Les limites actuelles de la traduction par IA

Distinguer ce qui bouge de ce qui ne bougera pas

La liste des « limites de l’IA en traduction » est reprise d’année en année sans être mise à jour, ce qui la rend inutilisable : certains points ont été résolus, d’autres ne le seront jamais parce qu’ils ne relèvent pas de la technique.

Le tri qui suit sépare les limites structurelles — celles qu’aucun progrès de modèle ne résoudra, parce qu’elles tiennent à une information que le système ne possède pas ou à une contrainte extérieure — des limites conjoncturelles, qui reculent effectivement.

Les trois limites structurelles

La terminologie propre à une organisation

Un modèle ne peut pas deviner qu’une entreprise nomme systématiquement ses clients des « partenaires », que dans son catalogue « module » désigne un composant physique et non logiciel, ou qu’un comité technique a normalisé un terme contre l’usage courant.

Il produira une traduction juste en français général et fausse dans le contexte visé. Aucune augmentation de taille de modèle ne corrige cela, parce que l’information manquante n’est nulle part dans les données d’entraînement. Elle est dans votre base terminologique — et c’est seulement en l’injectant au moment de la génération qu’on résout le problème.

La confidentialité

Le meilleur moteur du monde est hors sujet si le contenu ne peut pas quitter un périmètre. Un dossier médical, un projet de fusion, une pièce de procédure, un document couvert par le secret bancaire : la question de la qualité linguistique arrive après celle du droit de transmettre.

Cette limite est absolue et indépendante des progrès techniques. Elle se traite par le choix du mode de déploiement — hébergement local, instance dédiée, garanties contractuelles de non-rétention — et non par le choix du modèle.

La voix

Les modèles lissent. Entraînés à produire le texte le plus probable, ils convergent vers une moyenne stylistique fluide et interchangeable. Sur de la documentation, c’est un avantage. Sur un texte qui doit sonner comme une marque et pas comme une autre, c’est une destruction de valeur.

Cette limite est structurelle parce qu’elle découle de l’objectif d’entraînement lui-même : maximiser la vraisemblance, c’est mécaniquement se rapprocher du centre et s’éloigner de l’écart qui fait le style.

Les trois limites conjoncturelles

Les langues peu dotées

La qualité d’un système dépend massivement du volume de corpus parallèles disponibles. Les combinaisons riches — anglais-espagnol, anglais-français, anglais-allemand — obtiennent des résultats sans commune mesure avec celles qui en manquent.

Ce n’est pas une fatalité : les techniques d’apprentissage multilingue et les corpus synthétiques font progresser la couverture, lentement. Le romanche reste un cas limite en Suisse : langue nationale, cinq idiomes régionaux, corpus parallèles très maigres, sorties automatiques peu fiables.

Les variantes régionales

C’est le point qui concerne le plus directement un public suisse, et il est presque toujours passé sous silence.

Les moteurs sont entraînés sur du français de France et de l’allemand d’Allemagne. Traduire « vers le français » ou « vers l’allemand » pour un public suisse produit un texte immédiatement identifiable comme étranger : formes numérales, vocabulaire administratif, tournures juridiques propres au droit suisse, absence de prise en compte des calques officiels.

Cela s’améliore lorsqu’on l’exige explicitement dans la consigne et qu’on fournit un glossaire régional. Cela ne s’améliore pas tout seul.

Le multimodal

Traduire un document scanné, une image contenant du texte, une vidéo avec incrustations : la chaîne implique reconnaissance, traduction et remise en forme. Chaque maillon ajoute ses erreurs. Les résultats progressent vite mais restent, en 2026, nettement en deçà de ce que le marketing des éditeurs laisse entendre.

Le cas particulier du contenu créatif

Il mérite d’être isolé parce qu’il n’est pas une limite de qualité mais de nature de tâche.

Un slogan, un titre de campagne, un jeu de mots ne se transposent pas. Ils se recréent à partir d’une intention, en tenant compte d’un marché, d’un contexte concurrentiel et de connotations que le texte source ne contient pas. Un système qui reçoit le texte et pas le brief exécute la mauvaise tâche, quelle que soit sa performance.

La bonne question

Aucun de ces points ne justifie de renoncer à l’automatisation, et aucun ne justifie de s’y livrer sans dispositif. La question opérationnelle n’est jamais « l’IA sait-elle traduire ce contenu ». Elle est : que se passe-t-il si la traduction est fausse et que personne ne s’en aperçoit avant publication.

Une erreur dans une fiche produit coûte une vente. Une erreur dans une notice de dosage coûte autre chose. C’est ce raisonnement, et non une préférence de principe, qui doit gouverner le niveau d’automatisation — c’est l’objet de la matrice de risque.