Ces dernières années, les progrès de la traduction automatique neuronale ont été fulgurants. Les moteurs de traduction permettent d’obtenir, pour les langues les plus parlées, un résultat « brut de logiciel » (gisting) suffisant pour certains usages (connaître l’idée générale d’un texte, traduire un mode d’emploi…). Pourtant, les résultats se révèlent insuffisants pour les textes spécialisés (médecine, sciences, SHS) ou à haute teneur culturelle. Cette lacune est également avérée dans les combinaisons de langue où les données textuelles ne sont pas suffisantes. Car la traduction automatique neuronale a besoin d’un grand volume de données pour fonctionner efficacement, en l’occurrence des couples de textes sources (dans la langue d’origine) et cibles (dans la langue vers laquelle le texte est traduit). Or, dans la combinaison chinois-français par exemple, ces données sont (encore) rares. Pour pallier cette difficulté, les moteurs passent par une langue pivot : l’anglais. Mais cela n’est pas sans poser de réels problèmes de sens… Comment dès lors se positionner par rapport à ces nouveaux outils nourris par l’IA, comment reconnaître leurs failles et savoir y remédier ? Comment former la nouvelle génération de traductrices et de traducteurs à utiliser l’outil tout en préservant sa liberté de juger et en renforçant sa sensibilité linguistique et son discernement culturel ?