Traduction et intelligence artificielle

Une rupture réelle, mais pas là où on l’annonce

Entre 2016 et 2026, la traduction automatique a changé deux fois de nature. D’abord avec les réseaux neuronaux, qui ont fait passer la machine d’un assemblage statistique de segments à une représentation continue du sens. Puis avec les modèles de langue génératifs, qui traduisent sans avoir été construits pour cela — et qui, ce faisant, ont apporté quelque chose que les moteurs spécialisés n’avaient pas : la capacité de tenir compte d’un contexte long, d’obéir à une instruction de style, de justifier un choix.

C’est cette dernière capacité qui explique l’emballement du secteur. Elle est réelle. Elle est aussi beaucoup plus étroite qu’on ne le dit.

Ce que les systèmes actuels font bien

Le progrès le plus tangible tient au contexte. Un moteur qui traite un document entier plutôt qu’une phrase isolée résout des ambiguïtés qui étaient auparavant insolubles : à quoi renvoie ce pronom, ce terme désigne-t-il ici un composant ou une société, ce « you » s’adresse-t-il à une personne ou à un public. La dérive terminologique à l’intérieur d’un même document — le même terme traduit de trois façons en dix pages — a nettement reculé.

La fluidité a également progressé au point de ne plus constituer un signal fiable. Un texte produit par une machine se lit aujourd’hui sans accroc dans la plupart des combinaisons courantes. C’est un problème autant qu’un progrès : la fluidité masque désormais les erreurs au lieu de les signaler. Un contresens bien écrit est plus dangereux qu’une phrase bancale.

Ce qu’ils ratent encore

Trois angles morts persistent, et ils sont structurels plutôt que passagers.

La terminologie propre à une organisation. Un modèle généraliste ignore qu’une entreprise appelle systématiquement ses clients des « partenaires », ou que dans son domaine un terme précis a été normalisé par un comité technique. Il produira une traduction correcte en français général et fausse dans le contexte visé. Ce problème ne se règle pas par un meilleur modèle, mais par une injection de terminologie en amont.

La confidentialité. Le meilleur moteur est inutilisable si le contenu ne peut pas quitter un périmètre donné. Cette contrainte est indépendante de la qualité linguistique et se tranche avant elle.

La voix. Les modèles lissent. Ils convergent vers une moyenne stylistique agréable et interchangeable. Sur un texte publicitaire, un éditorial ou une communication de marque, cette tendance à l’aplanissement détruit précisément ce qui avait de la valeur.

Comment cette section est organisée

Les articles qui suivent vont du plus général au plus technique. Si vous découvrez le sujet, commencez par le fonctionnement d’ensemble puis par les limites — dans cet ordre, car comprendre les mécanismes rend les limites évidentes plutôt qu’arbitraires. Si vous cherchez à décider quoi automatiser dans une chaîne de production réelle, les flux de travail sont le pilier à lire, et la matrice de risque en est la pièce centrale.

Nous ne classons aucun moteur. Le comparatif présent dans cette section décrit des comportements observables selon des critères déclarés, révisés chaque trimestre, sans recommandation d’achat — parce qu’un classement figé dans un domaine qui bouge tous les mois est une information périmée déguisée en conseil.