Traduction : Systran ou Reverso ?

Je pense qu’il faudrait séparer le problème de la traduction automatique en plusieurs niveaux de difficulté (ou applications), qui requièrent des compétences fort différentes de la part du système.

1 - produire un texte imparfait mais capable d’informer le lecteur sur une bonne partie du contenu du texte.

C’est l’exemple de l’article, et on y est déjà. Comme le dit l’article, cette fonctionnalité a déjà de nombreuses applications.

2 - traduire un texte utilisant un champ sémantique contrôlé.

Je pourrais imaginer un système de traduction spécialisé dans les textes de droit (et encore, dans un domaine précis), et où chaque terme/expression du texte est défini sémantiquement.

Cela peut sembler possible, même si en pratique des textes techniques réels violeraient plus ou moins souvent les limites du champ sémantique.

De plus, pour prendre l’exemple des textes juridiques, les textes ont parfois des significations différentes suivant les lecteurs (ou nous n’aurions pas de jurisprudence). Sans oublier que le processus de débat politique qui est à l’origine des textes de loi peut produire des textes ambigus dont même les humains seraient au défi de trouver une définition précise. On ne peut pas demander à un ordinateur de trouver du sens là où les humains sont en désaccord. Pourtant les ambiguités sont légion, même dans des textes techniques.

Et puis je vois mal les législateurs (de pays multilingues, ou de l’UE) se conformer à champ sémantique sans ambiguités lors de la production des textes de loi dans l’intérêt de la traduction automatique (même si idéalment les textes de droit sont sensés être précis et sans ambiguités).

3 - Traduire n’importe quel texte

Cet objectif me semble extrêmement difficile. Il faudrait que l’ordinateur déploye une vraie intelligence artificielle (qu’il comprenne le sens du texte, alors que parfois même l’auteur ne le connaît pas !). Par exemple, il existe des termes, concepts qui existent dans les cultures utilisant une langue X, qui sont absents dans une langue Y. Est ce que le système de traduction doit être à même de créer un nouveau champ sémantique pour la langue Y ?

Le problème de la traduction est qu’elle n’est pas un simple processus de transformation, mais aussi de création. Il faudrait donc donner une capacité de création au système, et qui prendrait la responsabilité/contrôle de ce processus créatif ?

Bref, je ne pense pas que l’on pourra laisser (ou voudra laisser) un processus de traduction automatique produire le texte final de textes généraux. Par contre ça pourrait mieux marcher pour des textes techniques. Même dans ce cas le système de traduction automatique ne pourra être qu’une aide aux traducteurs. Ceux-ci feraient de la traduction d’une partie des textes, qui seraient utilisés par le système comme champ sémantique de référence, pour permettre la traduction semi automatique du reste du corpus. Le système de traduction pourrait alors peut être réduire les coûts en main d’oeuvre (moins de traducteurs), et les traducteurs deviendraient des « ingénieurs du champ sémantique ».

Bref, je pense qu’il est plus utile d’avoir des objectifs précis plutôt qu’un objectif général de « traduction parfaite de tout texte ».

En tout cas, le problème de la traduction automatique a l’avantage d’apprendre de façon plus précise et objective le fonctionnement du language, un des outils les plus fondamentaux de notre pensée.

Bref, je pense qu’il est plus utile d’avoir des objectifs précis plutôt qu’un objectif général de « traduction parfaite de tout texte ».

Nous sommes d’accord sur ce point ; actuellement l’objectif de la recherche est d’obtenir une bonne traduction de tous les textes d’un domaine.

Il est nécessaire, pour atteindre cet objectif, d’oeuvrer dans un contexte fédérant plusieurs sciences : Anthropologie, linguisitique, psychologie, psycho-linguisitique, neurosciences, ... que l’on appelle les sciences cognitives.

Il faut donc modéliser (sous forme mathématique) les mécanismes humains complexes tels que : la transcription des unités de pensée en situation (concept - percept) réalisée par le locuteur (ou écrivain), l’interprétation de l’interlocuteur (ou lecteur), mais aussi tenir compte des différentes entités d’un texte (le terme, la phrase, le paragraphe, le texte) qui permettra de réduire le niveau d’ambiguité mais aussi de tenir compte de l’implicite (ce qui n’est pas exprimé mais connu du locuteur et de l’interlocuteur), et bien d’autres problématiques qui, de nos jours restent à résoudre.

Cela reste un domaine vaste et complexe, même sans tenir compte des phénomènes émotionnels qui peuvent s’insérer et influencer le sens d’un discours.

Même pour le premier cas cité, une simple traduction terminologique, si vous faite l’opération de traduction dans un sens puis dans l’autre, retrouve-t-on le sens du texte d’origine ... à chaque fois.

Il ne faut pas oublier que l’informatique ne comprend que des propriétés mathématiques ; donc pour tout formalisme mathématique, à partir d’une donnée d’origine, si vous réalisez une opération puis son inverse, vous retrouvez toujours la donnée d’origine.

Ne pas retrouver, en traduction automatique, le discours d’origine après une opération et son inverse ne fait que mettre en évidence le niveau de précision du système.