Nos collaborateurs sont notre richesse. Ils aident de nombreuses sociétés à satisfaire leurs clients depuis plus de 20 ans. 

À propos de nous
Direction
Actualités
Informations fondamentales

Nos experts sont au fait de l'évolution de votre secteur d'activité et des défis que vous devez relever.

Sciences de la vie
Banque et Finance
Commerce de détail
Gaming
Automobile
Biens de grande consommation
Technologie
Fabrication industrielle
Services juridiques
Tourisme et hébergement

SÉLECTIONNER LA LANGUE :

Traduction automatique en traduction

Aide-mémoire


Après presque 80 ans d’existence, la traduction automatique est plus populaire que jamais.

 

Au cours des dernières années, alors que tout ce qui se rapporte à l’IA s’est fermement ancré dans l’air du temps, le terme « traduction automatique neuronale » s’est imposé comme l’une des nombreuses expressions en vogue qui attirent l’attention de tous les secteurs. Quel que soit votre rapport au concept de la traduction automatique, vous devez savoir comment en parler.

Alors que les applications de l’intelligence artificielle deviennent de plus en plus accessibles aux entreprises et aux consommateurs, un lexique de termes associés est apparu. Comment les observateurs extérieurs au secteur peuvent-ils déterminer la différence entre des termes qui sont parfois utilisés de manière interchangeable ?

Comment traduire la traduction automatique ?

Nous sommes là pour vous aider. Chez Lionbridge, nos équipes comptent certains des experts en traduction les plus expérimentés au monde. Nous avons élaboré cet aide-mémoire en collaboration avec eux pour vous aider à déceler les différences subtiles et plus évidentes entre les termes moteurs du secteur.

1. Intelligence artificielle

Pour comprendre les tendances récentes en matière de traduction automatique, vous devez d’abord vous familiariser avec le contexte dans lequel elles s’inscrivent : l’intelligence artificielle dans toute sa puissance. L’IA désigne l’intelligence que mettent en œuvre les machines lorsqu’elles réalisent des tâches généralement considérées comme nécessitant des réflexions humaines, comme l’apprentissage et la résolution de problèmes. Au cours des dernières années, l’IA a bénéficié de l’augmentation de la puissance des ordinateurs. Ces ordinateurs plus puissants sont synonymes de traitement plus intensif pendant la réalisation d’une tâche, mais également d’apprentissage automatique optimisé, ce qui leur permet d’acquérir les connaissances nécessaires pour les applications d’IA.

2. Apprentissage automatique

L’apprentissage automatique est une branche des sciences informatiques qui utilise des quantités de données considérables pour enseigner aux ordinateurs comment effectuer une tâche. L’apprentissage automatique consiste à examiner les données associées à une tâche spécifique, à identifier des modèles dans ces données et à effectuer des associations entre eux, puis à utiliser ces nouvelles informations pour déterminer comment l’ordinateur doit réaliser la tâche en question. Si, après cette analyse, l’ordinateur devient plus efficace pour effectuer cette tâche, alors on parle d’apprentissage automatique.

Puisque nous disposons de données sur à peu près tous les sujets imaginables, nous utilisons l’apprentissage automatique pour améliorer les performances des ordinateurs dans tous les domaines, des prévisions météorologiques à la sélection automatique d’actions, en passant par la traduction automatique.

Female standing holding a laptop

3. Traduction automatique

En bref, la traduction automatique est un système automatisé : vous présentez un support source à un ordinateur dans une langue, et il le rend dans une autre langue. Le résultat n’est pas parfait, mais c’est l’un des outils les plus puissants dont nous disposons pour produire plus efficacement des traductions de haute qualité.

Au cours des dernières décennies, la traduction automatique s’est continuellement améliorée, tant en matière de qualité des résultats que d’étendue des langues prises en charge. Le développement de la traduction automatique a reflété notre utilisation de plus en plus sophistiquée des ordinateurs : des simples systèmes de remplacement de mots lors des premiers jours de la traduction automatique à l’apprentissage approfondi et aux réseaux neuronaux de la traduction automatique neuronale, en passant par la grammaire et les lexiques explicitement codés de la traduction automatique basée sur des règles, ainsi que par le paradigme de traitement des nombres de la traduction automatique statistique.

