Combien de temps aura-t-on besoin des humains pour traduire ?

L'évolution rapide de l'intelligence artificielle a fondamentalement transformé le paysage de la traduction, soulevant des questions cruciales sur l'avenir des professionnels des langues. Aujourd'hui, les outils de traduction automatisée traitent des volumes astronomiques de texte, des plateformes comme Google Traduction gérant environ mille milliards de mots chaque mois. Ce volume massif est en outre complété par des systèmes spécialisés tels que DeepL, Microsoft Translator et des modèles avancés d'intelligence artificielle générative, notamment ChatGPT, Claude et Gemini. Les ventes directes d'outils de traduction automatique ont atteint l'an dernier environ 1,4 milliard de dollars, soulignant l'énorme demande commerciale pour des solutions multilingues rapides et automatisées sur les marchés mondiaux.

Malgré ces avancées technologiques impressionnantes, la traduction automatique rencontre encore des obstacles importants lorsqu'il s'agit de traiter des nuances linguistiques, des idiomes culturels et des expressions dépendantes du contexte. Par exemple, l'expression française « il pleut des cordes » se traduit littéralement par « it's raining ropes » en anglais, présentant un piège potentiel pour les systèmes automatisés. Bien que des modèles d'intelligence artificielle bien entraînés puissent mapper cela avec succès à l'équivalent anglais standard « it is raining cats and dogs », trouver des équivalents fonctionnels précis dans des centaines de langues moins parlées reste imprévisible. Ces barrières linguistiques subtiles mettent en évidence les limites inhérentes du fait de s'exécuter exclusivement sur la correspondance de motifs algorithmiques pour une communication humaine complexe.

Dans de nombreux scénarios commerciaux routiniers, cependant, la traduction automatique brute est de plus en plus reconnue comme le choix le plus pratique. Jonathan Zimmermann, fondateur de l'association suisse à but non lucratif OKA, note que multiplier les coûts opérationnels par dix pour éliminer les erreurs marginales est tout simplement irrationnel pour les documents internes de l'entreprise ou les listes de produits standard. OKA utilise l'intelligence artificielle pour générer des ébauches initiales pour des milliers d'articles encyclopédiques, permettant à l'organisation d'accroître sa production de manière efficace. Cependant, Zimmermann souligne que les plateformes reposant fortement sur la confiance publique, comme Wikipédia, nécessitent une surveillance éditoriale rigoureuse pour empêcher les inexactitudes factuelles de persister et de se propager à travers des systèmes d'intelligence artificielle externes et des plateformes journalistiques.

Le débat tourne finalement autour de la question de savoir si la qualité actuelle de la traduction automatique a atteint un seuil où l'intervention humaine peut être entièrement éliminée. Bien que les logiciels de traduction aient progressé au point que les ébauches générées par l'IA nécessitent souvent peu ou pas de correction grammaticale, les domaines à haut risque exigent une précision extrême. La traduction juridique, les procédures judiciaires et les documents médicaux réglementés comportent de graves conséquences en cas de mauvaise traduction, laissant très peu de marge pour l'erreur algorithmique. Les professionnels travaillant dans ces secteurs spécialisés rencontrent fréquemment des documents traduits par l'IA contenant des erreurs juridiques critiques qui pourraient invalider des contrats ou fausser des témoignages cruciaux.

Alors que l'industrie continue d'évoluer, le rôle des traducteurs humains passe de rédacteurs principaux à éditeurs de haut niveau, validateurs juridiques et consultants culturels. Bien que la traduction commerciale routinière soit probablement entièrement automatisée pour réduire les coûts et accélérer les délais de livraison, le travail intellectuel et juridique à haut risque continuera de s'appuyer sur l'expertise humaine. La transition souligne une réalité économique plus large où la technologie démocratise la communication de base tout en augmentant la valeur d'une surveillance humaine spécialisée dans les domaines où la précision est primordiale.