Des flux de travail de traduction automatisés qui distinguent un slogan d’un contrat

Un slogan, une clause juridique et une description de produit ne présentent pas les mêmes risques d’erreur de traduction. Ils ne devraient donc pas suivre le même flux de travail. Voici comment décider ce qu’il faut automatiser pour chaque type de contenu, comment le vérifier et où une intervention humaine reste nécessaire.

Mon équipe s’occupe de la localisation de Phrase, et nous ne nous limitons pas à un seul flux de travail. Les articles du Centre d’aide sont créés et mis à jour fréquemment et bénéficient grandement de notre mémoire de traduction et de notre base terminologique ; ils passent donc par une traduction automatisée avec une révision humaine légère, voire inexistante. Le blog bénéficie du même traitement pour une raison différente : la terminologie n’y est pas une préoccupation, et la rapidité ainsi que le coût sont prioritaires.

L’interface utilisateur du produit et le contenu marketing sont différents. Nous post-éditons chaque mot pour garantir un contenu exact et adapté à son usage. Celui-ci passe néanmoins par des chaînes automatisées qui libèrent nos chefs de projet du routage, de l’assignation et des transferts.

Le contenu détermine le niveau de révision nécessaire.
L’automatisation peut prendre en charge presque tout le reste.

Les recherches de Phrase vont dans le même sens. Une étude de Phrase sur la qualité de la traduction automatique s’est conclue par une mise en garde : la part de résultats suffisamment bons pour se passer de révision, et donc les économies réalisées, varieront selon les domaines, les types de contenu et les paires de langues.

Cet article transforme cette mise en garde en une méthode. La qualité de la traduction automatique varie selon le type de contenu, tout comme le coût d’une erreur ; c’est pourquoi les flux de travail de traduction automatisés fonctionnent mieux lorsque chaque type de contenu bénéficie de sa propre configuration. Vous trouverez ci-dessous une matrice de décision, trois exemples concrets (une description de produit, une clause juridique et un slogan), les paramètres correspondants dans Phrase, ainsi que les erreurs qui coûtent le plus cher aux équipes.

Une matrice de décision pour les flux de travail de traduction automatisés

Chaque ligne répond à deux questions. Dans quelle mesure pouvez-vous faire confiance à la machine, et aux contrôles qui l’évaluent, pour ce type de contenu ? Et quel est le coût si une erreur passe entre les mailles du filet ?

Les trois premières lignes reçoivent moins d’attention que les contrats et les campagnes, mais c’est là que se situe la majeure partie du travail. D’après mon expérience, le contenu de support et les chaînes d’interface utilisateur représentent à eux seuls 60 à 80 % de la charge de travail de la plupart des équipes de localisation, si bien que de petites améliorations de ces flux de travail ont vite un effet cumulatif.

Considérez la matrice comme un point de départ. Vos langues, vos moteurs et votre tolérance au risque feront bouger les lignes.

Lorsque la confiance et le coût vont dans des directions opposées

Le degré de confiance varie selon le type de contenu. Les moteurs ne fonctionnent pas de manière uniforme : La documentation de Phrase sur MT Autoselect indique qu’un moteur qui obtient de bons résultats sur des descriptions de produits peut avoir des difficultés avec un rapport médical, raison pour laquelle MT Autoselect prend en compte le domaine du contenu ainsi que la paire de langues. Les contrôles de qualité automatisés varient également. Alon Lavie, conseiller stratégique de Phrase en matière d’IA, a soutenu que l’estimation de la qualité est la moins fiable pour les jugements précis et dépendants du contexte, en particulier dans les contenus créatifs.

Le coût varie tout autant. Une description de produit maladroite peut vous faire perdre une vente. Une clause de résiliation mal traduite peut vous coûter un procès. Un slogan mal accueilli au Japon entraîne un préjudice plus difficile à mesurer et plus long à réparer.

