technologie

Pourquoi les interprètes ont encore de beaux jours devant eux

Une oreillette en prévente sur Internet prétend traduire simultanément une conversation entre cinq langues différentes. Où en est vraiment la traduction automatique?

Plus de 4 millions de dollars, c’est la somme atteinte par la start-up new-yorkaise Waverly Lab lors d’un financement participatif destiné à la prévente sur Internet de «Pilot». Selon ses concepteurs, cette oreillette permettrait la traduction simultanée entre cinq langues dont le français. Les détails du fonctionnement de l’objet, dont la sortie est prévue au mois de mai, ne sont pas connus. La malédiction de Babel serait-elle sur le point de prendre fin?

Autant le dire immédiatement, les spécialistes sont sceptiques, malgré les importants progrès réalisés récemment par les systèmes de traduction informatisés. «La traduction automatique menée par des industriels tels que Google ou Skype peut être utile pour communiquer, mais pas suffisamment pour être vraiment utilisée en traduction en temps réel», affirme Laurent Besacier, professeur d’informatique à l’Université Grenoble Alpes.

Lire aussi: Lettre à Google Translate

Pour traduire un message vocal, comme veut le faire Waverly Labs, il faut actuellement passer par trois étapes. La voix est d’abord transcrite en texte, qui est ensuite traduit automatiquement. Et enfin, une synthèse vocale du texte traduit est produite. Jusque dans les années 1980, la traduction restait l’apanage des linguistes qui travaillaient avec des dictionnaires bilingues et des règles de grammaire. Ils ont été rejoints depuis par les ingénieurs informaticiens qui ont compris qu’en nourrissant des ordinateurs de grandes quantités de données, ils pouvaient leur apprendre à traduire des langues étrangères.

Deep learning

Concrètement, la machine «apprend» par l’exemple. Elle ingurgite des textes déjà traduits par des professionnels, le plus souvent «des documents rédigés en plusieurs langues par le Parlement européen, des articles de médias multilingues, voire des sous-titres de séries traduits par des communautés de fans sur Internet», détaille Laurent Besacier.

L’ordinateur crée ainsi un catalogue de référence dans lequel il pioche pour traduire les mots ou les séquences de quelques mots qu’on lui indique, un processus nommé traduction automatique statistique. Le rôle des linguistes s’attache désormais à corriger les catalogues de référence afin d’obtenir une base de données de qualité. Il y va de la performance de la traduction.

Lire aussi: Le nouveau système de traduction en temps réel de Google est impressionnant

Dans la lignée des travaux sur l’intelligence artificielle, une nouvelle méthode est apparue récemment: les réseaux de neurones profonds ou «deep learning». Il s’agit d’une fonction mathématique qui calcule toutes les solutions possibles avant de fournir la réponse la plus probable. Les géants du Web ont commencé à l’appliquer entre autres à la traduction automatique et à la reconnaissance vocale. Comme pour la traduction automatique statistique, l’ordinateur s’appuie sur des mathématiques et non pas sur des règles de grammaire. «Il calcule la traduction la plus probable à partir de nombreuses représentations abstraites de la phrase», précise Laurent Besacier.

Se passer de transcription

«L’avantage de cette méthode est d’analyser une séquence comme la phrase et non plus simplement des mots isolés, schématise Pierrette Bouillon, professeure de traduction et d’interprétation à l’Université de Genève (Unige). La machine, par exemple, retranscrivait le sport hockey par «OK», alors qu’associé à «sur glace», elle écrit sans problème «hockey sur glace». Les contenus traduits ont ainsi considérablement gagné en qualité puisque les mots sont reliés entre eux. Un avocat, par exemple, n’a pas le même sens dans une recette de cuisine que dans un rapport judiciaire.

La traduction ne sera jamais parfaite car la langue naturelle est ambiguë

D’autres protocoles sont à l’étude. Traduire un message vocal sans passer par la transcription permettrait de transformer le message en deux étapes au lieu de trois. Et donc de réduire le taux d’erreurs. Depuis l’application du deep learning à la reconnaissance vocale, «c’est un secteur qui est en train de se développer», certifie Laurent Besacier qui travaille actuellement sur un projet de ce type.

Malgré ces avancées, les outils de traduction généralistes relèvent encore de la science-fiction. «La traduction ne sera jamais parfaite car la langue naturelle est ambiguë, estime Pierrette Bouillon, mais elle sera suffisamment utile pour pouvoir communiquer, faire passer une information comme réserver une chambre d’hôtel».

La traduction automatique révolutionne cependant déjà les métiers de la traduction avec un gain de production considérable dans les organisations internationales. Que ce soit à Genève ou à Grenoble, les étudiants de Master en interprétation apprennent à travailler à partir d’une pré-traduction automatique. Mais la relecture du texte par un traducteur humain reste encore indispensable pour un résultat de qualité. Pour l’heure donc, l’oreillette de traduction semble davantage relever du gadget sophistiqué que d’un réel outil performant.

Lire aussi: Traduction simultanée, une fausse bonne idée?

Publicité