tous les utilisateurs.

Antoni Oliver est chercheur au Groupe interuniversitaire de recherche sur les applications linguistiques (GRIAL-UOC), coordinateur du projet TAN-IBE et professeur aux Arts et Sciences humaines à l’UOC. Sergi Álvarez-Vidal est également chercheur au GRIAL.

Une nouvelle méthode pour évaluer l’intelligence artificielle en traduction

La plupart des entreprises de traduction et de services linguistiques analysent la qualité des outils d’IA de la même manière : en utilisant des métriques automatiques. Dans leur dernière étude, Oliver et Álvarez-Vidal ont analysé dans quelle mesure ces systèmes d’évaluation automatique ont conduit à choisir des outils qui facilitent réellement le travail ultérieur des traducteurs humains. Pour ce faire, ils ont mesuré l’effort dit de post-édition, en calculant le temps, les pauses et les touches utilisées par le traducteur pour connaître en détail la difficulté d’éditer et de corriger un texte généré avec la traduction automatique.

“Nous avons conclu qu’il n’y a pas de relation directe entre ce qu’indiquent les mesures automatiques d’évaluation de la qualité et l’effort de post-édition”, explique Antoni Oliver. “Ainsi, nous avons compris qu’il était nécessaire d’ajouter une étape supplémentaire au système d’évaluation de la qualité.” De cette manière, les chercheurs proposent de compléter le système d’évaluation automatique avec un autre programme permettant d’évaluer l’effort réel de post-édition. Ainsi, l’entreprise peut choisir l’outil d’intelligence artificielle qui améliore réellement l’efficacité du processus de traduction.

“Nous avons ajouté une étape supplémentaire : les traducteurs traduisent un échantillon de la traduction automatique avec un programme spécial développé par nous. Ce programme nous permet de collecter une série de données et de décider si l’effort des traducteurs est moindre ou non qu’avec d’autres systèmes”, explique Sergi Álvarez-Vidal. “S’il est inférieur, cela signifie que cet outil de traduction automatique est valable pour le flux de travail de l’entreprise de traduction.”

La collaboration entre l’intelligence artificielle et l’humain a un scénario apparemment ferme et durable dans la traduction de textes. (Illustration : Étonnants/NCYT)

L’intelligence artificielle, un renfort pour les traducteurs humains

Les systèmes automatiques sont largement utilisés dans le secteur de la traduction, même si les résultats finaux sont toujours vérifiés par des humains. Lors du travail de post-édition, les professionnels humains acceptent, modifient et corrigent, voire rejettent complètement, le résultat généré par la machine. “À ce stade, il est très important de réfléchir à qui est au centre de cette tâche, le post-éditeur humain ou le système d’intelligence artificielle ?”, demande Oliver. “Nous sommes convaincus que le protagoniste est l’humain et que le système d’intelligence artificielle doit être à son service, lui permettant d’être plus productif et de maintenir la qualité finale du produit.”

Selon les chercheurs, la qualité de la traduction automatique affecte directement le travail des traducteurs. Un effort plus important entraîne plus de temps et de difficultés lors de la post-édition, ce qui a deux conséquences claires : cela augmente le risque que le résultat final soit de moins bonne qualité car le traducteur ne peut pas détecter toutes les erreurs et cela augmente le temps que le traducteur passe à la post-édition. , ce qui signifie également un gaspillage d’argent. “La qualité de la traduction automatique est essentielle pour un processus de post-édition adéquat”, ajoute Oliver.

Des études comme celle des deux chercheurs de l’UOC ont aussi une grande conséquence indirecte : améliorer les connaissances sur les outils de traduction automatique pour démocratiser leur accès et garantir que leur utilisation n’affecte pas les conditions de travail des traducteurs humains. “Il est très important que la connaissance de ces technologies et l’accès à ces outils ne reviennent pas à quelques spécialistes et à quelques entreprises”, conclut Álvarez-Vidal. “Les universités en général, et l’UOC en particulier, font de grands efforts pour inclure des connaissances sur ces technologies dans leurs études, tant au niveau du premier cycle que de la maîtrise.” (Source : UOC)