Etre performant avec l’IA en traduction, c’est possible. Mais cela nécessite un peu d’attention : les modèles ne sont pas parfait et il faut mettre en place des procédures de contrôle efficace. Je vous fais part de ma propre expérience.
Vous avez peut-être vu ces pages Facebook ou certains articles qui se moquent – parfois pas très gentiment, d’ailleurs – de traductions erronées. Certaines sont franchement ridicules, d’autres carrément pathétiques. Si vous ne voulez pas vous retrouver sur une de ces pages de dérision – et enterrer définitivement votre image de marque – voici quelques conseils issus de ma propre expérience.
Deux logiciels pour être plus performant avec l’IA en traduction
Ever since we set up le MOOC Dys sur les troubles de l’apprentissage, j’utilise l’application DeepL pour m’aider dans les traductions. Je dis bien « m’aider ». Vous allez le constater dans les lignes qui suivent, la traduction avec l’IA pose quelques problèmes. Et nécessite donc une supervision humaine à chaque étape.
J’utilise aussi le programme (plug in) Translate Press pour m’aider dans la traduction des articles et des pages de nos sites Web. Il y a deux façons de travailler avec ce programme : ou le laisser traduire tout seul les contenus. Ou l’utiliser pour traduire manuellement les contenus. L’avantage est qu’il traduit tout, y compris ce que les lecteurs du site ne voient pas :
- l’adresse url
- alternative text for images
- menu links
- etc.
Personally, I prefer to use the manual version of the programme in conjunction with DeepL. As j’ai ajouté l’extension DeepL dans mon navigateur Chrome, je peux l’utiliser sur une multitude de sites Web et aussi dans mon comte Gmail pour la traduction des emails. L’extension apparaît sous la forme d’une icône (logo DeepL) en face du champ que je dois traduire, comme sur la photo ci-dessous :
Je copie le texte français dans chaque champ et j’utilise le traducteur DeepL pour la langue correspondante en cliquant sur l’icone. Je répète l’opération pour chaque langue. Cela peut paraître long, mais en réalité, on gagne énormément de temps.
Pour être performant avec l’IA en traduction : contrôler les erreurs fréquentes
Ces deux programmes, DeepL et Translate Press sont parmi les meilleurs dans leur catégorie. Mais, comme toujours, l’intelligence artificielle n’est pas parfaite et il faut soumettre les résultats au contrôle humain.
Language detection errors
Take the verb “argumenter”, for example. DeepL consistently interprets this verb as a norwegian plural noun. Whereas for me, it’s all about the French verb in the infinitive form. The translation differs only slightly: “arguments” instead of “to argue”. But this distorts the meaning of the sentence.
Articulation entre les différents membres d’une phrase
When I translate articles from our blog into other languages, the sentences are split into ‘strings’. A sentence may be split into several strings, particularly if it contains a hyperlink. In this case, because it is a linguistic model, it cannot align the strings with one another. They are treated as sequences of signals that are independent of one another.
For example, I recently translated an article on the ABC Learning Design method. At one point, a string appears which, in French, ends with ‘je vous ai présenté la’. The next string begins with the word ‘méthode’. In Italian, Spanish and Portuguese, ‘méthode’ is masculine (metodo). The phrase ‘je vous ai présenté la’ becomes ‘vi ho presentato la’ in Italian, but is followed by ‘metodo’, which is masculine. This means I have to correct every sentence containing feminine articles and masculine nouns. It’s no big deal, but it would undermine our credibility in the eyes of Italian, Spanish and Portuguese readers.
You can download this Mindomo mind map on this page from our partner Biggerplate.
If you do not have the Mindomo software, download it for free here.
You can also download the PDF format by clicking on the button below.
Problèmes liés au modèle prédictif de l’IA générative
Large language models are probabilistic systems. When they encounter a string of characters, they estimate the probability of what comes next. For example, in a sentence that reads “la population française en”, the model will calculate that there is a 90 per cent chance that the next word will be “général”. In some character strings, the probability is so high that the model adds the word “général” of its own accord. However, as my context is academic and professional, the next word is likely to be different. But if I do not proofread this text, I will end up with an Italian or Portuguese translation containing the word ‘général’, even though it does not appear in the original sentence and has no meaning or function in the intended translation.
L’IA ne tient pas compte du contexte
A single word can have several meanings, which vary depending on the context. For example, I am using the word ‘qualification’ in a professional context. It therefore means ‘aptitude, a set of skills relating to a trade or profession’. However, DeepL systematically translates ‘qualification’ as ‘selection’ because, in the world of sport, this word means ‘to be ranked or selected’. Fortunately, there is a feature that allows you to ‘set’ the desired type of translation. However, this example, like others, clearly shows that translations must be constantly proofread and checked. Even though it saves time, this does not mean that they should not be reviewed by a human. That is why European legislation on AI transparency exempts content reviewed by a human from the labelling requirements applicable to content managed by generative AI.
Corriger les erreurs de contexte : l’utlisation d’un glossaire
Both DeepL and Translate Press have a feature that allows you to force the software to translate a word in a particular way. This is the ‘glossary’. It is a sort of dictionary or thesaurus containing a list of words and their designated translations. For example, when we created the Dys MOOC, we explained in the first part of the course that learning difficulties, such as dyslexia, dysphasia, etc., were difficulties arising from brain development, but not illnesses. However, on several occasions, the software translated ‘disorders’ as ‘illnesses’. MOOC participants were quick to point this out to us. Using the ‘glossary’ feature, we were able to review all the translations, ensuring that this error would not happen again.
Ce glossaire permet aussi de ne pas traduire le nom de l’entreprise dans nos articles : dans une version du titre (le titre OG, pour le référencement), le nom Formation 3.0 apparait et était traduit systématiquement. Ce qui est interdit par la loi, puisque le nom est déposé uniquement en français.
Etre plus performant avec l’IA en traduction : le contre-exemple de la traduction simultanée
YouTube – tout comme Prime Video et d’autres plateformes de streaming – a récemment intégré une traduction instantanée automatisée, basée sur un LLM. Les résultats sont souvent hilarants. Des mots sont mal traduits, voire carrément inventés par le modèle. A tel point que la vidéo originale en devient pratiquem
Conclusion : le besoin permanent d’une supervision humaine pour être plus performant avec l’IA en traduction
The errors highlighted above are not a major issue in themselves. However, they underscore the fact that any content generated by generative artificial intelligence should be subject to human review. Furthermore, when you translate a text into another language using AI, it is best to have a basic understanding of that language and how it works. Otherwise, you risk losing all credibility with your audience.
Au-delà des problèmes signalés, la traduction assitée par l’intelligence artificielle nous fait gagner beaucoup de temps. Ce qui nous permet de publier davantage et d’attirer de nouveaux lecteurs sur notre site. Sans l’intelligence artificielle, nous ne pourrions publier en cinq langues et offrir des ressources en six idiomes différents.
Did you enjoy this article? Subscribe to our newsletter Enjoy this article? and don't miss out on any more publications! It's free and guaranteed spam-free!