Le problème commence lorsque les deux réponses divergent, et les textes juridiques en sont l’exemple le plus clair. Les contrats sont structurés, stéréotypés et répétitifs, exactement le type de texte source que la traduction automatique traite bien. C’est pourquoi vous trouverez des guides sectoriels qui présentent les documents juridiques comme idéaux pour cette méthode. Sur la qualité, ils ont raison. Sur le coût, la situation change : un score de qualité élevé estime la qualité probable d’une traduction, et ne dit rien sur ce qui se passe si elle n’est pas bonne.

Les contenus médicaux et autres contenus réglementés se situent dans une catégorie encore plus difficile, où la machine est moins fiable et où une erreur coûte le plus cher. La documentation technique se rapproche davantage du contenu produit : elle est assez structurée pour que la traduction automatique donne de bons résultats.

La suite de cet article suit trois phrases à travers leurs flux de travail, de la plus automatisable à la moins automatisable.

Descriptions de produits : laissez les contrôles effectuer le tri

« Résistant à l’eau jusqu’à 50 m. La batterie rechargeable dure jusqu’à 14 jours avec une seule charge. »

C’est le type de contenu pour lequel la traduction automatisée a été conçue. Il est structuré, il se répète dans un catalogue, et la plupart des éléments importants peuvent être vérifiés : unités, chiffres, noms de produits. C’est aussi là que se trouve le volume, et donc là que se trouvent les économies.

Un flux de travail adapté :

1. Choisissez le moteur par paire de langues. Utilisez le moteur que vous avez testé, ou laissez MT Autoselect choisir.
2. Fournissez-lui du contexte. La mémoire de traduction assure la cohérence du catalogue, et une base terminologique protège les noms de produits et les spécifications.
3. Ajoutez la post-édition basée sur l’IA là où elle apporte une réelle valeur. MT Optimize, une étape d’IA générative dans Phrase Orchestrator, améliore la fluidité, la grammaire, la terminologie et le niveau de langue. Testez-le sur votre propre catalogue avant de l’activer partout.
4. Vérifiez chaque segment automatiquement. Un score de qualité tel que le QPS de Phrase estime la note qu’un réviseur professionnel attribuerait à chaque segment, et les contrôles de QA détectent les problèmes tels que les balises manquantes et les termes non approuvés. Les segments qui passent les deux contrôles sont confirmés ; les autres sont envoyés à un post-éditeur.
5. Contrôlez un échantillon des segments validés. Effectuez un contrôle ponctuel d’une partie des segments confirmés à chaque cycle. La QA peut effectuer une première révision de l’échantillon et signaler les problèmes pour qu’une personne les évalue, afin que vous puissiez détecter les dérives avant vos clients.

Automatisable ne signifie pas sans risque. Une autonomie de batterie erronée ou une consigne de sécurité confuse entraîne des retours, des tickets de support et, dans certaines catégories, des questions réglementaires. Maintenez les contrôles et l’échantillonnage même lorsque les résultats semblent bons, et surveillez deux choses en particulier : les nouvelles gammes de produits, qui apportent un vocabulaire que votre mémoire de traduction n’a pas encore rencontré, et le flux source lui-même, car les erreurs dans la source sont transmises directement.

Clauses juridiques : scores élevés, validation obligatoire

« Chacune des parties peut résilier le présent Contrat en adressant à l’autre partie un préavis écrit de trente (30) jours. »

Pour une machine, cette phrase est proche de l’idéal. Elle suit une formule bien établie, une variante figure probablement déjà dans votre mémoire de traduction et un moteur la traduira sans doute avec fluidité. C’est aussi une phrase dans laquelle remplacer « peut » par « doit », ou 30 jours par 3 jours, change les engagements de votre entreprise.

Les correspondances approximatives montrent à quel point la différence peut être minime. Comme Martin Švestka, directeur produit de Phrase pour le TMS, l’a souligné, une traduction enregistrée de « le jury a déclaré le défendeur coupable » présentera une correspondance approximative très élevée avec « le jury a déclaré le défendeur non coupable », et personne ne souhaite qu’elle soit confirmée automatiquement.

