Journée d'études Traduction et qualité. Biotraduction et traduction automatique


 

 

Programme Journée d’études « Traduction & Qualité 2018 : BIOTRADUCTION ET TRADUCTION AUTOMATIQUE » #TQ2018

 

8h30 : Accueil/Welcome to participants

 

9h-9h15 Introduction

 

Session 1 : Utilisation de la Traduction Automatique : où en est-on ?

9h15-9h50 Emmanuel Planas, Faculté des Humanités, Université Catholique de l'Ouest, Angers, & Laboratoire des Sciences du Numérique, Université de Nantes

Etat des lieux et avenir des solutions d’aide à la traduction

9h50-10h25 Rudy Tirry, Président de l'EUATC (European Union of Associations of Translation Companies)

L’impact de la Traduction Automatique d'ici 2020

 

Pause café/Coffee break 10h25-10h45

 

10h45-11h20 Véronique Huyghebaert, Language Services Director | JONCKERS

MT post-editing and Quality management in large-scale projects
 

11h20-11h55 Sandrine Peraldi, School of Languages, Cultures & Linguistics | University College Dublin

Les douze travaux de la Traduction Automatique : retour d'expérience sur l'enseignement de la TA et apports pédagogiques

 

Pause repas/Lunch break 12h-13h30

 

Session 2 : Développement des outils de Traduction Automatique : où en est-on ?

 

13h30-14h05 Stéphanie Labroue, Senior Consultant | SYSTRAN

From phrase-based to sentence-based MT: SYSTRAN Pure NeuralTM Machine Translation contribution to quality improvement

 

14h05- 14h40 Fleur Schut, Business Consultant | SDL
Human-centric machine translation @ SDL

 

14h40- 15h15 Daniel PROU, Business Manager for Machine Translation | Direction générale de la traduction, Commission européenne

La Traduction Automatique, outil irremplaçable

 

Pause café/Coffee break 15h15-15h30

 

Session 3 : Evaluation de la Traduction Automatique

 

15h30-16h05 Aljoscha Burchardt, German Research Center for Artificial Intelligence (DFKI)

Human-centered Analysis of Machine Translation Quality  

 

16h05-16h40 Antonio Balvet, Université de Lille-SHS & UMR « Savoirs, Textes, Langage » (STL) du CNRS

Modes d'évaluation et effets de mode dans l'évaluation de la Traduction Automatique : Que peut-on attendre des métriques d'évaluation de la Traduction Automatique ?

 

 

Résumés/Abstracts

 

 

 

Emmanuel Planas

Etat des lieux et avenir des solutions d’aide à la traduction

Nous abordons dans cette présentation l'évolution des outils de Traduction Assistée par Ordinateur (TAO) depuis leur invention jusqu'à nos jours et anticipons leur futur proche en observant l'état de l'art de la recherche en Traitement Automatique du Language Naturel (TALN) appliquée à la TAO. Dans un premier historique, nous montrerons le lien entre le développement parallèle de l'informatique, la Traduction Automatique (TA) et la TAO. On tentera en particulier une explication précise de ce qu'est la Traduction Automatique Statistique (TAS) et la Traduction Automatique Neuronale (TAN). Nous observerons que le lien entre la TA et la TAO a été plus ou moins distendu depuis leurs jeunes années, et que les deux domaines se trouvent actuellement dans une phase de rapprochement via le retour de la vraie interaction entre le traducteur et le moteur de Traduction Automatique (déjà TAS et bientôt TAN), qui annonce ce que désormais on doit appeler la Traduction Interactive (TI).

 

Rudy Tirry

L’impact de la Traduction Automatique d'ici 2020

Le développement récent de la Traduction Automatique neuronale a créé une nouvelle vague d'intérêt, aussi bien dans l'industrie de la traduction que dans la presse mondiale. Après quelques décennies de petites améliorations qui se sont implémentées presque de façon inaperçue, voilà une technologie qui promet de faire un bond en avant en termes de qualité de traduction. Et cette fois-ci pas uniquement pour les langues courantes comme le français ou l'espagnol, mais aussi pour celles qui étaient jusqu'à présent considérées hors portée de la technologie TA.

