Traduire les dislocations de l’oral avec la traduction neuronale
Résumé
Nous prendrons en compte des données orales tirées des corpus PFC (Buthke et al., 2010), rhapsodie (Pietrandea et al. 2014) et surtout du corpus du Corpus de Français Parlé Parisien (CFPP) des années 2000 (Branca-Rosoff & Lefeuvre 2016) pour étudier la traduction automatique neuronale (TAN) des disloquées du français vers l'anglais. Nous présenterons les performances des systèmes DeepL et Google Translate en suivant la typologie fonctionnelle de (Tellier & Valois, 2006) pour les disloquées à gauche (Ashby, 1988; de Cat, 2007). Après avoir extrait le corpus du web, nous avons extrait les dislocations du CFPP et annoté les phrases en dépendance en utilisant UDpipe. Nous évaluerons la précision de l'analyse en dépendance (deprel = dislocated) de ces 2 546 occurrences de dislocation détectées. Nous détaillerons les mécanismes spécifiques de l'oral qui, selon nous, contribuent à rendre compte de l'insuccès de certaines traductions (répétitions, faux-départ, absence du marquage prosodique des disloquées, cf Avanzi, 2012), en particulier dans le cas des dislocations multiples. En reprenant la méthodologie de la traduction factorisée (Vanmassenhove et Way 2017, Ballier et al. 2020), qui consiste à annoter les corpus d'entraînement, nous présenterons les premiers résultats d'une expérience de l'annotation de l'élément disloqué dans le corpus d'entraînement. Nous essayons de déterminer si le système apprend mieux à ne pas dupliquer les éléments disloqués en sujet dans ses traductions, en utilisant les fonctionnalités du système de TAN Nematus (Sennrich et al, 2017).