L’outil Ultrad de La Presse Canadienne : la traduction automatique dans un contexte journalistique
Bibliographic record
Abstract
En 2018, La Presse Canadienne a mis au point Ultrad, un système de traduction automatique (TA). Ultrad est un des rares systèmes de TA 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 article 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 en français et une version révisée par un rédacteur ou une rédactrice de La Presse Canadienne. L’évaluation des traductions, d’une part, et, d’autre part, la comparaison entre les textes traduits automatiquement et les 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 (DE) à trois dimensions entre segments source et cible et la correction linguistique fournie par le logiciel de correction linguistiqueAntidotesur la totalité des articles révisés. Notre étude est l’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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.011 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.008 | 0.009 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.012 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.007 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".