Le flux de travaux juridique utilise donc l’automatisation pour assurer la cohérence et orienter les tâches, tout en laissant la décision à un expert :

1. Les linguistes juridiques spécialisés prennent en charge la traduction et la révision. Le contenu réglementé exige des spécialistes qui connaissent les systèmes juridiques associés aux deux langues de la paire.
2. L’utilisation de la mémoire de traduction et des bases terminologiques est strictement imposée. Une base terminologique ne verrouille pas le texte, mais la QA peut être configurée pour empêcher de terminer une tâche ou de la soumettre à révision tant que les termes approuvés ne sont pas utilisés.
3. La TA, si vous l’utilisez, constitue une ébauche pour le linguiste. Choisissez le moteur par paire de langues et traitez sa sortie comme un point de départ.
4. Les scores indiquent aux réviseurs où regarder en premier. Ils ne décident jamais si une révision doit avoir lieu.
5. La validation est obligatoire et traçable. Phrase enregistre quel prestataire et quel linguiste ont été assignés à chaque tâche, avec des horodatages (les linguistes travaillant pour un prestataire sont anonymisés), ce qui vous fournit une piste pour vos propres audits et ceux de votre organisme de réglementation.

Lorsqu’un marché nécessite un regard supplémentaire, Phrase Orchestrator peut ajouter des étapes de révision et des boucles de révision conditionnelles pour ce marché uniquement. Le contenu médical et autre contenu réglementé suit le même modèle, une plus grande partie du travail incombant au spécialiste, car l’ébauche de la machine est moins fiable au départ.

L’automatisation reste précieuse ici, même si son travail passe souvent inaperçu : garantir le bon terme à chaque fois, assigner le bon linguiste à chaque tâche et conserver la trace des interventions de chacun. La décision reste entre les mains d’une personne qui en assume la responsabilité.

Slogans : quand le score en dit peu

« À porter sans jamais l’user. »

Lisez ce slogan imaginaire une fois et vous obtenez les deux sens : le produit dure, et vous le porterez tout le temps. Une traduction littérale ne conserve au mieux qu’un seul sens. Une traduction littérale peut aussi paraître fluide, et c’est précisément ce qui la rend risquée. Nous avons déjà expliqué pourquoi il est si difficile d’évaluer une traduction fluide.

Ici, les deux questions appellent la même réponse. La machine apporte peu, le score en dit peu et toute erreur sera visible de tous. QPS est conçu pour prédire comment un réviseur évaluerait la précision et la fluidité d’une traduction ; ainsi, un slogan transcréé qui s’écarte délibérément de la source peut obtenir un mauvais score tout en étant parfaitement juste, tandis qu’une traduction littérale peut obtenir un bon score et tomber à plat.

La traduction transmet le sens d’une langue à une autre. La transcréation transmet l’intention et peut modifier les mots, l’image ou l’idée entière pour y parvenir. Ainsi, les slogans ont besoin de transcréation.

1. Commencez par un brief pour chaque marché. Précisez ce que le slogan doit accomplir, pas seulement ce qu’il dit.
2. Utilisez l’IA comme partenaire de réflexion. Auto Adapt, une étape d’IA générative dans Phrase Orchestrator, adapte le contenu à un public ou à un ton et génère des variantes auxquelles un rédacteur peut réagir. Si votre texte de marque possède son propre groupe de contenu, ces variantes s’appuient sur son guide de style et ses règles, de sorte qu’elles se rapprochent d’emblée de la manière dont votre marque s’exprime sur chaque marché.
3. Laissez un spécialiste de la transcréation ou un rédacteur local créer ou choisir le slogan.
4. Faites-la examiner localement, par quelqu’un qui connaît la marque et le public.
5. Utilisez le score tout au plus pour le tri, par exemple sur des textes de marque plus longs autour du slogan. Jamais comme un critère bloquant.

L’automatisation a toujours un rôle à jouer, comme c’est le cas pour les textes marketing de Phrase : transférer le travail entre les rédacteurs, les réviseurs et les marchés sans qu’un chef de projet ne doive suivre chaque étape.

