Traduction automatique

Cet article ou cette section peut contenir un travail inédit ou des déclarations non vérifiées. Vous pouvez aider en ajoutant des références. Voir la page de discussion pour plus de détails.

Cet article n’est pas rédigé dans un style encyclopédique. Vous pouvez améliorer sa rédaction !

La traduction automatique désigne la traduction d'un texte (ou d'une conversation audio, en direct ou en différé) faite entièrement par un ou plusieurs programmes informatiques, sans qu'un traducteur humain n'ait à intervenir. On la distingue de la traduction assistée par ordinateur où la traduction est en partie manuelle, éventuellement de façon interactive avec la machine.

Malgré ses faiblesses, elle peut rendre des services dans des domaines tels que la veille internationale (veille technologique y compris)^[1], où elle permet de prendre connaissance de façon superficielle, mais rapide, de grandes quantités de textes.

Depuis quelques années, elle connaît un essor considérable sur le Web, avec plusieurs systèmes en ligne pouvant traduire automatiquement et en quelques secondes des pages Web ou des textes de plus en plus longs. C'est une aide très appréciée du grand public car elle permet de déchiffrer — de façon certes encore grossière — le thème d'une page Web dans une langue totalement inconnue et les principaux faits ou éléments d'information qu'elle contient. Pour simplifier la navigation, plusieurs moteurs de recherche comme Google, Altavista ou Yahoo! permettent de l'utiliser systématiquement.

Le processus de traduction

Triangle de Vauquois, modèle pour les fondements de la traduction automatique

Le processus de traduction (au sens humain) peut être découpé en trois phases successives :

1. compréhension : assimilation du sens véhiculé par un texte, du vouloir dire d'un auteur… ;
2. déverbalisation : oubli des mots et conservation du sens ; « Opération par laquelle un sujet prend conscience du sens d'un message en perdant conscience des mots et des phrases qui lui ont donné corps »^[2] ;
3. réexpression : reformulation du vouloir dire en langue cible.

En termes informatiques, la compréhension devient l'analyse, la déverbalisation devient le transfert et la réexpression devient la génération. Ces étapes du processus sont modélisées dans le triangle de Vauquois^[3]. Ce modèle est utile car pour passer de la source à la cible, il existe plusieurs chemins possibles qui constituent les différentes approches envisagées à ce jour. Plus le degré de conceptualisation est élevé, plus court est le chemin du transfert. Il existe quatre possibilités principales :

• Le transfert direct: pas de conceptualisation, toute la traduction repose sur le transfert. La traduction par l'exemple et la traduction statistique^[4] travaillent à ce niveau. La traduction est vue comme un processus de décodage.
• Le transfert syntaxique: le niveau du transfert est syntaxique. Généralement, sa représentation est l'arbre syntaxique. L'analyse produit une représentation syntaxique pour la langue source. Le transfert consiste à produire une représentation syntaxique pour la langue cible à partir de ce dernier. Finalement la génération produit la phrase en langue cible. La traduction automatique à base de règles est représentative de cette catégorie. Les règles permettent les différentes transformations.
• Le transfert sémantique: le niveau du transfert est sémantique. Cette voie est celle qu'emprunte les humains. Les modèles de représentation de la sémantique du langage sont décrits par la pragmatique. La sémantique peut être décrite par une ontologie. Il n'y a que peu d'approches de la traduction automatique représentatives du transfert sémantique^[5].
• L'interlangue: Ce niveau supprime la nécessité de transfert. L'interlangue devient universelle. Et seuls restent les processus d'analyse et de génération. l'interlangue est aussi désignée sous le terme de langue pivot. DLT (voir l'article Traduction de langues distribuée) est une tentative inachevée de cette approche. Le langage UNL est aussi un exemple de langage formel informatique permettant de représenter le sens d'un énoncé. L'approche est séduisante car l'effort consiste, pour une langue donnée, à produire un analyseur et un générateur pour l'interlangue. On bénéficie alors de toutes les traductions de ou vers les langues possédant aussi l'analyseur et le générateur. Cette approche reste difficile et n'a pas connu de succès à large échelle.

Actuellement, les moteurs de traduction sont principalement par règles ou statistiques. Une voie dite hybride émerge^[6]. Systran, Google Translate, Reverso et Bing Translator (en) utilisent des approches hybrides.

Prérequis

Les pré-requis dépendent de l'approche envisagée : traduction à base de règles (mot-à-mot, transfert, pivot), traduction par l'exemple, traduction statistique.

