Explication

Lorsqu’un terme absent (ou rare) dans les données d’entraînement est présenté à la machine aux fins de traduction, elle compose une traduction en enchaînant les parties de mots les plus plausibles pour un contexte donné.  Par exemple: «Two unicorns are hiding in the forest» se traduit par «Deux unicornes se cachent dans la forêt», car le mot «licorne» n’a pas été inclus dans les textes juridiques utilisés pour entraîner notre moteur juridique général.

La création de néologismes peut aussi être due au fait que la machine ne reconnaît pas qu’un terme est un nom propre qui ne doit pas être traduit (élément transposable). Davantage à ce sujet ici.

Solution(s)

Qu’il s’agisse d’un nom propre transposable ou d’un terme dont la signification dépend du contexte, nous pouvons ajouter manuellement n’importe quel mot inconnu de la machine aux données d’entraînement, et il sera reconnu dans les entraînements suivants. Dans l’intervalle, nous pouvons l’ajouter à notre glossaire. Aidez-nous à résoudre ces problèmes en soumettant vos suggestions via le bouton «Feedback» dans le masque de traduction automatique ou envoyez-nous vos commentaires par e-mail.

Sous peu, les utilisateurs de LexMachina pourront créer leurs glossaires personnels et ainsi améliorer directement les résultats de traduction automatique.

Explication

Selon le contexte, un «associé» peut être un «partner», un «member», un «quotaholder», etc. Même si la traduction automatique tient compte du contexte dans une certaine mesure, les traductions sont en général faites phrase par phrase, ce qui signifie que la machine ne peut inférer le contexte qu’à partir de la phrase elle-même, et non pas du document entier. Ainsi, elle choisit le terme le plus susceptible d’apparaître dans le contexte d’une phrase, en fonction des statistiques de fréquence et de cooccurrence qu’elle a établies. Cela peut entraîner dans certains cas des incohérences au sein d’un document.

Solution(s)

Nos sous-moteurs spécialisés tentent de résoudre ce problème: plus le système est spécialisé, meilleure est la qualité des traductions. Nous développons constamment de nouveaux sous-moteurs pour satisfaire aux besoins des avocats suisses. De plus, notre outil d’intégration de terminologie permet à chaque utilisateur de créer son propre glossaire et d’influencer directement les résultats de traduction automatique.

Ceux qui ont opté pour notre boîte à outils de traduction peuvent facilement filtrer les phrases contenant le terme en question, vérifier la cohérence de la traduction et faire des corrections en «cherchant et remplaçant» les termes indésirables. Demandez notre guide de l’utilisateur pour plus d’informations à ce sujet.

Explication

Selon le contexte grammatical de la langue cible ou source, les moteurs de traduction automatique ne sont pas toujours capables d’identifier les mots qu’il ne faut pas traduire (noms et prénoms, raisons sociales, noms de villes, marques, etc.). Voir «création d’un néologisme malheureux» et «terme inadapté au contexte» pour approfondir le sujet.

Solution(s)

Dites-nous si vous rencontrez ce problème: cliquez sur le bouton «Feedback» dans le masque de traduction ou envoyez-nous vos commentaires par e-mail. Nous ajouterons le terme à notre liste d’éléments transposables. La machine retiendra alors toujours le terme sous sa forme originale.

Explication

Actuellement, les moteurs de traduction automatique neuronale (Neural Machine Translation, NMT) traitent généralement le texte phrase par phrase. Sans l’intégration d’outils de résolution de coréférences adéquats, l’algorithme ignore donc le contenu de la phrase précédente et, par exemple, traduit les pronoms sans connaître leur référent («Der Salat ist frisch. Er ist sehr gesund.» sera donc traduit par «La salade est fraîche. Il est très sain.»). Ce problème peut aussi surgir avec les listes à puces, puisque chaque puce sera traduite séparément.

Cette difficulté survient moins souvent quand le texte à traduire est un document courant (par ex. les statuts d’une SA) ou typique d’un domaine particulier (par ex. droit fiscal), car des phrases similaires seront connues du système et la variabilité sera moins prononcée.

Solution(s)

À vrai dire, la technologie pour résoudre cette question existe déjà. Le problème principal est que les logiciels professionnels (outils de traduction assistée par ordinateur [TAO]) utilisés actuellement ne sont pas compatibles avec un système NMT traduisant au niveau du paragraphe ou du document. Cela va certainement changer au cours de prochaines années, et les utilisateurs de LexMachina figureront certainement parmi les premiers à profiter de ce progrès technologique prochain.
En attendant, il y a plusieurs solutions pour aborder le problème décrit ci-dessus, par exemple (i) éviter les listes à puces et les ambiguïtés dans le texte source, et (ii) utiliser nos sous-moteurs spécialisés.

Explication

Les moteurs de traduction automatique neuronale (Neural Machine Translation, NMT) ne sont pas toujours capables de rendre correctement la signification du texte source. Ces erreurs sont souvent dues à des structures syntaxiques complexes ou ambiguës dans le texte source, ou à des phrases particulièrement longues. Les autres cas sont appelés «mystères de l’apprentissage profond»: si un adjectif ou autre modificateur est ajouté à la phrase source, la traduction peut changer considérablement, parfois pour des raisons inconnues. Heureusement, cette question fait l’objet de recherches assidues dans les milieux académiques.

Solution(s)

Il suffit souvent de modifier un peu la phrase source pour que l’erreur de traduction disparaisse. Il est aussi recommandé de rendre le texte source le plus simple possible: la phrase idéale devrait compter moins de 128 caractères et être dépourvue d’ambiguïtés.

Ce type d’erreur montre aussi que malgré les progrès considérables accomplis par la traduction automatique ces dernières années (y c. dans le domaine de la traduction juridique), la vérification du résultat par un avocat ou un juriste-linguiste reste de mise si une traduction a valeur légale ou revêt une importance matérielle dans le cadre d’une procédure. Dans de tels cas, nous vous conseillons de commander nos services de relecture complets.

Explication

Le moteur de traduction automatique repère le formatage du texte (gras, italique, souligné, etc.) dans le texte source et l’applique aux termes dans le texte source. Toutefois, puisque le moteur ne traduit pas mot à mot mais plutôt phrase par phrase, le formatage peut parfois être appliqué au mauvais terme.