past-present-translation-memory-technology

La technologie de mémoire de traduction passée et présente

L’idée d’une mémoire de traduction (MT) avait été envisagée dès les années 1970 pour être développée dans les années 1980. Toutefois, il a fallu attendre les années 1990 pour que SDL perce dans le domaine des mémoires de traduction, grâce à Translator’s Workbench sous Windows. Il s’agit du premier moteur de MT à être utilisé en masse, d’abord en 16 bits à partir de 1995, puis en 32 bits à partir de 1998 (les générations antérieures ne concernaient que de petites communautés et étaient basées sur DOS, même si DOS a connu quelques premiers succès au début des années 90).

Pourquoi une telle découverte ?

La traduction automatique de l’époque évoluait certes, mais sa qualité n’a pas su convaincre. Les PC Windows devenaient monnaie courante au sein des organisations et à domicile, les traducteurs indépendants, ainsi que ceux des organisations, commencèrent donc à s’emparer de technologies pour faire face à l’avènement du contenu numérique. Les solutions dédiées à des publics ayant des besoins spécifiques furent également accueillies à bras ouverts (ex. : édition Freelance).

Il serait juste de dire que les mémoires de traduction sont à la fois le cœur et le cerveau des outils de TAO. Cette technologie provoqua toutefois le scepticisme de certains à ses débuts. Il est de nos jours difficile d’imaginer la vie sans mémoire de traduction. SDL développe les mémoires de traduction depuis les années 1990 et cherche en permanence à améliorer leur utilisation pour ses clients.

Les évolutions des mémoires de traduction

Quand SDL fait l’acquisition de Trados en 2005, les mémoires de traduction sont restructurées de fond en comble pour SDL Trados Studio et GroupShare. L’un de nos principaux objectifs était de combler les lacunes du moteur de MT de Workbench signalées par les clients les années précédentes. Ces mesures comprenaient la recherche de concordances dans la langue cible, introduisaient le concept de concordance de contexte et de structure, définissaient le moteur comme étant pleinement basé sur des normes XML, etc.

L’extension des capacités des mémoires de traduction

Les mémoires de traduction de SDL sont extrêmement polyvalentes et ont évolué au fil des ans afin d’offrir plus de fonctionnalités visant la productivité. Prenons les dictionnaires AutoSuggest comme exemple.

Ces derniers sont créés à partir du contenu de vos mémoires de traduction et vous fournissent des expressions ou des fragments via la fonction AutoSuggest pendant le processus de traduction lui-même. Nous avons également la recherche de concordances qui recherche les mots ou extraits de texte dans une mémoire de traduction lorsqu’ils n’apparaissent pas comme correspondances à partir d’une base terminologique ou d’autres sources.

Les dictionnaires AutoSuggest et la recherche de concordances sont assez bien connus des utilisateurs réguliers de mémoires de traduction, cependant, dans la mesure où les MT SDL ne cessent d’évoluer, il existe d’autres fonctionnalités plus complexes mais également très utiles que vous ne connaissez peut-être pas.

En plus de leur prise en charge de la segmentation par segment, les mémoires de traduction SDL disposent également d’une prise en charge de la segmentation par paragraphe qui peut être utile lors de la traduction vers ou depuis une langue asiatique où la séquence du processus de pensée peut être différente des langues occidentales, il est donc souvent plus judicieux de traduire les paragraphes plutôt que les segments. Fait intéressant, la segmentation par paragraphe pourrait connaître un retour en force grâce à la traduction automatique neuronale (NMT), car elle pourrait assurer aux traducteurs de voir tout le contexte d’un paragraphe plutôt que de traduire segment par segment.

Il est également possible de fournir du contexte dans une MT grâce à l’utilisation de la structure de document, une fonctionnalité unique à SDL. Cela signifie que nous ne nous contentons pas de différencier les concordances de contexte, nous utilisons aussi le contexte structurel du document (entrée d’index, en-tête, élément de liste, etc.). Souvent, il peut être nécessaire de traduire les segments différemment en fonction de leur contexte structurel. Par exemple, une entrée d’index s’écrit en minuscules en anglais, alors que le même segment nécessite des majuscules dans un en-tête.

