Ultrad : outil de traduction de La Presse Canadienne. La traduction automatisée dans un contexte journalistique.
Notice bibliographique
Résumé
En 2018, La Presse Canadienne a implanté Ultrad, un système de traduction automatique (TA). Ultrad est un des rares systèmes de traduction automatique à être utilisé quotidiennement par des journalistes au Canada. Toutes les traductions d’Ultrad sont révisées avant d’être publiées dans la langue cible. Notre communication porte sur l’évaluation des traductions fournies par l’outil et sur les révisions apportées par les journalistes de l’agence de presse. Pour mener à bien ce travail, nous avons dépouillé un échantillon de 148 articles en anglais comportant une version traduite automatiquement et une version révisée par un rédacteur ou une rédactrice de La Presse Canadienne. L’évaluation des traductions et la comparaison des textes traduits automatiquement et des textes révisés en post-édition (PE) ont reposé sur différentes méthodes d’analyse outillées : la comparaison des fréquences de mots, de l’alignement des paragraphes et de leur sous-segmentation en phrases graphiques pour chacun des deux groupes de bitextes (anglais avec la traduction brute, puis anglais avec la version révisée en PE) et des volumes informationnels des paires de segments; la distance euclidienne à trois dimensions (DE) entre segments source et cible et la correction linguistique fournie par le logiciel de correction linguistique Antidote sur la totalité des articles révisés. Notre étude est une des rares à s’être penchée sur l’utilisation de la TA par des journalistes. Elle met en évidence les lacunes de la TA et le caractère incontournable des interventions humaines en PE, même si ces interventions ne sont pas infaillibles.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,015 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».