Les technologies dites « intelligentes » en traduction

Dernièrement, plusieurs traducteur·trices disent ne pas utiliser l’IA pour traduire, mais qu’en est-il réellement? Cette question repose surtout sur le rapprochement qu’ont tendance à faire les gens entre intelligence artificielle et IA générative, et effectivement, les traducteurs n’utilisent souvent pas l’IA générative pour traduire (même s’ils l’adoptent pour d’autres tâches ou même pour s’inspirer).

Chaque tâche appelle un type d’outil différent, je vous propose donc d’explorer en quoi ils diffèrent.

Traduction assistée par ordinateur sans traduction automatique

Ce sont les logiciels que les professionnel·les de la traduction utilisent depuis longtemps pour effectuer leur travail. On parle ici d’une adoption relativement généralisée vers la fin des années 1990.

Ces outils utilisent des mémoires de traduction, des bitextes et des banques de terminologie, soit des bases de données généralement produites, ou à tout le moins vérifiées, par les traducteurs·trices.

Dans les outils de traduction assistée par ordinateur (TAO) traditionnels, le texte est divisé en segments, qui sont généralement des phrases ou des bouts de textes séparés par des symboles précis (saut de ligne, point-virgule, point). Ces outils génèrent des solutions ou des pistes de traduction reposant sur un pourcentage de correspondance entre le segment fourni et ce qu’on retrouve dans la base de données.

Avantages

• Permet de maintenir la cohérence entre les textes, que ce soit en facilitant le respect d’une terminologie uniformisée ou en répertoriant les différentes traductions de phrases semblables.

• Accélère grandement le travail de traduction en limitant l’étendue des recherches et en permettant de chercher dans le travail qui a déjà été effectué.

• Augmente la qualité des traductions par l’intégration d’outils de vérification de l’orthographe, des nombres, de la ponctuation, etc.

Cas d’utilisation

On privilégiera les outils de TAO sans traduction automatique pour les textes hautement techniques pour lesquels figurent déjà plusieurs éléments fiables aux bases de données. C’est l’option qui permettra le mieux de répliquer et d’utiliser les travaux déjà effectués sans ajouter du travail lié à la correction des erreurs issues de la traduction automatique.

Nombre des outils de TAO proposent aujourd’hui des fonctions de traduction neuronale ou même l’intégration de certains outils d’IA générative, mais il reste libre à chacun de choisir quoi intégrer à ses outils.

Traduction neuronale

La traduction neuronale, qui est apparue sur le marché au courant des années 2010, est une forme de traduction automatique. Elle repose sur une intelligence artificielle à laquelle on a fourni une grande quantité de textes traduits en différentes langues.

On parle de réseau « neuronal » parce que la conception de cette technologie s’inspire du fonctionnement du cerveau humain. La machine est entraînée sur des textes bilingues et code différents éléments de sens et de contexte. Cette pratique lui permet de distinguer les contextes d’utilisation de différents termes, ce qui la distingue des moteurs de traduction précédents, qui généraient des traductions fondées sur les mots individuels sans lien avec leur contexte.

Lorsqu’une traduction lui est demandée, l’outil de traduction neuronale propose des solutions sur la base de prédictions liées aux données codées.

Il y a aussi différents moyens d’appliquer les résultats de traduction neuronale à un texte. Il est possible de complètement faire prétraduire le texte par la machine pour ensuite réviser le résultat, mais il est aussi possible de demander à l’outil de proposer les résultats dans la fenêtre dédiée à cette fin, qui répertorie déjà les résultats des mémoires et des banques de terminologie.

Avantages

• Traduction plus naturelle en tenant compte du contexte, mais peut intégrer des erreurs.

• Possibilité d’amélioration continue selon les actions de la personne qui utilise l’outil et les documents ajoutés en référence.

• Souvent intégré aux outils de TAO, ce qui permet d’intégrer les données des traducteur·ices (terminologie, mémoires, etc.) aux fonctionnalités de la traduction neuronale.

Cas d’utilisation

On utilisera la traduction neuronale pour des textes qui doivent être produits rapidement et dont la formulation doit être naturelle. Malgré tout, une personne doit repasser sur le texte puisque la machine ne « comprend » pas réellement les propos qui y sont présentés. Il faut vérifier l’adéquation du texte au document d’origine sur les plans du style et du ton utilisé. Il arrive aussi que la machine produise un texte qui semble convaincant, mais qui ne correspond pas tout à fait au texte d’origine. C’est là que l’expertise des traducteur·ices professionnel·les vaut tout son pesant d’or.