4. Traduction automatique statistique

La traduction automatique statistique exploite l’apprentissage automatique pour générer un très grand nombre de possibilités de traduction pour une phrase source donnée, puis sélectionner la meilleure en fonction de la probabilité que les mots et les expressions apparaissent ensemble dans la langue cible. La traduction automatique statistique apprend la traduction à travers le prisme des « n-grammes », de petits groupes de mots qui apparaissent ensemble dans la langue source et dans la langue cible. Pendant les phases d’apprentissage automatique, des corpus d’apprentissage sont donnés au système de traduction automatique statistique : un très grand nombre d’exemples de phrases dans la langue source et leur traduction dans la langue cible. L’algorithme d’apprentissage divise les phrases sources et cibles en n-grammes et détermine quels n-grammes de la langue cible sont susceptibles d’apparaître dans une traduction lorsqu’un n-gramme spécifique de la langue source apparaît dans une phrase.

Ensuite, l’algorithme d’apprentissage élabore un modèle de langue qui calcule la probabilité que des mots et des expressions donnés apparaissent les uns à côté des autres dans la langue cible. Lorsque l’apprentissage est terminé et qu’il est temps de traduire un nouveau contenu, le système de traduction automatique statistique décompose la nouvelle phrase source en n-grammes, trouve les n-grammes de la langue cible fortement associés et commence à générer des phrases candidates. La traduction finale est la phrase dont les n-grammes de la langue cible présentent la plus forte corrélation avec les n-grammes de la phrase source, et dont les mots de la phrase cible sont les plus susceptibles d’apparaître ensemble dans la langue cible.

L’efficacité de la traduction automatique statistique est surprenante, surtout si l’on s’attarde sur le fait que les systèmes de ce type n’ont rien de linguistique. En effet, le système ne tient compte que des n-grammes, mais jamais d’une phrase complète. C’est un point de divergence avec une approche émergente de la traduction automatique : la traduction automatique neuronale.

5. Traduction automatique neuronale

La traduction automatique neuronale (NMT) surmonte la plus grande lacune de la traduction automatique statistique : sa dépendance à l’analyse des n-grammes. La traduction automatique neuronale dote le système des outils dont il a besoin : il reçoit le corpus d’apprentissage, tout comme un système de traduction automatique statistique, à une différence essentielle près. Une fois que le système reçoit le corpus, il décide lui-même comment apprendre tout ce qu’il peut sur ces données.

Les systèmes de traduction automatique neuronale élaborent des vecteurs d’information pour chaque phrase source, associant les informations sur chaque mot grâce aux mots qui l’entourent. Certains systèmes fournissent des centaines d’informations par mot, permettant ainsi de bénéficier d’une très grande précision. Grâce à l’apprentissage approfondi, les systèmes de traduction automatique neuronale capturent une quantité massive d’informations sur chaque mot et chaque phrase source, puis utilisent ce que l’on appelle un modèle d’attention afin d’affiner les caractéristiques critiques qu’ils ont apprises grâce à l’analyse de ces flux de données massifs, qui sont importants pour le processus de traduction. Il en résulte des traductions dont la fluidité est nettement améliorée, ce qui signifie que les traductions générées par ordinateur commencent à sembler de plus en plus naturelles.

Bien que la traduction automatique neuronale soit encore un paradigme de traduction automatique très récent, elle change la donne dans notre secteur. Au fur et à mesure que les outils disponibles se perfectionnent et que d’autres améliorations sont apportées, nous continuerons d’accroître notre utilisation de la traduction automatique chez Lionbridge afin d’accélérer nos processus de production.

 

Chez Lionbridge, nous parlons couramment la langue de la traduction automatique. Nous proposons des services de traduction automatique et de post-édition à grande échelle depuis 2002. Chaque année, nous faisons plus, et nos services ne cessent de s’améliorer. Pour découvrir comment nous utilisons notre maîtrise de la traduction automatique afin d’aider nos clients, cliquez ici.

Parlez de vos exigences en matière de traduction automatique avec notre équipe.

  • #blog_posts
  • #translation_localization

#IA #localisation #TA #traduction #traduction automatique


Lionbridge
AUTHOR
Lionbridge