Bouton sommaire

IA en classe | Traduction

Petite histoire de la traduction automatique

Cette histoire commence dans les années 1950, est d'abord celle d'une longue déception. On pensait alors que la traduction automatique allait rapidement résoudre un grand nombre de problèmes et beaucoup de traducteurs se sont mis à craindre pour leur emploi.

Dans la réalité, il a fallu attendre les toutes dernières années pour que la traduction soit réellement efficace (qui s'aperçoit que la page qu'il lit est en fait une traduction instantanée).

S'il reste indispensable, pour l'instant, de passer par l'humain pour les textes réellement importants, la traduction s'est soudain mise à fonctionner.

Il n'en reste pas moins vrai que plus aucun professeur de langue n'aurait plus l'idée de donner un devoir à la maison consistant à traduire un texte.
Google translate, Bing translator ou deepl sont passés par là.

  1. 1950
  2. 1954
  3. 1964
  4. 1970
  5. 2003
  6. 2012

  1. Naissance de la traduction automatique

    Années 50

    Warren Weaver, de la Fondation Rockfeller, commence à combiner le décryptage automatisé et le traitement des langues naturelles, un acte fondateur du concept de traduction par ordinateur. Ces propositions peuvent être trouvées dans son « Memorandum sur la Traduction ».

  2. 250 mots

    1954

    L’équipe de recherche ayant fondé l’expérience Georgetown-IBM fait la démonstration en 1954 d’une machine qui pouvait traduire 250 mots du russe à l’anglais.

  3. Hiver de la traduction automatique

    1964

    L’Automatic Language Processing Advisory Committee (ALPAC) américain a rapporté que la traduction automatique ne méritait pas les ressources ou les efforts consacrés à son développement.

  4. Système METEO

    1970

    Dans des années 1970, le Canada a développé le système METEO, qui traduisait les prévisions météorologiques de l’anglais vers le français. C’était un programme simple qui pouvait traduire 80 000 mots par jour. Le programme était suffisamment réussi pour être utilisé jusque dans les années 2000 avant d’avoir besoin d’une mise à jour du système.

    Xerox a utilisé son propre système pour traduire des manuels techniques. Les deux ont été utilisés avec succès dès les années 1970, mais la traduction automatique ne faisait qu’effleurer la surface en traduisant des documents techniques.

  5. Franz-Josef Och

    2003

    Franz-Josef Och a gagné une compétition de vitesse de traduction automatisée en 2003 et il est devenu chef du Développement Traduction chez Google.

  6. Google Translate

    2012

    Google a annoncé que son programme Google Translate traduisait suffisamment de texte pour remplir un million de livres par jour. Google a annoncé en 2016 que l’implémentation d’une approche de réseau neural améliorait la clarté sur Google Translate, en éliminant beaucoup de ses imprécisions. Ils l’ont appelé le système Google Neural Machine Translation (NMT). Ce système a commencé à traduire des paires de langues qu’on ne lui avait pas appris. Les programmeurs ont appris au système la traduction de l’anglais au portugais, ainsi que de l’anglais à l’espagnol. Le système s’est alors mis à traduire le portugais et l’espagnol, alors que cette paire de langues ne lui avait pas été assignée.

Comment ca s'est mis à marcher ?

Inside Google Translate

Comment fonctionne la traduction automatique ? Eh bien non pas à partir de règles mais de modèles statistiques.

Au début, les chercheurs tentaient d'apprendre un certain nombre de règles grammaticales comme on le ferait pour un humain.
Sauf qu'il y a beaucoup d'exceptions…

Du coup plutôt que d'essayer de tenter d'inculquer les règles, on s'est dit qu'il valait mieux que le système les apprenne de lui-même.

Et pour cela, trouver ces règles à partir de milliers et de milliers de documents que l'on sait correctement traduits.

source : Google
www.deepl.com/fr/translatorhttps://www.deepl.com/fr/translator

Le code a changé

Comment la traduction automatique s’est-elle mise à (mieux) marcher ?

Pourquoi est-ce si difficile ? Pourquoi rien ne se passé des années 50 jusqu'aux années 80 ? Et pourquoi soudain cela marche ? Pourquoi les réseaux de neurones se sont mis a fonctionné ?

source : Le code a changé / Xavier de La Porte

Traduction, biais, sexisme…

Activités

Exercice sur les biais, le sexisme…

Pour mettre en lumière les éventuels biais ou clichés véhiculés par les algorithmes, l'on pourra, par exemple, utiliser google translate.

Pour cela, l'on va traduire un même texte contenant des professions au féminin plusieurs fois dans diverses langues en utilisant les petites flèches.

Que pouvons-nous constater ?

Le lip synk ou synchronisation labiale

« La synchronisation labiale (parfois appelée lip sync par anglicisme) est, dans le domaine de l'audiovisuel, l'ensemble des techniques destinées à faire en sorte que semblent synchronisés, d'une part, le mouvement des lèvres d'une personne ou d'un personnage, et d'autre part, les paroles ou les sons qu'il est censé prononcer, dans les situations où l'un et l'autre sont enregistrés ou diffusés par des moyens différents et qu'il faut les réunir.
source : Wikipedia

En vidéo, la synchronisation labiale consiste à remplacer une voix dans une autre langue par les mouvements labiaux du locuteur dans sa langue d'origine et à les faire correspondre. Problèmes de traduction, de tons spécifique, cette synchronisation n'est pas simple et est longtemps restée affaire de spécialistes.

C'est et ce sera de plus en plus souvent une tâche assistée ou réalisée par une IA.

3 exemples

app.heygen.com
triller.co/

app.rask.ai
◄ Précédent Suivant ►