IA générative en traduction

L’IA générative, qui prend une place de plus en plus grande depuis quelques années, a la capacité de traduire, mais ce n’est pas la raison pour laquelle elle a été créée. Sa fonction première est de générer du texte avec une formulation naturelle et fluide pour les lecteurs, sans se soucier de rendre absolument le sens du texte de départ. Il y a donc un risque d’ajouts, ce qu’on appelle parfois des « hallucinations », d’écarts, d’erreurs ou d’omissions. On parle ici d’erreurs subtiles, qu’une simple lecture du texte final produit pourrait ne pas permettre de détecter. Ces erreurs posent problème puisqu’on présume que le texte de départ a été réfléchi et rédigé pour remplir un objectif clair, qui devrait être rendu dans sa traduction.

Toutes ces raisons font en sorte que l’IA générative n’est pas l’outil que privilégient les traducteur·ices dans la tâche de traduire.

Les grands modèles de langage sont des outils puissants, mais nécessitent un contrôle de la qualité rigoureux. Dans un contexte de traduction, il faut prendre le temps de faire une révision comparative du texte source et du texte cible afin de s’assurer que les deux textes transmettent la même information.

Avantages

• Produit un texte fluide et d’aspect naturel, au risque de s’éloigner du texte d’origine.

Cas d’utilisation

Les traducteur·ices adoptent l’IA générative à d’autres fins que celle de la traduction pure et dure : dans les tâches plus administratives et comptables, pour faciliter les recherches à l’aide de modèles qui indiquent leurs sources, pour automatiser des tâches répétitives, pour s’inspirer lorsqu’ils et elles se butent à une expression difficile à rendre dans la langue d’arrivée.

Éléments à prendre en considération

Confidentialité et sécurité des données

Selon l’outil utilisé, il faut s’assurer de vérifier les questions de confidentialité des données. La version gratuite des outils d’IA et de traduction neuronale utilise souvent les données qui lui sont fournies pour entraîner la machine. Par ailleurs, comme les serveurs de plusieurs de ces outils sont situés ailleurs qu’au Canada, il faut s’assurer de respecter la réglementation provinciale et fédérale en matière de traitement des renseignements confidentiels.

Qualité

Les grands modèles de langage sont entraînés sur d’importants corpus de textes publiés sur internet. Comme on aime le dire dans le milieu de la traduction, « Garbage in, garbage out ». En d’autres mots, le produit brut d’un outil de traduction automatique, qu’il soit un simple outil de traduction basé sur les statistiques, un outil de traduction neuronale, ou un grand modèle de langage, ne peut être qu’aussi bon que les textes sur lesquels il a été entraîné.

Mot de la fin

Chaque demande de traduction appelle des outils différents, mais dans tous les cas, une personne compétente doit repasser sur le texte pour en vérifier l’idiomaticité (le naturel), le caractère approprié sur le plan culturel et l’adéquation à l’objectif final et pour s’assurer qu’aucune erreur ne s’est glissée dans le texte.

C’est une tâche qui demande du temps, une expertise dans le domaine du texte en question et, pour un texte de qualité, une expertise linguistique afin de retravailler les phrases qui pourraient malgré tout contenir des maladresses ou des éléments difficiles à comprendre.

Vous souhaitez déléguer la révision de vos textes traduits automatiquement ou par l’IA? Vous hésitez quant aux processus à adopter pour vos traductions? Prenez rendez-vous avec nous, il nous fera un plaisir de vous aider à définir vos besoins et à exploiter le plein potentiel de votre entreprise.

Sources :

Avila, Camille (2019). The past and present of translation memory technology. Trados. https://www.trados.com/blog/the-past-and-present-of-translation-memory-technology/.

Comic, Mia (2025). The simplest guide to neural machine translation. Lokalise. https://lokalise.com/blog/neural-machine-translation/. 

Lépine, Joachim (2025). Limitations of Neural Machine Translation. Le blogue Magistrad. https://bloguemagistrad.blog/2025/06/18/limitations-of-neural-machine-translation/.

Ordre des traducteurs, terminologues et interprètes agréés du Québec (2025). Avis de l’OTTIAQ sur l’intelligence artificielle en traduction. https://ottiaq.org/articles/avis-de-lottiaq-sur-lintelligence-artificielle-en-traduction.

Pangeanic (2025). Which is better for my use case (neural) NMT or LLM translation? Our White Book. https://blog.pangeanic.com/which-is-better-for-my-use-case-nmt-neural-mt-or-llm-translation.

Fu, L. et Liu, L. (2024). What are the differences? A comparative study of generative artificial intelligence translation and human translation of scientific texts. Humanit. Soc. Sci. Commun. https://www.nature.com/articles/s41599-024-03726-7.