Un outil de traduction automatique de métadonnées et son insertion dans la chaîne éditoriale
Résumé
Le projet rassemblant trois partenaires (LIDILE, MSHB et PUR) vise à concevoir une méthode qui combine la traduction automatique neuronale (DeepL) et la post-édition humaine pour améliorer la qualité des métadonnées des articles (résumés, mots-clés, titraille, etc.) du français vers l'anglais dans le processus éditorial des revues. L’objectif est de développer une méthodologie de traduction qui puisse être reproduite et transférée à d’autres revues et domaines disciplinaires. En travaillant sur 4 revues éditées par les Presses universitaires de Rennes (ArcheoSciences, Norois, Annales de Bretagne et des Pays de l’Ouest et Éducation & Didactique), il s’agit de comparer la traduction anglaise de ces métadonnées précédemment publiée (et jugée perfectible) et la traduction des mêmes données générée par la TAN, afin de déterminer les éléments qualitatifs et les limites de chaque production (humaine vs. TAN). Une évaluation objective de la qualité des traductions sera effectuée, et la traduction automatique enrichie de métadonnées exploitables sera post-éditée et améliorée par des traducteurs professionnels. Dans la méthode de traduction proposée, l’outil de TAN sera intégré aux méthodologies de gestion de la qualité des traductions (mémoires de traduction et glossaires). Cette méthode sera ensuite testée sur les numéros des quatre revues à paraître en 2020.