Bien qu'il soit encore trop tôt pour connaître l'impact réel de ce nouveau développement, certaines tendances sont déjà visibles. Cette intervention présentera le rôle que la TA joue déjà aujourd'hui dans la traduction professionnelle et essaiera de décrire comment ce rôle évoluera probablement dans les années qui viennent.

 

Véronique Huyghebaert
MT post-editing and Quality management in large-scale projects
In the last few months, JONCKERS has specialized in the management of very large-scale projects involving MT post-editing.
We developed tools and processes to manage the post-editing quality with both external and internal linguists.
This session will present the main challenges we faced and how we addressed these, from a resourcing, tools and processes points of view.

 

Sandrine Peraldi

Les douze travaux de la Traduction Automatique : retour d'expérience sur l'enseignement de la TA et apports pédagogiques

Bien qu’il existe encore quelques poches de résistance chez les traducteurs professionnels à l’endroit de la Traduction Automatique (TA), tels d’irréductibles Gaulois résistant encore et toujours à l’envahisseur romain, force est de constater l’avènement, voire la démocratisation de la traduction automatique, que ce soit au sein des prestataires de services, des organisations internationales ou de la Commission européenne. Si la métaphore fait sourire, elle n’en décrit pas moins une réalité. 

En effet, la commercialisation quasi systématique des fonctionnalités de TA dans les outils de Traduction Assistée par Ordinateur (TAO) et la bataille permanente que se livrent les éditeurs de logiciels de TA pour produire des systèmes de plus en plus performants sont autant d’exemples de l’automatisation galopante des processus de traduction. D’ailleurs, un récent sondage mené de manière informelle par la DGT à l’occasion de son rendez-vous annuel « Translating Europe Forum » a montré que 77% de l’auditoire avait plutôt une perception positive de la Traduction Automatique, laissant penser que la TA n’est désormais plus pensée comme une menace pour le traducteur professionnel, mais bien comme un outil supplémentaire dans son environnement de travail.

Enfin, les formations de traducteurs ne sont évidemment pas en reste puisque la plupart d’entre elles intègrent désormais un module d’initiation à la TA, voire à la post-édition.

Mais cette simple initiation, telle la potion magique du druide Panoramix, est-elle suffisante pour former les étudiants, que ce soit en termes de maîtrise technologique à proprement dite, de compréhension des difficultés inhérentes au déploiement d’un nouvel outil dans l’environnement de travail du traducteur (quels efforts cognitifs pour ce dernier ? quelle satisfaction intellectuelle ?) ou encore de réorganisation complète ou partielle d’un service de traduction (investissement financier, redéploiement des équipes, contrôle qualité, etc.) En effet, plusieurs études menées sur l’intégration des outils de TAO cette fois ont montré que la plupart des formations privilégiaient l’apprentissage de l’outil sur l’acquisition de véritables compétences en conditions de travail réelles (Bowker, McBride & Marshman 2008, Kiraly 2015, Frérot & Karagouch 2016)

Nous proposons donc, dans le cadre de cette communication, de nous interroger à la fois sur les stratégies d’enseignement de la Traduction Automatique et sur les nombreux apports de celle-ci pour les futurs diplômés en traduction. Nous nous appuierons notamment sur plusieurs exemples d’expérimentations menées auprès d’étudiants de Master et de véritables commanditaires afin d’illustrer nos propos. 

 

 

Fleur Schut

Human-centric machine translation @ SDL

 The company SDL started investments in machine translation at the onset of the millennium. Constantly pushing the boundaries of research in this field, publishing more than 200 scientific papers and acquiring over 40 MT patents, SDL today offers various state-of-the-art MT engines, including Neural MT. As one of the biggest translation agencies in the world, our aim however is to let the human translator control the machine, and not the other way around. MT should be a helpful tool for the professional translator, instead of a burden or threat that he has to live with. We therefore allow our users to adapt engines on the fly, or to inject personal data in order to fine-tune the outcome. We are convinced that it’s only by combining technology with human skills that we will be able to solve the demand for more and more global content.