Flexibilité

La flexibilité des mémoires de traduction SDL est visible dans notre boutique d’applications, unique dans le secteur. SDL Trados Studio permet en lui-même de gérer et de maintenir des MT de différentes façons, mais vous pouvez bénéficier de fonctionnalités plus avancées en utilisant diverses applications. Vous pouvez par exemple obtenir le texte source, cible, ou même les deux, et ce dans différents formats de fichier grâce à des applications telles que celles énumérées ci-dessous :

1. SDLXliff2Tmx

2. SDL TmReverse Langs

3. SDL TmExport

4. SDL TmConvert

En accord avec l’intérêt grandissant envers la protection des données personnelles, nous vous proposons également la possibilité d’anonymiser les données de votre MT grâce à l’application SDL Data Protection Suite disponible en téléchargement depuis la boutique d’applications SDL.

Évolutivité

Chez SDL, nous avons toujours fait de l’adaptabilité notre cheval de bataille. Cela signifie qu’il est important pour nous qu’une mémoire de traduction puisse non seulement s’adapter à des centaines d’utilisateurs en même temps, mais également s’adapter à un utilisateur individuel travaillant localement sur un PC qui pourrait même ne pas être connecté à Internet, ainsi qu’à toute situation intermédiaire.

L’expérience et les performances doivent dans tous les cas être aussi positives que possible. Pour ce faire, il est nécessaire d’adopter une approche de conception permettant différents mécanismes de stockage et méthodes de travail dans le logiciel. Nous appelons cela une méthode de travail « basée sur fichiers » dans un environnement de bureau local, et « basée sur serveur » lorsque plusieurs utilisateurs partagent la même ressource au même moment.

Les MT SDL basées sur fichiers sont idéales et très efficaces pour des utilisateurs individuels ou des équipes très réduites (jusqu’à 3 individus), mais pour une efficacité optimale avec des équipes plus conséquentes, un produit basé sur serveur est disponible.

Les MT SDL basées sur serveur peuvent desservir des centaines d’utilisateurs (Studio et GroupShare) et garantir une plus grande cohérence des traductions en fournissant un accès contrôlé et limité dans le temps aux mémoires de traduction centralisées. Le partage en temps réel des ressources lors de la phase de traduction permet d’augmenter le taux de réutilisation du contenu, un avantage qu’un simple environnement de bureau ne peut pas offrir.

En offrant à la fois des mémoires de traduction sur fichiers avec des fonctionnalités de productivité étendues et un partage basé sur serveur, la collaboration MT s’ancre sur les différentes interactions avec le client propres au traducteur indépendant ainsi qu’aux prestataires de services linguistiques et aux sociétés qui traitent un volume important de projets de traduction, dont les délais d’exécution ne cessent d’évoluer.

L’émergence de la technologie de mémoire de traduction upLIFT

Après de nombreuses années de constante évolution pour les MT, le lancement de SDL Trados Studio 2017 marqua un véritable tournant pour SDL grâce à la technologie upLIFT, qui transforma la fonction phare de l’outil de TAO en quelque chose d’encore plus intelligent.

Nous avons comparé un peu plus tôt sur ce blog les dictionnaires AutoSuggest et la recherche de concordances à des extensions de productivité de MT formidables, le seul bémol étant l’interaction manuelle nécessaire pour les configurer et les utiliser. Tout cela a changé avec la technologie upLIFT, ou « Récupération de fragment ».