La traduction automatique à base de règles nécessite :

• entrées de dictionnaires
• règles linguistiques

La traduction par l'exemple et la traduction statistique nécessitent :

• une mémoire de traduction (ensemble de textes traduits)

On peut, en plus, nécessiter des outils d'analyse linguistique tels que :

• identificateurs (tokens)
• étiqueteur morpho-syntaxique
• éventuellement : segmenteur (chunker), analyseur syntaxique (parser)

Difficultés

• Ambiguïtés de la langue source
  • Ambiguïtés lexicales : polysémie. Dans Le défi des Langues, Claude Piron raconte que le 4 mai 1991 il avait demandé à une machine de traduire de l'anglais: In such a case, you can make a very good case for wooden cases, c'est-à-dire : « En pareil cas, on peut produire une argumentation très convaincante en faveur des caisses en bois », phrase qu'il avait déjà lue et simplement condensée. Au bout d'un instant vint la réponse: « Dans un tel cas vous pouvez faire un très bon cas pour des cas inexpressifs ».
  • Ambiguïtés grammaticales : un même mot peut relever de deux catégories grammaticales différentes. Toujours dans Le Défi des Langues l'auteur proposait à une machine, mise en mode interactif, He was sorting out food rations and chewing gum, phrase qui peut signifier en anglais soit « il triait des rations et du chewing gum », soit « il triait des rations tout en mâchant du chewing-gum ». Au lieu de poser une question sur la valeur grammaticale du -ing dans chewing, au lieu donc d'« interagir », la machine livra la phrase suivante: « Il triait dehors rations de nourriture et mastiquant la gencive.»
  • Ambiguïtés sémantiques : un même mot peut avoir plusieurs sens dans les contextes différents. Par exemple: «saw» qui peut signifier, en anglais, soit «vu», soit «scie».
  • Ambiguïté de référence des pronoms : pour la phrase « Elle l'aime » qui, en anglais, peut signifier soit « She likes him/her//it »,soit « It likes him/her//it », etc.

Pour lever ces ambiguïtés, le traducteur (humain ou automatique) doit :

• disposer, en plus de connaissances linguistiques, de connaissances factuelles sur l'état du monde (par exemple, il doit savoir que telle personne est de sexe féminin) ;
• être capable de réaliser une certaine interprétation du texte qui lui est soumis : s'il rencontre le mot « secrétaire », il a besoin de savoir, selon la langue-cible, le sexe de ce/cette secrétaire ou de son employeur. Il est facile de résoudre cette difficulté dans le cas d'une phrase simple comme « John Doe's secretary » : une règle simple permet d'exprimer le fait que l'expression « X's Y » implique que Y "appartient" à X. Mais si le programme rencontre la phrase « je suis allé au service de la comptabilité et j'ai parlé au secrétaire », il est plus difficile pour la machine de faire la relation entre les secrétaires et le service qui vient d'être mentionné ; la tâche est encore plus ardue dans un contexte comme « j'ai vu M. Tartempion, qui m'a donné un document ; je suis allé au service de la comptabilité pour qu'ils en fassent une photocopie et je suis revenu le donner à la secrétaire » : ici, on ne peut même pas s'appuyer sur la proximité entre le mot « secrétaire » et le nom du service, puisqu'il est en fait question de la secrétaire de Tartempion, mentionnée bien avant dans la phrase.

Approches^[7]

• Approche directe :

1. traduction mot à mot du texte source vers le texte cible
2. reformulation de l'ordre des mots traduits dans le texte cible

• Approche Interlangue :

1. construction de la représentation interlangue du texte source
2. construction du texte cible par la représentation

• Approche par transfert :

1. analyse lexicale et syntaxique du texte source
2. transfert des lemmes traduits et structures en langue cible

• Proposition : Approche séquentielle (ou progressive) :

1. D'abord : Correction automatique du texte source (1 → 2)
2. Ensuite : Détecter les expressions idiomatiques en LangueSource dans TexteSource > les interpréter en LCible > les retraduire mot-à-mot en LSource > les remplacer dans le TSource (2 → 3)
3. Ensuite : Détection pour Interprétation (LSource → LCible + Trad-Mot-à-Mot → LSource) et remplacement des seuls noms propres dans le texte source (3 → 4)
4. Ensuite : Réorganisation syntaxique dans le texte source (4 → 5)
5. Enfin : Traduction mot à mot du texte source (5 → texte cible)

