La traduction automatique est le processus d’utilisation d’algorithmes, ou de modèles probabilistes, comme les réseaux neuronaux ou l’IA, pour traduire un texte automatiquement.

Les outils de traduction automatique recourent à des algorithmes, à des modèles statistiques et à l’intelligence artificielle pour analyser la structure et les schémas du texte et le traduire. Les modèles peuvent être « entraînés » pour apprendre les schémas des langues, améliorant ainsi le résultat.

La traduction automatique neuronale (TAN) est une technologie fondée sur des réseaux de neurones artificiels qui prédisent la probabilité d’un ensemble de mots en séquence. C’est actuellement la technologie la plus utilisée pour une traduction automatique de qualité.

Un grand modèle de langage (GML) est un modèle capable de comprendre et de générer du langage. Ces modèles sont entraînés sur de grands volumes de contenu, et leur utilisation est plus connue dans le domaine des robots conversationnels d’IA générative comme ChatGPT. Ils sont toutefois de plus en plus utilisés comme outils de traduction automatique.

En traduction automatique, avec intervention humaine fait référence au recours à un spécialiste humain lors des étapes cruciales du processus de traduction en vue d’améliorer la qualité du produit final. Chez Acolad, on préfère même parler d’humain au cœur du processus. L’humain est en mesure de se servir d’invites de commande pour améliorer le contenu généré par l’IA générative ou remédier à des hallucinations de l’IA. Il peut par ailleurs ajuster le contenu cible pour le rendre plus naturel ou pour qu’il corresponde au style souhaité, et y ajouter un point de vue et une expertise humaine. En somme, l’humain ajoute ce que seul l’humain peut vraiment maîtriser. 

La post-édition de traduction automatique fait partie du processus avec intervention humaine. Un langagier humain partira du contenu généré par la traduction automatique et effectuera les modifications requises en vue de s’assurer que le contenu final répond aux normes de qualité et, par exemple, à un style particulier ou au ton d’une marque donnée. Le développement de l’IA a fait évoluer la post-édition traditionnelle vers un processus plus intéressant. Les langagiers s’attachent désormais à apporter une valeur ajoutée non négligeable, en veillant à l’exactitude des nuances, à la pertinence culturelle et à la qualité supérieure des résultats du processus de traduction.

Il s’agit de la reconnaissance optique de caractères. C’est un processus qui convertit une image de texte, par exemple une capture d’écran contenant des mots, en texte lisible par la machine. Cette technologie est utile pour la traduction automatique, car elle permet de traduire automatiquement le texte dans les images sans avoir à recourir à la transcription. Notre portail innovant peut lire le texte en images, ce qui facilite la traduction automatique du contenu écrit dans les images.

Le traitement du langage naturel (NLP) fait référence à l’utilisation de techniques d’IA pour traduire automatiquement un texte ou un discours d’un langage naturel à un autre. Alors que la traduction automatique est axée sur la traduction des langues, le traitement NLP est un domaine plus large qui couvre des tâches telles que la compréhension de la langue, sa production et plus encore.