Towards robotic translation
Vers une robotique du traduire
Résumé
The appearance on the web in 2017 of new translation services based on “deep learning” artificial intelligence algorithms such as DeepL and Google Translate corresponded to a new leap forward in machine translation. These recent systems, like the previous generation of statistical machine translation and factored machine translation, rely on large aligned corpora and produce results whose quality is in some cases comparable to some human translations. It follows that to produce added value, the translator must provide something extra compared to the machine. This added value may be inherent in fields where the use of machines is not in itself of much interest because of the essentially aesthetic dimension of translation: this is the case for the translation of certain literary genres. Although much academic translation research refers to this field, it represents only a small fraction of the existing professional translation activity. As the machine allows productivity gains of 150 to 200% (some translators reach outputs of 6,000 to 8,000 words per day), the post-editing technique is becoming increasingly important in the language industries, as confirmed in 2017 by the introduction of the ISO 18587 standard “Translation services — Post-editing of machine translation output — Requirements”. Post-editing poses a moral dilemma for translators: accepting that the machine, and not them, is the source of their own translation. Artificial intelligence is changing our professional activities and translation is one of the fields showing such changes. This issue brings together articles that do not aim to take stock, but rather to present reflections and practical experience not only from professional translators but also from academics specialising in teaching and/or researching translation. The rapid development of artificial intelligence is forcing not only professional translators but also translation courses to adapt. The approaches put into dialogue in this volume concern translation, but also natural langage processing, linguistics, translation studies and language teaching.
L’apparition sur la toile en 2017 de nouveaux services de traduction automatique neuronale reposant sur des algorithmes d’intelligence artificielle comme DeepL et Google Translate correspond à un nouveau bond en avant en matière de traduction automatique. Ces systèmes récents, comme les systèmes de la génération précédente de traduction automatique statistique et de traduction automatique statistique factorisée, fonctionnent à partir de grands corpus alignés et produisent des résultats dont la qualité est pour certains comparable à certaines traductions humaines. Il s’ensuit que pour produire une valeur ajoutée, le traducteur doit apporter un plus par rapport à la machine. Ce plus peut être inhérent à certains domaines où l’emploi de la machine n’a en soi guère d’intérêt du fait de la dimension essentiellement esthétique de la traduction : c’est le cas des traductions littéraires qui, si de nombreux travaux de traductologie universitaire y prennent appui, ne représentent qu’une petite partie de l’activité de traduction professionnelle existante. Comme de surcroît la machine permet des gains de productivité de l’ordre de 150 à 200% (certains traducteurs atteignent des rendements de 6000 à 8000 mots par jour), la technique de la post-édition tend à s’imposer de plus en plus dans les industries de la langue, ce que confirme en 2017 la sortie de la norme ISO 18587 (Services de traduction — Post-édition d'un texte résultant d'une traduction automatique — Exigences). Cette technique de post-édition pose un cas de conscience au traducteur : accepter de ne pas être à l’origine de sa propre traduction au profit de la machine. L’intelligence artificielle est en train de changer le monde et le rapport que les humains entretiennent avec le travail et concerne les traducteurs au premier chef. La traduction humaine ou biotraduction est-elle en voie d’extinction ? Cette publication dresse un état des lieux provisoire de la question du rôle de l’humain dans l’activité traduisante. En effet, le développement fulgurant de l’intelligence artificielle oblige non seulement les traducteurs professionnels à s’adapter, mais aussi les formations en traduction ainsi que la recherche afférente. Les approches mises en dialogue dans le cadre de cette publication convoquent donc autant l’informatique que la linguistique, la traductologie, la traduction et la didactique des langues.