Définir des seuils et vérifier qu’ils restent fiables

Un seuil de qualité permet d’ajuster l’équilibre entre coût et risque. Abaissez-le et davantage de segments seront confirmés sans intervention humaine ; augmentez-le et davantage de segments seront envoyés à la révision. Dans Phrase, vous pouvez définir des seuils QPS dans vos paramètres de prétraduction ou dans Phrase Orchestrator, et choisir quels segments verrouiller pour empêcher leur modification, ainsi que les critères à appliquer.

L’étude de Phrase publiée en 2024 montre l’intérêt d’ajuster ce seuil. Pour un client du secteur technologique traduisant de l’anglais vers l’allemand, sur environ 35 000 segments au total, un seuil de 90 aurait permis de confirmer 37 % des segments sans modification, contre 17 % avec un seuil de 95. Si votre équipe paie des post-éditeurs pour tout vérifier, elle dépense beaucoup d’argent à faire confirmer des traductions déjà satisfaisantes.

Un score reste une estimation ; traitez donc tout seuil comme une hypothèse à tester par rapport à ce que vos réviseurs modifient réellement. Le tableau de bord QPS Insights dans Phrase Analytics montre à quelle fréquence les linguistes modifient les segments pour chaque score et combien de temps ils y consacrent. S’ils modifient rarement les segments qui obtiennent un score de 88, vous les payez pour confirmer un bon travail. S’ils continuent de corriger des segments au-dessus de votre seuil, soit le seuil est mal placé, soit le score n’est pas fiable pour ce contenu :

• Définissez des seuils par type de contenu et par paire de langues. Les paires de langues moins dotées en ressources méritent une prudence accrue, car les moteurs et les scores y sont tous deux moins fiables.
• Procédez par petites étapes. Abaissez progressivement un seuil et vérifiez ce que les post-éditeurs modifient juste en dessous du nouveau seuil.
• Acceptez que certains contenus n’aient pas de seuil. Pour les textes juridiques et de marque, le score informe les réviseurs. Il ne les remplace pas.

Comment configurer des flux de travail de traduction automatisés par type de contenu

Dans Phrase, la configuration suit la matrice, et les groupes de contenu assurent la cohérence.

1. Attribuez à chaque type de contenu son propre groupe de contenu. Un groupe de contenu associe un projet à son guide de style, à ses règles de style et à ses vérifications de qualité par IA, afin que les textes juridiques et les textes de marque ne soient pas soumis aux mêmes règles. L’évaluation de la qualité tire ses contrôles du groupe de contenu et de la langue cible.
2. Configurez des profils de TA par type de contenu et, lorsque cela est pertinent, par paire de langues. Sélectionnez votre moteur préféré ou laissez MT Autoselect choisir parmi les moteurs que vous activez dans chaque profil. Autoselect tient compte du domaine du contenu pour 12 langues sources majeures, dont l’anglais ; pour les autres langues sources, la sélection repose uniquement sur les performances de la paire de langues.
3. Associez une mémoire de traduction, des bases terminologiques et des règles de QA à chaque type de contenu.
4. Ajoutez des étapes d’IA là où les tests les justifient. MT Optimize pour la post-édition, Auto Adapt pour le public et le ton, ou l’agent de traduction par IA, qui produit des traductions tenant compte du contexte avec révision et affinement intégrés.
5. Choisissez vos contrôles qualité et vos seuils. L’évaluation de la qualité de Phrase est une boîte à outils plutôt qu’un outil unique : Scores QPS, contrôles QA, vérifications par IA regroupés par groupe de contenu dans des profils de qualité, et Auto LQA pour une première révision automatisée. Choisissez ce dont chaque type de contenu a besoin et ne définissez des seuils que lorsque le type de contenu s’y prête.
6. Enchaînez les étapes dans Phrase Orchestrator. Il peut acheminer le contenu par type, utiliser les scores de qualité comme points de décision, ajouter des boucles de révision conditionnelles et transférer le travail entre l’IA et les personnes, ce qui permet de récupérer la majeure partie du temps de gestion de projet.
7. Observez les résultats. Ajoutez aux projets des métadonnées de domaine et de sous-domaine, et le tableau de bord TM Threshold pourra filtrer vos résultats par domaine, sous-domaine et paramètres régionaux cibles. Examinez-les régulièrement, en parallèle du tableau de bord QPS Insights.

