Human-machine interaction: how to integrate plain language rules in the revision cycles of Neural Machine Translation output - Université Paris Cité Accéder directement au contenu
Article Dans Une Revue De Europa: European and Global Studies Journal Année : 2023

Human-machine interaction: how to integrate plain language rules in the revision cycles of Neural Machine Translation output

Résumé

Neural Machine Translation (NMT) is fast becoming the most important tool available in the translation industry. But because state-of-the-art NMT does not explicitly learn to capture stylistic variations from the data, it is still necessary to rely on professional human translators to obtain consistent, high-quality translations. Institutional consumers of translation usually set out their translation quality requirements in Style Guides, with recommendations to use normalised language, including Plain Language (PL). For example, the European Union has made PL a key goal for its online multilingual communication. Here we argue that trainee translators must be aware of such requirements. This position raises a number of questions relating to teaching advanced revision skills on the basis of NMT output. We share our experience of building the principles of PL into the 2nd year Masters course ”Website Translation Towards English”. We then examine how the traditional workflow of post-editing/revision has been profoundly affected by custom NMT. We suggest that the integration of PL is an opportunity to add value to the translation project as well as to promoting the notion of high-quality translation for a variety of text types. To achieve these goals, we propose a solution called Qualitative Translation/Revision Workflow (QTRW).
La traduction automatique neuronale (TAN) devient une technologie majeure dans le secteur de la traduction. Actuellement, les avancées de la TAN ne permettent pas encore de saisir explicitement la variation stylistique lors de l’apprentissage automatique à partir de données. Par conséquent, il est toujours nécessaire de faire appel à un traducteur professionnel afin d'obtenir des traductions cohérentes et de qualité. Les institutions font références à des Codes de rédaction pour exprimer leurs attentes en matière de qualité de la traduction, avec des recommandations explicites pour l’utilisation d’une langue normalisée, telle que la « langue claire » (LC). Ainsi la politique linguistique de l’Union européenne repose sur l’utilisation de la LC pour la communication multilingue en ligne. Dans ce contexte, nous estimons que tous les apprentis traducteurs doivent être formés pour faire face à ces demandes. Cette position soulève plusieurs questions relatives à l’enseignement de la traduction et l’acquisition de compétences avancées en révision, notamment sur la base des résultats de la TAN. Dans cette contribution, nous partageons d’abord notre expérience de l'intégration des principes de la LC dans le cours de Master de deuxième année « Website Translation Towards English » (Traduction de site web vers l’anglais). Nous examinons ensuite comment les moteurs spécialisés de la TAN impactent les flux de travail de post-édition/révision. Finalement, nous suggérons que l'intégration de la LC apporte une valeur ajoutée aux projets de traduction et permet de promouvoir et défendre la notion de service de qualité dans la traduction d’une grande variété de textes. Pour atteindre ces objectifs, nous proposons un système de processus garantissant une qualité optimale en traduction/révision que nous appelons Qualitative Translation/Revision Workflow (QTRW).
Fichier principal
Vignette du fichier
2-6. Article Gledhill, Zimina RELECTURE 20210922 cg.pdf (2.61 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Licence : CC BY - Paternité

Dates et versions

hal-04050523 , version 1 (02-05-2023)

Licence

Paternité

Identifiants

  • HAL Id : hal-04050523 , version 1

Citer

Christopher Gledhill, Maria Zimina-Poirot. Human-machine interaction: how to integrate plain language rules in the revision cycles of Neural Machine Translation output. De Europa: European and Global Studies Journal, 2023, De Europa European and Global Studies Journal, Special Issue - 2022 (1), pp.149-172. ⟨hal-04050523⟩
35 Consultations
86 Téléchargements

Partager

Gmail Facebook X LinkedIn More