Obtenir des traductions de qualité professionnelle avec l'IA

Dans le monde pré-LLM, il existait deux approches principales pour la traduction de produits :

1. La traduction automatique avec des outils comme Google Translate ou DeepL

   • Capable de traduire naïvement une phrase A en phrase B
   • Rapide et peu coûteuse, mais souvent de qualité limitée

2. La traduction humaine

   • Capable de traduire une phrase A en phrase B en tenant compte du contexte :
     • Le contexte spécifique du produit
     • L'utilisation du jargon propre à l'industrie
     • La cohérence avec les traductions existantes
   • Assure une bonne qualité mais nécessite plus de temps et a un coût élevé

De ces deux solutions, la seconde offre clairement la meilleure qualité de traduction pour un produit, à condition que les traducteurs aient accès au contexte nécessaire.

Mais avoir accès à ce contexte n'est pas une tâche triviale :

• Soit les traducteurs connaissent parfaitement le produit et ont en tête la terminologie existante, le sens de chaque fonctionnalité, l'emplacement du texte dans le produit, les parcours utilisateurs, une excellente connaissance de l'industrie, etc.
• Soit ce contexte est formellement spécifié avec de la documentation, des captures d'écran, des glossaires (spécifiant les termes de l'industrie et leurs traductions dans chaque langue), et les traducteurs doivent s'y référer méticuleusement.

Au final, le constat était simple : la traduction automatique est peu coûteuse et rapide, mais de qualité médiocre, tandis que la traduction humaine offre une meilleure qualité, mais à un coût élevé et avec un processus de traduction plus lent.

La révolution de l'IA et des LLM

Depuis l'émergence des LLM (Large Language Models), les outils de traduction ont embrassé cette révolution, comme Prismy, permettant de simplifier significativement ce processus.

Si l'on compare les trois approches selon le triptyque coût/qualité/temps :

Comparaison des méthodes de traduction

Si les facteurs coût et temps sont relativement peu controversés, le facteur qualité mérite une analyse plus approfondie.

Comment Prismy assure la qualité des traductions

Puis-je faire confiance à votre IA pour traduire mon produit aveuglément ?

C'est une question qu'on nous pose fréquemment.

Comme nous l'avons vu précédemment, la prise en compte du contexte permet aux traducteurs de fournir une traduction de qualité. La clé réside donc dans la capacité à prendre en compte ce contexte, et c'est précisément là que les LLM excellent, étant capables d'analyser de nombreuses données d'entrée pour ajuster la sortie.

Prismy s'appuie sur trois piliers pour assurer la qualité des traductions :

Piliers de la qualité des traductions

Pilier #1 : Définition du contexte et de la tonalité

La première étape consiste à expliquer le contexte au LLM, en partant du plus général (l'industrie) au plus spécifique (l'emplacement du texte dans le produit).

Prismy permet de définir globalement l'industrie, le produit et son utilité. Grâce à cela, les LLM sont déjà capables d'utiliser le bon jargon, et la qualité des traductions est considérablement améliorée.

Ensuite, lorsque Prismy traduit les textes d'un produit, il est utile de les adapter à leur emplacement dans l'interface. Pour cela, Prismy offre la possibilité de définir des instructions par section du produit. De plus, Prismy est capable de traduire les textes fonctionnalité par fonctionnalité, en se basant sur les feature-branches et en exploitant le contexte attaché aux pull requests et autres métadonnées.

Enfin, Prismy permet également de définir la tonalité à utiliser par langue et par section du produit.

Pilier #2 : Un glossaire exhaustif et à jour

Chaque entreprise a son propre jargon, des termes métier pour lesquels elle souhaite maintenir une cohérence et potentiellement imposer des traductions spécifiques.

Pour cela, les entreprises utilisent souvent des glossaires pour définir ces termes et leurs traductions.

Là où les traducteurs pouvaient encore garder en tête des termes non formalisés dans un glossaire, cette approche ne fonctionne plus avec l'IA. Il devient essentiel de documenter formellement et exhaustivement tous les termes spécifiques. Cette tâche peut sembler fastidieuse, mais Prismy permet de générer et maintenir automatiquement un glossaire à cet effet. C'est un sujet passionnant, que j'expliquerai plus en détail dans un article dédié.

Pilier #3 : La mémoire de traduction

Le dernier pilier consiste à assurer la cohérence en s'appuyant sur les traductions existantes. Nos traductions gagnent en expérience et en qualité grâce à l'historique des traductions. Ainsi, si un mot ou une portion de phrase a déjà été traduit ailleurs dans le produit, Prismy est capable d'instruire le LLM pour qu'il se base sur ces traductions existantes et assure une cohérence globale.

Est-ce la solution miracle ?

Grâce à ces trois piliers, les LLM révolutionnent la traduction de produits en assurant une très bonne qualité de traduction, tout en offrant rapidité et faible coût.

Est-ce suffisant ? Notre expérience chez Prismy révèle qu'avec une configuration optimale, les traductions atteignent un excellent niveau de qualité, mais une supervision humaine ciblée reste précieuse pour atteindre l'excellence. C'est pourquoi Prismy permet également des workflows de relecture et travaille à prioriser les traductions les plus douteuses afin de cibler les relectures sur quelques traductions seulement.

Avec cette stratégie, il est désormais possible d'avoir un processus automatisé avec une bonne configuration initiale et une relecture bien ciblée, permettant au système d'apprendre en temps réel !