Nous savons que la précision a longtemps été un défi avec les solutions de TA. Lionbridge associe une approche donnant la priorité à l'IA à des fonctionnalités automatisées de mesure de la qualité, le tout accompagné d'une intervention humaine qui nous permet d'en vérifier la précision en permanence.

L’IA permet d'améliorer les résultats de traduction des outils traditionnels, tels que les mémoires de traduction (MT), la traduction automatique neuronale (NMT) et la RAG.

Notre expérience en matière de post-édition par l'IA démontre qu’elle est capable de répondre aux besoins d’évolutivité et de maintenir la qualité. Néanmoins, la supervision humaine est essentielle pour surveiller et ajuster l’outil afin de garantir l’exactitude et de répondre aux exigences spécifiques du contenu.

Notre solution de post-édition par l'IA commence par une évaluation initiale du contenu source afin d'en comprendre le contexte global. Les étapes d’édition et de validation sont réalisées en tenant compte de ce contexte, garantissant que les traductions produites correspondent aux objectifs et/ou aux profils du contenu.

Nous avons conçu notre solution de post-édition par l'IA pour qu'elle soit configurable : les invites linguistiques peuvent être modifiées et mises à jour en fonction de la surveillance automatisée ainsi que des commentaires des linguistes et des experts du client impliqués dans le processus de traduction.

De plus, Lionbridge propose d’autres solutions d’IA qui nous permettent d’effectuer une analyse de la source et de produire des rapports qui présentent les recommandations de modifications à apporter au contenu source. Nous pouvons associer ces solutions à notre solution de post-édition par l'IA afin d'optimiser encore un peu plus la stratégie en matière de contenu.

Notre solution de post-édition par l'IA nous permet de définir et de cibler les domaines dans lesquels l’implication linguistique humaine est la plus utile.

Grâce à notre cadre REACH, nous travaillons avec nos clients pour évaluer les objectifs en matière de contenu et configurer la solution d'IA afin d'optimiser le résultat de la traduction. Nous pouvons ensuite définir différents degrés d’implication humaine, en veillant à ce que le niveau d’intervention corresponde aux besoins et aux profils du contenu.

La gestion de la terminologie spécifique à un secteur variant selon la langue et la région est un défi, mais elle peut être abordée de plusieurs manières.

En exploitant les métadonnées, nous sommes en mesure de fournir un contexte plus large aux outils d’IA et de demander au LLM de prendre en compte certaines exigences supplémentaires, telles que les nuances régionales, en supposant que le contenu soit correctement étiqueté et tagué. Lionbridge propose des services de données aux entreprises afin de répondre à cette condition préalable.

Lorsque la terminologie doit être adaptée par zone ou région, nous avons recours à un cadre RAG. Pour la post-édition par l'IA, nous formulons des directives afin que le LLM effectue certaines actions spécifiques basées sur des règles linguistiques définies.

La configuration de notre solution permet également de tenir compte de documents externes en guise d'exemples supplémentaires. Ainsi, le LLM peut générer du contenu plus adapté à des contextes spécifiques.

Étant donné que ce type de contenu a tendance à évoluer au fil du temps, il est essentiel d'assurer la maintenance et la mise à jour des invites linguistiques. C'est pourquoi nos solutions d'IA sont conçues pour être contrôlées et supervisées par des humains.

Oui, notre plateforme axée sur l'IA est indépendante de tout modèle LLM et n'est liée à aucun modèle spécifique. Bien qu'elle ait été calibrée avec les modèles de GPT d'OpenAI, nous pouvons travailler avec les clients pour remplacer ceux-ci par leurs propres moteurs LLM.

Ce scénario relève d’une configuration personnalisée et peut nécessiter une évaluation/configuration supplémentaire afin de garantir que le LLM répond aux normes de qualité.

Pour ces solutions, nous vous recommandons de collaborer avec nos équipes en charge des solutions et technologies linguistiques afin de déterminer vos besoins, vos objectifs et vos exigences.

Notre solution de post-édition par l'IA propose des invites linguistiques configurables qui peuvent être adaptées en fonction des besoins en matière de contenu et des exigences réglementaires. Bien que nous proposions un processus axé sur l’IA, le contrôle et la sélection des invites linguistiques restent du ressort des humains (linguistes informatiques, experts en la matière (SME) et experts linguistiques) à des fins d’optimisation et de calibrage.

Les modèles de LLM génériques, non entraînés et basés sur des chatbots, ont du mal à gérer le ton, le contenu et les nuances culturelles. Notre solution relève ce défi en utilisant une approche de chaîne d'invites configurables, laquelle fournit au LLM des instructions spécifiques pour définir le style, le ton et la terminologie, ainsi que des directives linguistiques relatives au contexte du contenu original. Grâce à une configuration contrôlée des paramètres et des invites linguistiques, nous sommes à même d'améliorer les processus de traduction avec la post-édition par l’IA.

Notre solution commence par inciter le LLM à comprendre le contexte du contenu source. Nous utilisons ce contexte pour guider la prise de décision et l'édition par le LLM, et fournissons des instructions pour évaluer la terminologie, modifier les correspondances partielles et valider les traductions au niveau du segment. Cela permet de garantir que l'IA fonctionne selon des paramètres définis. Notre approche permet également des mises à jour continues des invites linguistiques. Ainsi, si des hallucinations se produisent, nous pouvons ajuster et corriger les problèmes éventuels.

Les testeurs humains sont généralement des linguistes informaticiens ou expérimentés en ingénierie des invites. Ils sont responsables de la conception, des tests et de la mise à jour des paramètres de notre solution de post-édition par l'IA. Ces linguistes valident les résultats et fournissent des commentaires, qui sont ensuite utilisés pour ajuster et affiner les invites et les paramètres linguistiques.