Les erreurs qui coûtent le plus cher

• Traiter l’automatisation comme du tout ou rien. Une grande partie du contenu ne peut pas faire l’impasse sur la révision, mais la quasi-totalité peut se passer des transferts manuels.
• Se fier à un seul signal. Les scores, les contrôles QA et les échantillons examinés par des humains permettent de détecter des problèmes différents. Utilisez-en au moins deux pour tout ce que les clients verront.
• Configurer les paramètres une fois, puis les oublier. Ces paramètres ont tendance à rester inchangés. Les données de Phrase montrent qu’avant l’arrivée d’un tableau de bord pour guider les équipes, le seuil moyen de la mémoire de traduction était resté à 76 pendant des années, tous projets confondus. Une fois les données sous leurs yeux, ce chiffre est passé à environ 86.
• Juger la qualité de la production avec BLEU. BLEU mesure le nombre de mots et d’expressions en commun avec une traduction de référence. BLEU est utile pour comparer des systèmes dans le cadre de recherches, mais aide peu à déterminer si un segment est prêt à être publié.

Par où commencer

Choisissez un type de contenu que vous révisez probablement trop et un autre que vous ne protégez peut-être pas assez. Pour la plupart des équipes, il s’agit, d’un côté, de contenus d’assistance ou de produits et, de l’autre, de contenus soumis à la réglementation ou essentiels à l’image de marque. Attribuez à chacun son propre groupe de contenu et ses propres vérifications, puis observez ce que vos réviseurs modifient pendant un mois.

Posez-vous maintenant la question au cœur de cet article : pour quels contenus un score peut-il garantir la qualité, et lesquels devront toujours être validés par une personne ?

Pour comprendre le fonctionnement du score, commencez par le guide explicatif du QPS ou l’étude de 2024 sur les seuils. Pour trouver les outils d’évaluation de la qualité adaptés à votre contenu, commencez à petite échelle : soumettez un échantillon à un ou deux de ces outils et comparez les résultats avec l’avis de vos réviseurs.

D’où viennent les chiffres

• Chiffres du score de qualité : une étude de simulation réalisée par Phrase et publiée en septembre 2024. Un client technologique, anglais vers allemand, environ 3 500 tâches, 35 000 segments et 457 000 mots. Source : Alon Lavie, « Comprendre le QPS, les économies possibles et le retour sur investissement. »
• Chiffres du seuil de la mémoire de traduction : Données de Phrase Analytics sur l’ensemble des projets, publiées en avril 2025. Source : Martin Švestka, « Maîtriser les seuils de MT et de QPS de Phrase pour l’automatisation de la localisation. »
• Mise en pratique du flux de travail et estimation de la charge de travail : Équipe de localisation de Phrase, octobre 2026.
• Comportement du produit : Centre d’aide de Phrase et documentation pour les développeurs, en date d’octobre 2026.

Annexe : les métriques

• QPS (score de performance en matière de qualité). L’estimation de la qualité par l’IA proposée par Phrase. Cette estimation prédit le score qu’un réviseur professionnel attribuerait à une traduction selon le cadre MQM, de 0 à 100, sans nécessiter de traduction de référence. Phrase regroupe les scores en quatre tranches : De 95 à 100 : excellent ; de 90 à 94 : très bon ; de 75 à 89 : bon ; en dessous de 75 : médiocre.
• MQM (Multidimensional Quality Metrics). Le cadre que les évaluateurs humains utilisent pour classer les erreurs par type et par gravité, à travers des catégories telles que la précision, la fluidité, la terminologie et le style. Il a été conçu pour l’évaluation humaine, et son application à l’évaluation automatisée présente ses propres difficultés.
• Distance d’édition (TER, chrF). Dans quelle mesure un post-éditeur a modifié la sortie. Une mesure directe de l’effort, et le meilleur moyen de vérifier si un seuil est correctement placé.
• COMET. Une métrique neuronale largement utilisée dans la recherche pour comparer les systèmes de TA. Ses variantes d’estimation de la qualité fonctionnent sans traduction de référence.