Une bonne traduction implique de comprendre le texte à traduire pour le transposer aussi finement que possible dans une langue cible. La traduction automatique a longtemps reposé sur ce constat et c’est essentiellement par une absence ou du moins une déficience au niveau de l’analyse sémantique que l’on a longtemps expliqué l’échec de la première vague de systèmes de traduction automatique (1950-1965). Les recherches se sont alors orientées vers la « compréhension automatique » visant justement à fournir une représentation formelle du contenu d’un texte. A rebours de cette conception quasi unanimement acceptée à la fin des années 1980, on a vu se généraliser depuis les années 1990 des systèmes reposant sur une approche statistique et sans représentation explicite de la sémantique des textes. On s’interrogera sur cet état de choses, sur la raison du succès des systèmes actuels et sur leurs limites éventuelles. En particulier, on examinera le rapport entre le type de traitement utilisé par les systèmes actuels et la sémantique : en partant de données brutes, attestées, en grande largeur, les systèmes n’intègrent-ils pas finalement, et contrairement à ce que pourrait laisser penser un examen rapide de ces systèmes, des connaissances importantes de nature sémantique (comme par exemple un découpage implicite suivant les différents sens du mot reposant sur une analyse distributionnelle ou une modélisation indirecte du degré de figement des expressions complexes) ?