Imaginez un interprète infatigable, capable de basculer instantanément entre des milliers de langues : c'est la promesse de la traduction automatique (TA), la branche du traitement du langage naturel qui convertit un texte d'une langue source vers une langue cible, sans intervention humaine.
Des règles aux réseaux de neurones
La TA a connu trois grandes époques. Les premiers systèmes (RBMT) reposaient sur des dictionnaires et des règles grammaticales écrites à la main. Sont ensuite venus les modèles statistiques (SMT), qui apprenaient les correspondances à partir de gigantesques corpus bilingues alignés. Depuis 2014, la traduction neuronale (NMT) domine : un réseau encode la phrase entière en vecteurs de sens, puis la décode mot à mot.
| Approche | Fondement | Force |
|---|---|---|
| RBMT | Règles linguistiques | Contrôle, transparence |
| SMT | Probabilités sur corpus | Robustesse |
| NMT | Réseaux de neurones | Fluidité, contexte |
Le rôle du mécanisme d'attention
La révolution des Transformers (2017) repose sur l'attention, qui pondère l'importance de chaque mot source pour générer chaque mot cible :
$$\text{Attention}(Q,K,V) = \text{softmax}!\left(\frac{QK^\top}{\sqrt{d_k}}\right)V$$
Ce mécanisme capture les dépendances à longue distance et résout les ambiguïtés (le mot « avocat » : fruit ou juriste ?) selon le contexte global.
Mesurer la qualité
On évalue souvent la TA avec le score BLEU, qui compare les n-grammes produits à une ou plusieurs traductions de référence. Mais ces métriques restent imparfaites : elles peinent à juger le naturel, le ton ou la fidélité culturelle, où l'humain garde l'avantage.
La traduction automatique ne remplace pas le traducteur : elle démultiplie sa portée, tout en rappelant que sens et nuance restent profondément humains.