Translating Europe Forum. Working with data – the translator’s perspective – Anaïs VILLARD

Compte-rendu proposé par Anaïs Villard (diplômée du Master TST, Université de Haute-Alsace) de la session Working with data – the translator’s perspective qui s’est tenue dans le cadre du Translating Europe Forum à la Commission européenne de Bruxelles le 8 au 9 novembre 2018.

***

Le 8 novembre 2018, dans la salle De Gasperi, la session « Working with data – the translator’s perspective » a été l’occasion pour discuter du ressenti des traducteurs vis-à-vis de la traduction automatique (T.A.) et de l’évolution de leur métier. Au cours de cette session, cinq traducteurs aux profils variés ont partagé leurs points de vue : Lucas Nunes Vieira, maître de conférences en traduction à Bristol University, Gruffydd Jones, traducteur à l’Assemblée nationale du Pays de Galles, Erik Hansson, traducteur technique freelance, Miha Žličar, traducteur à la D.G.T. de la Commission européenne et Tanguy Fauchier, linguiste interne de Sanofi. Cette session a été animée par Ana Guerberof, enseignante-chercheuse à Dublin City University. Ses recherches portent notamment sur l’impact des technologies sur les utilisateurs et plus précisément sur les langues.

Il est intéressant dans un premier temps de découvrir ce que les conférenciers pensent de la traduction automatique, qu’ils décrivent comme des « données produites par des traducteurs humains, régurgitées par une machine ». Les intervenants estiment que la traduction automatique met en lumière les inégalités entre les entreprises ou organisations internationales et les traducteurs freelance. En effet, un traducteur freelance n’a pas les mêmes ressources qu’une entreprise. Il n’a généralement pas les moyens de créer ou d’investir dans un système de T.A., contrairement aux entreprises et institutions. De plus, si le freelance parvient tout de même à acquérir son outil de T.A., il ne pourra l’entraîner qu’avec ses propres données. Or, alimenter un système avec un nombre limité de données restreindra considérablement la performance de ce dernier. De même, les traducteurs qui comprennent le principe de base des algorithmes seront fortement avantagés par rapport aux traducteurs qui l’ignorent. En effet, s’ils possèdent des connaissances en matière d’algorithmes, ils pourront utiliser et entrainer efficacement leur outil de traduction automatique.

En général, la traduction automatique repose sur la post-édition, à savoir, la correction du texte cible produit par la machine. Or, ce travail est souvent mal rémunéré et le gain de productivité promis n’est pas toujours garanti. La post-édition ne fait donc pas l’unanimité. Elle confère parfois une fausse impression de sécurité, par conséquent, il est souvent difficile de remarquer toutes les erreurs. Par exemple, un segment cible peut paraître correct à première vue alors qu’il est à la forme négative au lieu de la forme affirmative. En outre, contrairement à la mémoire de traduction, la traduction automatique ne propose pas de fuzzy match, c’est-à-dire une correspondance à moins de 100 % avec le texte source.

La T.A. permet de traduire un volume important en peu de temps mais la qualité est très variable. On remarque souvent des problèmes de cohérence dans le texte cible, notamment en cas de répétitions dans le texte source, et cela représente un travail important en post-édition. De plus, la T.A. ne tient pas compte du contexte, du public cible ou du but du texte cible (Skopos) ; le traducteur doit ainsi être vigilant. Malgré les avis divergents au sujet de la post-édition, il est pourtant recommandé de la pratiquer pour apprendre à maîtriser les technologies de traduction automatique.

La traduction automatique neuronale (Neural Machine Translation ou N.M.T.) est plus flexible et plus interactive que les systèmes précédents, qui étaient statiques. Cependant, comme il s’agit d’une nouvelle technologie, il est encore laborieux de prédire les erreurs de la N.M.T. De même, on peut se demander quelles compétences sont nécessaires pour réviser des textes produits par cet outil.

Certains traducteurs n’associent pas la T.A. à la post-édition. Ils choisissent plutôt de l’utiliser comme un outil complémentaire qui leur fournit des « sous-traductions » dont ils peuvent s’inspirer pour reformuler un segment. La T.A. encourage les traducteurs à travailler différemment.

Dans un second temps, l’évolution du métier de traducteur est au cœur de la discussion. Aujourd’hui, la compétence la plus importante d’un traducteur n’est plus la recherche dans un dictionnaire papier, mais le contrôle de l’environnement numérique. Il est impossible de garder éternellement le même environnement de travail, l’intégration d’outils informatiques dans le travail du traducteur lui permettra de traiter plus de demandes.

Les intervenants sont plutôt optimistes pour le futur. Ils rappellent que les experts en intelligence artificielle ont affirmé que le traducteur humain sera toujours indispensable dans le processus de traduction. La machine ne le remplacera pas. Néanmoins, le traducteur doit prendre sur lui et accepter le fait que certains aspects de son travail seront effectués par la machine et que la post-édition prendra une place importante dans l’industrie. Il sera donc amené à redéfinir ses tâches pour pouvoir tirer profit des nouveaux outils. Bien évidemment, une telle transition n’est jamais simple et elle peut entraîner de la frustration.

Les technologies langagières évoluent rapidement, par exemple, la Statistical Machine Translation fait maintenant place à la Neural Machine Translation. Il est donc important que les traducteurs soient ouverts aux nouvelles technologies et qu’ils se forment tout au long de leur carrière. Selon le philosophe Karim Benammar, conférencier au Translating Europe Forum, il est nécessaire de changer de perspective vis-à-vis de l’intelligence artificielle (I.A.). Il compare cela à la situation suivante : Garry Kasparov, champion du monde d’échecs, a été battu par le superordinateur Deep Blue d’IBM en 1997. L’année suivante, il décide de créer un tournoi d’échecs entre des joueurs « centaures », c’est-à-dire la fusion « homme + I.A. ». M. Benammar nous conseille donc de travailler en symbiose avec la machine et de devenir à notre tour des « centaures » pour combiner les caractéristiques des deux groupes. Le traducteur bénéficierait alors de la vitesse et des nombreuses bases de données de l’I.A. et il mettrait à profit ses compétences et son expérience.

Par ailleurs, il est essentiel de reconceptualiser la traduction et de revaloriser le travail du traducteur humain. En effet, il est spécialiste linguistique et comprend le contexte et les aspects culturels du document, contrairement aux outils de T.A. De même, l’adaptation culturelle au public cible est une compétence que ne possède pas la machine. Afin de se valoriser, les traducteurs peuvent se focaliser sur « ce qui font d’eux des humains ». Par exemple, ils peuvent mettre l’accent sur la transcréation. De plus, la spécialisation est primordiale pour les traducteurs freelance et elle doit, dans la mesure du possible, impliquer une partie rédactionnelle ou pointue.

Pour conclure, le métier se transforme et le traducteur doit s’adapter aux changements de l’industrie et aux nouvelles technologies, telles que la N.M.T. Bien que les avis divergent concernant la traduction automatique, il est conseillé de s’y initier. La post-édition peut prendre une part plus importante dans le travail d’un traducteur. Ce dernier peut se demander quels outils seraient susceptibles de l’aider à faire moins de tâches répétitives et à être plus productif. Son environnement de travail a changé avec l’arrivée d’Internet et il est primordial que le traducteur se forme tout au long de sa carrière aux nouveaux outils. À la fin du colloque, Ana Guerberof a demandé au public de décrire le Translating Europe Forum 2018 en un mot. Le mot qui est revenu le plus souvent est « centaure », suivi de « adaptation » et « data ».


Vous aimerez aussi...

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search