Renforcer le partenariat entre l’humain et l’IA : le cas des traducteurs

ChatGPT et sa capacité à tenir des conversations et à produire du contenu écrit ont fait l'objet de beaucoup d'attention l'année dernière dans le domaine de la technologie et de l'intelligence artificielle. Cependant, l’IA existe depuis un certain temps et nous aide dans toutes sortes de tâches quotidiennes, des systèmes de navigation aux algorithmes des réseaux sociaux, en passant par la traduction automatique. Depuis que les systèmes de traduction automatique neuronale (NMT) ont commencé à être largement utilisés il y a quelques années, l’IA a connu une croissance exponentielle dans le secteur de la traduction. Cela a conduit à de nouveaux défis dans la relation entre les traducteurs humains et automatiques.

Aujourd'hui, la post-édition de traductions automatiques est la deuxième compétence la plus recherchée parmi les prestataires de services linguistiques et constitue la tâche présentant le plus grand potentiel de croissance, selon l'enquête sur l'industrie européenne de la langue. Les traducteurs éditent des traductions automatiques non traitées, corrigeant les textes produits par l'intelligence artificielle. Cela apporte de nombreux avantages pour les traducteurs humains, mais aussi des problèmes importants si la qualité de la traduction automatique est médiocre. C'est pourquoi la capacité d'évaluer objectivement la qualité des outils de traduction automatique est essentielle pour le secteur.

Deux chercheurs de l'Universitat Oberta de Catalunya (UOC), Antoni Oliver, membre du Groupe interinstitutionnel de recherche en applications linguistiques (GRIAL-UOC), coordinateur du projet TAN-IBE et membre de la Faculté des arts et des sciences humaines de l'UOC, et Sergi Álvarez-Vidal, chercheur au GRIAL-UOC, a développé une nouvelle méthode d'évaluation du travail de l'IA afin d'améliorer le travail des traducteurs, en renforçant leurs capacités grâce au potentiel de la traduction automatique et en améliorant la qualité du résultat final pour tous les utilisateurs.

Une nouvelle méthode pour évaluer l’IA en traduction

La plupart des entreprises de traduction et de services linguistiques analysent la qualité des outils d’IA de la même manière, en utilisant des mesures automatisées. Dans leur dernière étude, Oliver et Álvarez-Vidal ont analysé dans quelle mesure ces systèmes d'évaluation automatisés aident réellement à choisir des outils qui facilitent réellement le travail ultérieur des traducteurs humains. Pour ce faire, ils ont mesuré l'effort dit de post-édition, en calculant le temps, les pauses et les touches utilisées par les traducteurs pour comprendre en profondeur les difficultés liées à l'édition et à la correction d'un texte produit par traduction automatique.

L'article est publié dans la revue Esperluette.

« Nous avons conclu qu'il n'y a pas de relation directe entre ce que disent les mesures d'évaluation automatisées de la qualité et l'effort de post-édition réel impliqué », a déclaré Oliver. « Nous avons donc estimé qu'il était nécessaire d'ajouter une étape supplémentaire au système d'évaluation de la qualité. » C’est pourquoi les chercheurs proposent de compléter les systèmes d’évaluation automatisés par un autre programme permettant d’évaluer l’effort réel déployé en post-édition. Cela permettra aux entreprises de choisir un outil d’IA qui augmente réellement l’efficacité du processus de traduction.

« Nous avons ajouté une étape supplémentaire : les traducteurs traduisent un échantillon de la traduction automatique avec un programme spécial que nous avons développé. Ce programme nous permet de collecter une série de données et de décider si l'effort fourni par les traducteurs est moindre qu'avec d'autres systèmes. « , a expliqué Álvarez-Vidal. « S'il est inférieur, cela signifie que cet outil de traduction automatique fonctionne pour le flux de travail de l'entreprise de traduction. »

IA, prise en charge des traducteurs humains

Les systèmes de traduction automatique sont largement utilisés dans le secteur de la traduction, même si les résultats finaux sont toujours examinés par des personnes. Lors de ce travail de post-édition, les professionnels humains acceptent, modifient et corrigent, voire rejettent dans leur intégralité le résultat produit par les machines.

« À cet égard, il est extrêmement important de réfléchir à qui est au cœur de cette tâche : le post-éditeur humain ou le système d'intelligence artificielle ? » dit Olivier. « Nous sommes convaincus que le rôle principal est joué par l'humain et que le système d'IA doit être à son service, en l'aidant à devenir plus productif tout en garantissant la qualité finale du produit. »

Selon les chercheurs, la qualité de la traduction automatique a un impact direct sur le travail des traducteurs. Un effort plus important entraîne plus de temps et de difficultés dans la post-édition, ce qui a deux conséquences évidentes : cela augmente le risque que le résultat final soit de moins bonne qualité car le traducteur en question est incapable de détecter toutes les erreurs et cela augmente également le temps passé par le traducteur. dépense en post-édition, ce qui est un gaspillage d'argent.

« La qualité de la traduction automatique est essentielle pour qu'il y ait un processus de post-édition approprié », a déclaré Oliver.

Des études comme celle des deux chercheurs de l’UOC ont également un impact indirect important : elles améliorent notre compréhension des outils de traduction automatique, démocratisent ainsi leur accès et garantissent que leur utilisation n’affecte pas les conditions de travail des traducteurs humains.

« Il est extrêmement important que notre compréhension de ces technologies et l'accès à ces outils ne soient pas limités à quelques spécialistes et à un nombre limité d'entreprises », a conclu Álvarez-Vidal. « Les universités en général, et l'UOC en particulier, font de gros efforts pour inclure la compréhension de ces technologies dans leurs cours, tant dans les programmes de licence que de master. »