La technologie sous-jacente à la récupération de fragment est un processus appelé alignement affiné. Étant donné qu’une MT contient des paires de segments alignés, ou unités de traduction (UT), les opérations au niveau des segments (telles que la recherche de correspondance partielle pour un segment et la récupération de la proposition de traduction stockée) sont simples. Les opérations exécutées à un niveau inférieur à celui des segments sont plus complexes, comme la recherche de correspondance pour une partie seulement du segment de l’unité de traduction (par exemple pour une expression ou un terme au sein d’une phrase) et la récupération de la partie correspondante de cette traduction. Tout a changé avec Studio 2017, dans la mesure où la récupération de fragment permit de voir ces fragments d’unité de traduction entiers automatiquement sans que l’utilisateur n’ait quoi que ce soit à faire.

Depuis son lancement en 2016, la récupération de fragment s’est affinée et améliorée. Grâce aux icônes, vous pouvez maintenant voir d’où la correspondance de fragment provient et vous avez également la possibilité de rejeter les correspondances partielles réparées automatiquement par Studio et sa fonctionnalité de réparation des correspondances partielles.

Mais les améliorations ne s’arrêtent pas là. Une nouvelle fonctionnalité intitulée LookAhead, introduite avec le Service Release 1 de Studio 2017, fournit un accès plus rapide aux résultats de recherche de la mémoire de traduction (MT) en récupérant les résultats de la MT en arrière-plan. Lorsque vous vous déplacez sur un segment que vous traduisez, Studio effectue une recherche sur les deux segments suivants pendant que vous travaillez sur le segment actif. L’avantage ? Des résultats quasi instantanés à chaque fois que vous changez de segment, car les résultats de la recherche (le cas échéant) auront déjà été « récupérés » pour vous.

Facilitation de l’ajout de nouveau contenu

Bien entendu, gérer vos mémoires de traduction et les utiliser dans votre travail est important, mais en outre, il est tout aussi important de les fournir en contenu.

Que vous soyez débutant ou non en matière d’outils de TAO, l’alignement de traductions est un moyen efficace de créer immédiatement des ressources de traduction, comme des mémoires de traduction, en vous servant de votre contenu déjà existant. C’est dans le cadre du Service Release 1 de SDL Trados Studio 2019 que le processus d’alignement de contenu est devenu beaucoup plus polyvalent et facile à utiliser grâce à l’ajout de nouvelles capacités de sélection et de connexion d’alignement, ainsi que de fonctionnalités de fractionnement et de recherche avancées.

Amélioration approfondie de la fonctionnalité de mémoire de traduction

Nous avons amélioré la précision des correspondances de contexte et des correspondances partielles pour fournir plus de correspondances que jamais. Nous avons non seulement amélioré la manière dont les correspondances de contexte sont calculées pour obtenir des correspondances plus précises, mais également la recherche du radical pour les langues occidentales, ce qui permet de fournir de meilleures correspondances partielles.

En outre, nous avons apporté des améliorations en matière de reconnaissance des caractères de demi-largeur et de pleine largeur dans le texte source japonais, souvent utilisée dans le cadre de la PAO, ce qui constitue selon nous un réel progrès pour ce marché.

Le dernier Service Release en date démontre que l’affinage de la technologie de mémoire de traduction n’a pas cessé et qu’il est encore possible de l’améliorer davantage. Il est formidable de voir comment de grandes innovations, telles qu’AutoSuggest, upLIFT Fragment Recall et la réparation des correspondances partielles, ont été rejointes par des développements plus modestes, comme l’amélioration des correspondances partielles et la recherche du radical dans SDL Trados Studio 2019, rendant possible une augmentation considérable de la récupération de MT.

Comme vous pouvez le voir, les mémoires de traduction se sont métamorphosées ces dernières années. Elles continuent de recevoir des nouvelles innovations et fonctionnalités, les rendant plus faciles encore à utiliser et gérer.

Cette année, Trados célèbre son 35e anniversaire. À cette occasion, nous pensons à ce que l’avenir peut réserver à la technologie de mémoire de traduction. Dans la deuxième partie de ce blog, Daniel Brockmann, Directeur produits chez SDL Trados, et Kevin Flanagan, Créateur de la technologie de mémoire de traduction upLIFT, parleront du rôle que les MT joueront à l’avenir, en abordant notamment des sujets comme l’IA, la NMT et le cloud.