La traduction automatique est en développement depuis des décennies et, à chaque jour qui passe, elle devient de moins en moins un espoir de science-fiction pour s’approcher un peu plus de la réalité. Comprendre les nuances d’une langue est difficile même pour une personne humaine et il apparaît désormais que c’est la raison pour laquelle la traduction automatisée n’a pu se développer que jusqu’à son état actuel.
LES DÉBUTS DE L’HISTOIRE
Les développeurs ont rêvé d’ordinateurs qui pourraient rapidement comprendre et traduire les langues depuis que le potentiel d’un tel appareil a été réalisé pour la première fois. Une des conséquences les plus importantes de la création et de l’amélioration des technologies de traduction est qu’elles ouvrent le monde des informatiques au-delà de simples fonctions mathématiques et logiques, vers des relations plus complexes entre les mots et les significations.
L’histoire de la traduction automatisée a débuté dans les années 1950. Warren Weaver, de la Fondation Rockfeller, a commencé à combiner le décryptage automatisé et le traitement des langues naturelles, un acte fondateur du concept de traduction par ordinateur, dès 1949. Ces propositions peuvent être trouvées dans son « Memorandum sur la Traduction ».
De manière assez fascinante, il n’a pas fallu attendre longtemps avant que des projets de traduction par ordinateur soient lancés. L’équipe de recherche ayant fondé l’expérience Georgetown-IBM a fait la démonstration en 1954 d’une machine qui pouvait traduire 250 mots du russe à l’anglais.
DÉVELOPPEMENT ACTUEL
On pensait alors que la traduction automatique allait rapidement résoudre un grand nombre de problèmes autour des barrières de communication et beaucoup de traducteurs se sont mis à craindre pour leur emploi. Cependant, les avancées ont fini par stopper avant de prendre leur envol, en raison des subtiles nuances des langues que les ordinateurs ne pouvaient tout simplement pas saisir.
Peu importe la langue, les mots ont souvent de multiples significations ou connotations. Le cerveau humain est tout simplement mieux équipé qu’un ordinateur pour accéder au cadre complexe du sens et de la syntaxe. En 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.
1970-1990
Tous les pays n’ont pas été du même avis que l’ALPAC. 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.
L’Institut Français du Textile a utilisé la traduction automatisée pour convertir des abstracts du français à l’anglais, à l’allemand et à l’espagnol. À la même époque, 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.
Dans les années 1980, on s’est plongé dans le développement de la technologie des mémoires de traduction, ce qui a été le début du dépassement des problèmes posés par la communication verbale nuancée. Mais les systèmes ont continué à faire face aux mêmes écueils en essayant de convertir un texte dans une nouvelle langue sans perdre de sens.
2000
En raison de la création d’Internet et de toutes les opportunités que cela avait ouvert, Franz-Josef Och a gagné une compétition de vitesse de traduction automatisée en 2003 et il est devenu chef du Développement Traduction chez Google. En 2012, Google a annoncé que son programme Google Translate traduisait suffisamment de texte pour remplir un million de livres par jour.
Le Japon est également en pointe de la révolution de la traduction automatisée en créant des traductions parole à parole pour les téléphones mobiles qui fonctionnent en anglais, en japonais et en chinois. C’est le résultat d’un investissement en temps et en argent pour le développement de systèmes informatiques qui modélisent un réseau neural, au lieu de fonctions à base de mémoire.
C’est ainsi que 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.
FUTURES AVANCÉES
On pensait autrefois que le temps était enfin venu et que l’on allait voir les traductions automatiques pouvoir dépasser leurs homologues humains. En 2017, la Cyber Université de Sejong et l’Association Internationale d’Interprétation et de Traduction de Corée ont mis en compétition quatre humains et des systèmes de traduction automatiques de pointe. Les machines ont traduit le texte plus vite que les humains, sans l’ombre d’un doute, mais elles ne pouvaient toujours pas rivaliser avec l’esprit humain pour ce qui est des nuances et de la précision de la traduction.
L’humanité rêve de la vitesse et de la facilité promise par une traduction automatique fiable et précise depuis bien avant les années 1950. L’idée séduisante d’un mode de communication partagé dans le monde entier a encore un long chemin à faire. Créer un ordinateur qui pense plus comme un humain ouvrira la voie à un monde de possibilités, au-delà de la simple communication. La technologie a avancé bien plus loin que la simple utilisation d’une machine pour traiter des nombres – elle unit le monde toujours plus étroitement à chaque année qui passe. Mais pour le moment, vous feriez bien mieux de vous en tenir à des traducteurs humains pour les textes importants.