Évolutions

Fin octobre 2005, la presse annonçait de notables améliorations^[8]. Le Centre international pour les technologies avancées des communications, dirigé conjointement par l’université Carnegie-Mellon de Pittsburgh et l'université de Karlsruhe en Allemagne, dévoilait alors un système informatique de traduction instantanée. Un étudiant chinois, affublé de onze électrodes sur le visage et sur la gorge, a prononcé dans sa langue un discours qui a été simultanément traduit en anglais et en espagnol. Les chercheurs indiquent en conclusion que « Les résultats ne sont pas parfaits » et qu'« il peut y avoir des difficultés quelquefois ». En fait aucun article n'indique que les journalistes allemands et américains aient pu discuter avec le Chinois. Les journalistes ont d’ailleurs généralement omis de préciser que, quand le docteur Waibel a annoncé qu’il allait prendre des questions de journalistes allemands et américains, l’ordinateur a entendu quelque chose comme : « Ainsi nous glycogène il alternant des questions entre l’Allemagne et l’Amérique. »^[9]. Ce type de traduction demandera aussi des améliorations logicielle concernant la reconnaissance vocale, notamment brouillée par le bruit ambiant et la mauvaise prononciation.

Les appareils de traduction actuels sont utiles pour des situations limitées, par exemple pour réserver une chambre dans un hôtel. « Si je vais à Pékin, je peux descendre au Hilton sans aucun problème », disait Stephan Vogel, un chercheur de Carnegie Mellon.

Produits et services existants

Traducteurs en ligne gratuits : Ils permettent de traduire des mots ou des textes de taille limitée.
Langues généralement accessibles à la traduction : allemand, anglais, espagnol, français, grec moderne, italien, néerlandais, portugais.
On trouve aussi pour des traductions avec l'anglais : arabe, chinois traditionnel, chinois simplifié, coréen, espéranto, japonais, russe, suédois.

Logiciels libres :

Prospective

Divers projets cherchent à améliorer les performances et la rapidité des moteurs de traduction (dont celui de google), espérant un jour pouvoir surmonter la « barrière de la langue » et traduire en temps réel (comme cela a été imaginé par de nombreux auteurs de science-fiction) une langue étrangère, voire pouvoir « communiquer » avec certains animaux via un logiciel de traitement vocal.

• Un projet en cours au Japon consiste à équiper un téléphone portable d'un traducteur multilingue automatique^[10]. Ce projet vise dans un premier temps à afficher sur l'écran du téléphone la traduction de phrases et mots simples prononcées en Japonais ou en d'autres langues, en quelques secondes et de manière autonome, c'est-à-dire sans dépendre d'un serveur^[11].
• Google a annoncé début 2010 une application de traduction vocale quasi instantanée (speech-to-speech translation)^[12]
• Les progrès de la traduction automatique se feront probablement conjointement avec ceux de l'Enseignement des langues étrangères par ordinateur.

Notes et références

Voir aussi

Articles connexes

Bibliographie

• Doug Arnold, Balkan, L., Meijer, S., Humphreys, R.L. Sadler, L. 1993. Machine Translation: An Introductory Guide.
• Paul Bennett. 1994. Translation Units in Human and Machine. Babel 40:12-20.
• Bert Esselink. 1998. A practical guide to software localization. John Benjamins.
• Ethnologue. 2001. Languages of the World.
• W. John Hutchins & Harold L. Somers. 1992.An Introduction to Machine Translation. Academic Press.
• W.John Hutchins. 2001. Machine translation over fifty years. Histoire, Epistemologie, Langage XXII-1:7-31.
• Martin Kay. 1997. The Proper Place of Men and Machines in Language Translation. Machine Translation 13:3-23.
• Alan K. Melby. 1995. The Possibility of Language. A discussion of the nature of language with implications for human and machine translation. John Benjamins.
• Sergei Nirenburg. 1987. Machine Translation: Theoretical and Methodological Issues. Cambridge University Press.
• Johnatan Slocum. 1988. Machine Translation Systems. Cambridge University Press.

Liens externes

• Traduction automatique : les années où tout a changé, dossier Futura-sciences, 2008.
• La montée en puissance de la traduction automatique, Le Monde, 2010.
• La traduction automatique, NEF - Le Livre 010101 de Marie Lebert - Enquête, 2001.
• Le CRNS et les débuts de la traduction automatique en France, Jacqueline Léon, 2002.
• La réalité de la traduction automatique en 2014.

• Portail de la linguistique