L'intelligence artificielle au service de la traduction automatique

Longtemps, les résultats des outils de traduction automatique étaient plus drôles qu'utiles. Phrase incohérente, contresens et autres approximations ne permettaient pas une traduction fluide. Mais les progrès rapides de l'intelligence artificielle sont en train de changer la donne. Disponible en 103 langues, soit 99% de celles parlées dans le monde, Google Translate est le fer de lance de cette révolution.

Utilisé par 500 millions d'internautes chaque mois, le service fête aujourd'hui ses dix ans et entre dans une ère nouvelle. Depuis mi-novembre, Google Neural Machine Translation (GNMT) a intégré à son application, pour réduire les erreurs de traduction à un taux variant entre 55 % et 85 %. Cette technologie basée sur les réseaux neuronaux informatiques est conçue pour répliquer le cerveau humain. Il ne considère plus les phrases mot à mot mais dans leur globalité, pour les traduire le plus fidèlement possible.

Responsable monde de Google Translate, Barak Turovsky voit en cette innovation la troisième phase de rupture pour la traduction automatique. Son équipe, basée à Mountain View (Californie), est constituée d'une cinquantaine d'ingénieurs et chercheurs qui collaborent avec l'équipe Google Brain de Zurich. «En dix ans, nous sommes progressivement passés de la traduction mot-à-mot, utile mais hachée et imprécise, à une traduction basée sur des fragments de phrases, le Phrase-Based Machine Translation (PNMT). Le Google Neural Machine Translation (GNMT) permet aujourd'hui une approche plus globale de la traduction», explique-t-il au Figaro. «La précision de celles réalisées grâce à cette technologie se rapproche progressivement de celle des humains.»

Neuf langues sont pour le moment concernées par le GNMT: l'anglais, le français, l'allemand, l'espagnol, le portugais, le chinois, le japonais, le coréen, et le turc. L'outil est donc utile pour plus d'un tiers de la population mondiale, et 35% des requêtes traitées par Google Translate.

Des règles linguistiques auto-apprises

Si le passage de Google au GNMT a été remarqué, le groupe n'est pas le seul à se pencher sur les promesses des réseaux neuronaux. «Un grand nombre d'entreprises spécialisées dans la traduction développent actuellement un outil de Neural Machine Translation», indique François Massemin, vice-président des Opérations de SYSTRAN, une entreprise française qui lance un moteur traduction neuronal avec plus de trente langues. À chacun sa spécialité néanmoins. Le moteur de SYSTRAN privilégie la spécialisation. «Nous alimentons nos algorithmes de la terminologie des domaines d'activité de nos clients, qu'il s'agisse de l'automobile, de l'industrie, de la chimie ou encore du tourisme. Ils s'entraînent et auto-apprennent à partir de corpus spécifiques et des segments de phrases préalablement traduits par un humain.» Parmi les clients de SYSTRAN, des grandes entreprises, dont PSA, Adobe, Symantec ou la Société Générale, mais aussi des services de renseignement avides de connaître la teneur des messages échangés en ligne.

Google et ses concurrents se gardent bien de livrer la recette de leurs moteurs neuronaux. «Une nouvelle génération de puces [les TPU, ndlr] et des algorithmes sont combinés pour les faire fonctionner», détaille à peine Barak Turovsky. «Ces puces jouent un grand rôle dans la vitesse de traduction. Au lancement de Google Translate par moteurs neuronaux, celle-ci était 100 fois plus lente qu'aujourd'hui», spécifie-t-il.

Si les technologies d'analyse ont changé, l'approche des données recueillies sur Internet pour alimenter les algorithmes est toujours la même. «Même il y a dix ans, au lancement de Google Translate, nos algorithmes s'alimentaient de textes traduits trouvés sur Internet, en parcourant le Web. Parmi les documents analysés, des livres mais aussi des articles ou le contenu des déclarations des Nations Unies», rapporte Barak Turovsky.

De ces textes sont déduits des modèles statistiques à répliquer lors d'une traduction. Les réseaux neuronaux ont cela de particulier qu'ils pourront apprendre par eux-mêmes. Autre innovation majeure, ils pourront bientôt traduire une langue à partir d'autres. «Imaginons que l'on dispose de données entre l'anglais et le japonais, entre l'anglais et le coréen mais pas entre le coréen et le japonais. Le modèle multi-langues nous permettra, une fois lancé, de faire une traduction directe entre le coréen et le japonais, alors même que l'algorithme n'a pas été entraîné à traduire entre ces deux langues.»

En d'autres termes, Google crée une autre langue, baptisée à de nombreuses reprises «interlangue», pour traduire deux langues sans qu'on lui ait appris. Ce concept est aussi appelé «zero-shot». Une avancée que les chercheurs qualifient eux-mêmes de «surprenante» et qui évite l'intégration laborieuse de données.

De nouvelles expériences de traduction

Considérables, les progrès de Google Translate ces dix dernières années n'empêchent pas, à l'occasion, l'occurrence d'erreurs de traduction, parfois étonnantes. Début 2016, certaines traductions de l'ukrainien vers le russe donnaient pour résultat le mot «Mordor» pour Ukraine, ou «occupant» pour russe, probablement sous le coup d'une manipulation humaine.

Pour ces cinq prochaines années, Barak Turovsky envisage trois pistes essentielles de travail: conquérir davantage d'utilisateurs, développer de nouvelles expériences de traduction, à l'image de WordLense qui traduit automatiquement le contenu texte de photos, ou de Tap to Translate, qui s'intègre aux applications pour accélérer le passage d'une langue à l'autre lors de discussions entre étrangers. Mais aussi, continuer à améliorer la qualité de la traduction.

Pour ce faire, il considère la contribution humaine permise par les outils de Google Translate «plus utile que jamais». «Il y a deux ans, certains ressortissants du Kirghizistan ont réclamé l'intégration du kirghize à Google Translate, mais nous n'avions pas assez de données sur cette langue. Nous leur avons indiqué qu'ils devraient pour cela réaliser la traduction et la validation de deux millions de phrases, ce qui semblait impossible. Mais le message a été repris par le gouvernement et, très rapidement, nous avons pu dénombrer 200.000 traductions par jour. Leur langue a finalement été rendue disponible.»

L'intérêt de SYSTRAN pour les langues les plus rares est restreint à des pratiques de surveillance. «Nous sommes attentifs au développement de langues telles que l'arabizi et le rusizi», notre François Massemin. «Elles concernent ceux qui parlent l'arabe et le russe mais ne sont pas en mesure de l'écrire en alphabet arabe ou cyrillique. Ces langues intéressent beaucoup les services secrets.» À terme, la comparaison entre une traduction humaine et automatique relèvera essentiellement de la qualité du style.