Traduction automatique et erreurs catastrophiques

La traduction compte. Des traductions précises vous permettront d'atteindre efficacement vos marchés cibles, quelle que soit leur langue. Les entreprises se tournent de plus en plus vers la traduction automatique (TA) pour étendre leur portée à de nouveaux marchés et traduire plus de contenu plus rapidement pour tous leurs publics. Mais ce faisant, elles courent de plus en plus le risque de diffuser des erreurs de traduction catastrophiques.

Il est essentiel d'être conscient des lacunes de la TA et d'empêcher ces types d'erreurs de parvenir à votre public. En effet, elles pourraient se révéler extrêmement préjudiciables pour votre entreprise. Les prestataires de traduction automatique avertis, comme Lionbridge, peuvent administrer des contrôles de qualité automatisés pendant la traduction pour détecter les erreurs critiques, tout en préservant la vitesse de traduction automatique et en réduisant le besoin d'intervention humaine.

Quels sont les deux principaux types d'erreurs associés à la traduction automatique ?

Si la traduction automatique devient de plus en plus fiable en raison des grandes quantités de texte à partir desquelles les systèmes peuvent apprendre et en raison des réseaux neuronaux qui permettent la traduction automatique neuronale (NMT), les moteurs gardent malgré tout une certaine propension à produire des erreurs. Il existe deux principaux types d'erreurs associés à la traduction automatique, chacun présentant une échelle de gravité différente.

Erreurs standard : quelles sont-elles et doivent-elles vous préoccuper ?

Les erreurs de TA standard sont les plus bénignes des deux types d'erreurs. Ces erreurs dans la langue cible concernent les caractéristiques linguistiques du contenu. Les erreurs standard incluent les fautes de grammaire, d'orthographe ou de ponctuation. Si les locuteurs natifs sont susceptibles de remarquer ces dérapages, ces erreurs ont rarement des conséquences désastreuses pour une entreprise.

En fait, des recherches approfondies montrent que les utilisateurs finaux sont prêts à accepter une qualité imparfaite.

Une enquête réalisée auprès de 8 709 consommateurs dans 29 pays a révélé ce qui suit :

• 65 % des acheteurs préfèrent acheter un produit dont le contenu est dans leur langue locale, même si celui-ci contient des erreurs
• 66 % des utilisateurs se tournent vers la traduction automatique en ligne lors de l'évaluation des produits disponibles dans d'autres langues
• 40 % des consommateurs n'achèteront pas de produits présentés dans d'autres langues

(Source : « Can’t Read Won’t Buy – B2C », CSA Research, juin 2020)

Des traductions parfaites ne sont pas toujours nécessaires. Dans ces cas, les entreprises ne doivent pas trop s'inquiéter de l'erreur standard occasionnelle.

Erreurs catastrophiques : quelles sont-elles et pourquoi doivent-elles vous préoccuper ?

Comme leur nom l'indique, les erreurs de TA catastrophiques impliquent des fautes graves. La diffusion de contenus traduits contenant des erreurs catastrophiques expose les entreprises à des conséquences préjudiciables.

Ces erreurs vont au-delà des erreurs linguistiques et se produisent lorsque le résultat du moteur ne transmet pas avec précision l'intention du texte source. L'écart par rapport au message souhaité peut répandre des informations erronées, provoquer de la confusion et des malentendus, voire même conduire à certains conflits.

Par exemple, si les forces de l'ordre ou les responsables de la santé publient des directives au public contenant des erreurs catastrophiques en résultat de la traduction automatique, de telles erreurs peuvent avoir un impact négatif sur le bien-être du public et coûter aux agences leur crédibilité. La diffusion accidentelle de contenu contenant des erreurs catastrophiques peut exposer les entreprises à des répercussions financières, légales ou en termes de réputation.

Qu'est-ce qui cause les erreurs catastrophiques ?

Une erreur catastrophique peut être considérée comme un dysfonctionnement du moteur de TA. Cela peut se produire si le moteur ne comprend pas le contexte du texte, par exemple lorsqu'un mot a un double sens ou en cas de faute dans le texte source. Ces erreurs se produisent lorsque le moteur n'est pas bien entraîné ou lorsqu'un glossaire défectueux est utilisé, ce qui entraîne l'apparition répétée des mêmes erreurs.

Les erreurs catastrophiques se produisent parce que les moteurs, malgré leur sophistication, restent imparfaits. Au contraire des humains, les machines ne peuvent pas exercer de jugement.

Quand les erreurs catastrophiques sont-elles le plus susceptible d'apparaître dans votre texte ?

Les erreurs catastrophiques apparaissent dans différents contextes. Il existe trois catégories principales à prendre en compte lors de l'anticipation d'erreurs de traduction catastrophiques potentielles : la mauvaise traduction des entités clés, la négation et le contresens, ainsi que les hallucinations.

