Traduction augmentée par la TM

Dans la traduction augmentée par la mémoire de traduction (TM), ce n’est pas l’IA qui génère le texte, mais la mémoire de traduction. Les correspondances complètes sont reprises telles quelles, les correspondances partielles sont transmises au fournisseur d’IA comme consigne, et les entrées de la base terminologique correspondant au segment sont insérées dans le prompt de traduction. L’IA ne fournit que ce qui manque dans le fonds existant. Pour les textes fortement répétitifs – bulletins, rapports, normes, catalogues –, cela ne représente souvent que quelques pour cent du texte. TTN fournit l’ossature, l’IA les mots de remplissage.

Comment naît la prétraduction

Avant la prétraduction, TTN TMS compare chaque segment avec les mémoires de traduction rattachées au projet. Les correspondances à 99 % et à 100 % sont reprises telles quelles dans le texte cible ; elles ne sont jamais envoyées à un fournisseur d’IA. Pour les correspondances entre 60 % et 98 %, l’entrée trouvée dans la TM est jointe au prompt comme consigne, accompagnée de l’instruction de traduire le segment sur cette base. En parallèle, le système recherche pour chaque segment les entrées pertinentes de la base terminologique et les insère également dans le prompt – c’est l’injection terminologique. Pour le court bulletin d’avalanches que le SLF de Davos publie chaque jour en hiver, cela représente jusqu’à 80 termes.

Toutes les traductions nouvellement générées alimentent une deuxième mémoire de traduction, intégrée comme source secondaire. Le fonds entretenu par des traducteurs humains reste ainsi la source primaire, tandis que le résultat de la prétraduction automatique est conservé séparément tout en étant réutilisé.

Avec cette méthode de travail, le pourcentage affiché dans l’éditeur Trados n’a pas la même signification que dans le processus classique sans prétraduction. Une correspondance orange à 74 % ne signifie pas que 26 % du segment s’écartent du texte source, mais que 26 % du segment ont été traduits ou adaptés par l’IA, tandis que 74 % proviennent tels quels de la mémoire de traduction.

L’effet est immédiatement mesurable : l’injection terminologique et les indications TM améliorent considérablement la qualité de la prétraduction. Il vaut donc la peine d’intégrer le plus de termes possible dans la base terminologique – chaque entrée fait gagner du temps lors de la commande suivante. S’y ajoute un effet qui prend de l’importance avec le temps : les modèles d’IA sont de plus en plus entraînés sur leurs propres résultats, ce que l’on appelle la cannibalisation de l’IA ou le phénomène Habsbourg, et qui tend à faire baisser la qualité de la traduction purement automatique. L’injection terminologique et les indications TM brisent ce cercle, car le point de référence reste le fonds entretenu par des humains.

Autres arguments en faveur de la traduction augmentée par la TM

1. Répétabilité. Une IA traduit le même bulletin différemment à chaque fois. L’exécution dépend notamment du temps de calcul disponible, qui résulte du nombre total de tâches en attente divisé par la capacité de calcul disponible. Après une à deux secondes, un délai d’expiration (timeout) intervient et l’évaluation des candidats est interrompue. Qui traduit pendant la Coupe du monde de football obtient une bonne traduction ; aux heures de pointe, une moins bonne. Dès le XVIIe siècle, René Descartes établissait qu’un phénomène n’est scientifique que s’il est répétable. Chez TTN, le texte est généré en premier lieu à partir de la TM entretenue par des traducteurs humains ; toutes les traductions nouvellement générées alimentent une deuxième TM, intégrée comme source secondaire. Chez TTN, la même entrée produit à 100 % le même résultat. Avec ChatGPT, il en sort toujours quelque chose de différent.

2. Traçabilité. Après un grand accident d’avalanche, par exemple, une enquête du ministère public suit en règle générale ; les avertissements, les mesures de sécurité ainsi que leurs déroulements et processus sont examinés de près à la recherche de failles. De nombreux arrêts du Tribunal fédéral accordent une importance centrale à la traçabilité. Un modèle comme Kimi K3, avec ses 2,8 billions de paramètres, est une boîte noire – l’origine d’une traduction ne peut pas être prouvée. Avec le modèle TTN, le journal indique combien de correspondances à 99 % et à 100 %, combien d’indications TM à quel pourcentage et combien de termes injectés ont été intégrés. TTN fournit l’ossature, l’IA les mots de remplissage – qui, dans un bulletin hautement répétitif, ne représentent que quelques pour cent.

3. Corrigibilité. Avec un modèle comptant des billions de paramètres, personne ne sait exactement où intervenir lorsqu’un texte n’est pas satisfaisant et doit être généré différemment à l’avenir. Dans la traduction augmentée par la TM, toutes les données se trouvent dans une base de données Microsoft SQL. Une seule commande permet de modifier toutes les occurrences d’un token de texte, de sorte que le nouveau terme ou la nouvelle correspondance approximative est désormais utilisé.

4. Mises à jour technologiques. En tant qu’agence de traduction spécialisée dans les technologies de pointe, TTN traite d’importants volumes de textes en série et évolue dans un environnement technologique en constante et rapide mutation.Cette position lui permet de rester à la pointe de l’innovation et des technologies du secteur.