 

Daniel Prou

La Traduction Automatique, outil irremplaçable

La Direction générale de la traduction de la Commission européenne doit satisfaire une demande de traduction croissante et variée avec des ressources sans cesse plus limitées. Pour y parvenir, elle s'appuie notamment sur un système de Traduction Automatique développé en interne, auquel les traducteurs peuvent recourir de manière simple et flexible.

 

Stéphanie Labroue

From phrase-based to sentence-based MT: SYSTRAN Pure NeuralTM Machine Translation contribution to quality improvement

 For over 50 years, Machine Translation providers have been developing systems based on grammatical rules and phrase-based structures of languages. In 2016, SYSTRAN introduced its first Pure NeuralTM Machine Translation engines, not relying on any rule-based, statistical nor hybrid phrase-based system, thus bringing a huge contribution to quality and fluency. In this presentation, SYSTRAN is going to walk the audience into the concepts of Neural Machine Translation and the unique capability of specializing a given generic Neural Machine Translation using customer specific aligned corpora and terminology for optimal in-domain quality.

 

Aljoscha Burchardt
Human-centered Analysis of Machine Translation Quality
Much progress in machine translation (MT) has recently been achieved with ever more sophisticated mathematical methods such as the neural networks used by the latest machine translation technology. Yet, the automatically measured enhancements are often hardly visible to the naked eye. We sense a need for a paradigm in MT R&D that utilizes the knowledge and experience of professional translators throughout the entire R&D cycle. In our presentation, we will illustrate how this cooperation can be implemented. You will learn how quality barriers can be empirically confirmed with means like novel translation quality test suites or the standardized parameterizable error metric MQM.

 

Antonio Balvet

Modes d'évaluation et effets de mode dans l'évaluation de la Traduction Automatique :

Que peut-on attendre des métriques d'évaluation de la Traduction Automatique ?

Le domaine de la Traduction Automatique a subi, au cours de son histoire, de profondes mutations, tant à cause de l'évolution des techniques sous-jacentes (méthodes de développement informatique, Intelligence Artificielle, Traitement Automatique des Langues), que de la disponibilité de grands volumes de corpus parallèles. Le domaine de la traduction humaine, de son côté, a également évolué, notamment en intégrant des aides à la traduction, voire en adoptant le paradigme de la post-édition de Traduction Automatique. Les besoins en traduction se sont également diversifiés : descriptifs de produits vendus en ligne, commentaires d'utilisateurs, et courts textes (e-mails, tweets, et autres microblogs) échangés sur des réseaux en réponse à l'actualité introduisent une contrainte nouvelle, celle du traitement en temps contraint, voire en temps réel.

La TA est donc devenue un outil incontournable pour nombre de traducteurs, tant pour des raisons d'efficacité que de cohérence dans les traductions produites (respect de la terminologie et de la phraséologie officielles, cohérence de style, respect des normes éditoriales et orthographiques). Mais que peut attendre un traducteur des différents systèmes de TA disponibles ? Comment évaluer leurs qualités et défauts respectifs en toute conscience, de manière à choisir le bon outil de traduction pour chaque situation, au-delà des effets de mode dans le discours commercial (« Big Data », « Deep Learning » et autres mots-clés) ? Comment interpréter les nombreuses métriques d'évaluation de la qualité des systèmes de TA (BLEU, ROUGE, NIST, METEOR, etc.) lors de l'acquisition d'une licence commerciale ?

Dans cette présentation, nous passerons en revue les principales approches existantes en TA, de manière à mettre en évidence leurs qualités et défauts intrinsèques. Nous examinerons également les modes d'évaluation de la qualité des systèmes de TA, en cherchant à mettre en évidence dans quel contexte elles sont apparues, pour quels besoins, ainsi que leur lien avec la qualité perçue de la traduction produite.