Mauvaise traduction des entités clés

La mauvaise traduction d'entités clés fait référence à des erreurs de traduction de noms propres (individus ou organisations), de nombres importants ou d'unités de mesure.

Dans le cas des noms propres, des erreurs peuvent se produire lorsque le nom est également un mot courant. Le public a été témoin d'un exemple concret d'erreur catastrophique impliquant un nom propre sur le site web d'une agence gouvernementale espagnole. Dans ce cas, le nom de la responsable du service, Dolores del Campo, a été omis du site officiel du ministère. Au lieu de cela, la traduction littérale « Douleur du champ » est apparue à la place du nom.

Lors de la traduction automatique, le moteur peut traduire la devise (disons du yen en dollars) mais ne pas tenir compte du taux de conversion lors de la traduction des nombres correspondants. Cela produira une erreur catastrophique qui peut semer la confusion et entraîner des conséquences économiques néfastes.

Et voici comment les choses peuvent mal tourner lors de la traduction d'une unité de mesure. Si un document médical spécifie un certain dosage en milligrammes, mais que le moteur traduit par erreur le dosage en grammes, le patient qui lit le document traduit risque de recevoir le mauvais dosage au détriment de sa santé. La société peut être tenue responsable d'une telle erreur et encourir des frais juridiques et dommages-intérêts.

Négation et contresens

Les erreurs catastrophiques de négation et de contresens se réfèrent à des erreurs, dans la langue cible, qui transmettent le sens opposé à celui du texte original.

Par exemple, une note de service à l'attention d'actionnaires, traduite de l'anglais vers l'espagnol, peut indiquer dans la version espagnole que le cours des actions a baissé alors qu'en fait, les prix ont augmenté.

Hallucinations

En de rares occasions, la TA peut introduire du contenu qui n'est tout simplement pas présent dans la source. Ces erreurs sont appelées hallucinations. Ce type d'erreur catastrophique se produit en raison de problèmes au niveau du logiciel du moteur de TA lui-même. Les moteurs peuvent, dans certaines circonstances, générer des mots offensants, grossiers, agressifs ou controversés.

Comment les méthodes automatisées peuvent-elles prévenir les erreurs catastrophiques lors de la traduction automatique ?

Il est essentiel d'éviter que des erreurs catastrophiques ne compromettent votre contenu. Mais ce n'est pas si facile. Les entreprises seront mieux protégées contre les erreurs catastrophiques à mesure que les informaticiens amélioreront les technologies existantes de traduction automatique dans le but de les éviter. En attendant, nous pouvons utiliser une technologie automatisée pour identifier les problèmes potentiels, réviser les phrases problématiques et promouvoir l'exactitude pendant le processus de traduction.

Lionbridge administre des contrôles de qualité automatisés spécifiques dans les textes traduits via sa solution Smaⁱrt MT™, et conjointement avec l'IA linguistique de pointe Smaⁱrt Content, pour détecter les erreurs tout en maintenant la vitesse de la traduction automatique et en minimisant le besoin de post-édition par des traducteurs humains.

Ces méthodes automatisées détectent :

• Les traductions incorrectes de noms propres, y compris les noms d'individus ou d'organisations, en identifiant des entités dans le texte source qui peuvent être à la fois une entité nommée et un mot courant.
• Les mots offensants, grossiers ou sujets à controverse en combinant un algorithme d'apprentissage automatique supervisé et une liste de termes offensants.
• Les contresens entre les textes originaux et traduits en identifiant les particules négatives (phrases qui contiennent le mot ne pas ou non) dans le texte original ou le texte traduit, mais pas dans les deux.
• Les hallucinations dans la traduction via des dictionnaires ou une liste de mots offensants lorsque les hallucinations sont insultantes. 

Les contrôles de qualité automatisés ne garantiront pas l'élimination des erreurs catastrophiques. Les contrôles automatisés peuvent passer à côté de certaines erreurs, provoquant alors un faux résultat négatif. Néanmoins, ils sont très efficaces pour nous aider à détecter des problèmes. Grâce à cette approche, nous pouvons concentrer l'attention des traducteurs professionnels sur les phrases signalées et éviter de retravailler l'ensemble du document. En alertant les traducteurs professionnels de l'endroit où les problèmes sont les plus susceptibles d'apparaître, nous améliorons l'efficacité du processus de localisation.

Contactez-nous

Si vous souhaitez en savoir plus sur la façon dont Lionbridge peut vous aider à mettre en place une stratégie de traduction automatique efficace qui vous protège des erreurs catastrophiques, contactez-nous dès aujourd'hui.