Présentation
Texte intégral
- 1 Une bibliographie de ces sources pourra être consultée à la fin de ce numéro. Nous remercions cha (...)
- 2 ATLAS/ATLF, IA et traduction littéraire : les traductrices et traducteurs exigent la transparence (...)
1Début 2020, nous évoquions l’opportunité d’organiser un cycle de séminaires du TRACT consacré à la traduction automatique (TA) des textes littéraires. Depuis, cette question a fait l’objet d’un nombre toujours croissant de colloques, articles et autres monographies1. Le développement accéléré des outils de TA par l’intelligence artificielle a sans doute rendu incontournable la prise en compte de ce phénomène par le milieu de la traduction littéraire. Alors même que les imperfections encore sensibles de la TA dite « statistique » (ne s’appuyant que sur le traitement statistique d’énormes corpus parallèles) semblaient ne jamais pouvoir remettre en question le rôle des traducteurs humains et que, jusqu’à une date récente, seuls les traducteurs spécialisés ou pragmatiques avaient recours à la TAO (traduction assistée par ordinateur), aujourd’hui, même les traducteurs littéraires craignent de voir leur autonomie, leur statut d’auteur, leur agentivité (agency) menacés2. On voit bien par exemple comment la pratique de la post-édition pourrait se répandre au sein du monde de l’édition, notamment s’agissant de la littérature dite de « genre », qui s’inscrit souvent, dès l’écriture originale, dans des cadres répondant à des schémas canoniques et répétitifs. La traduction automatique neuronale d’ouvrages de fantasy ou de romance, par exemple, supposée permettre un formidable gain de temps et donc d’argent, ne manquerait pas de modifier les pratiques des éditeurs.
2Tout se passe donc comme si, face à cette situation, les praticiens et théoriciens de la traduction littéraire ne pouvaient plus rester attentistes. L’Observatoire de la traduction automatique mis en place en 2019 par l’ATLAS, l’Association pour la promotion de la traduction littéraire, en est une des illustrations concrètes en France. Toutefois, il ne s’agit pas pour nous, chercheurs, enseignants ou praticiens, d’adopter une position défensive, mais tout d’abord de tenir compte du changement de paradigme dans la traduction qu’implique l’émergence de la TAN. Celle-ci, de toute façon, ne disparaîtra pas et est même susceptible, selon certains spécialistes de l’I.A., de venir supplanter les bio-traducteurs.
3C’est pourquoi, au-delà des craintes suscitées par la TAN chez les professionnels de la traduction, et au-delà des critiques sur la qualité des traductions qu’elle produit, nous souhaitons mieux comprendre son fonctionnement et nous interroger sur les déplacements qu’elle induit dans nos manières d’envisager la traduction. En d’autres termes, ce que fait la TAN au concept de traduction et, partant, à la théorie de la traduction. Comment notre expérience de la traduction, modifiée par la présence de la machine, infléchit-elle nécessairement notre manière de penser l’acte de traduire ? À l’instar d’un traducteur humain, la machine est-elle à même de saisir la singularité du style d’un auteur : ce qu’il fait avec et à la langue ? Les machines pourraient-elles être entraînées à produire un texte capable de restituer cette transfiguration complexe, d’une manière ou d’une autre ? Inversement, quelle part la TAN, la TAO pourraient-elles prendre au renouvellement de la créativité littéraire ?
- 3 Warren Weaver, « Translation », 1949 [1955], repris dans Machine Translation of Languages, W. N. (...)
4Aujourd’hui, les moteurs de traduction automatique neuronale (TAN ou NMT pour Neural Machine Translation), tels que Google Translate, DeepL ou encore ChatGPT, utilisent les dernières avancées du traitement automatique des langues, qui permet désormais un traitement global de la phrase, par le biais de chaînes de caractères. Les modèles de langue ont permis une modélisation de la sémantique par « plongement de mots » (word embedding) de manière à créer un « langage pivot » permettant la traduction en plusieurs langues. Un module dit « d’attention » va également permettre de privilégier certains mots au détriment d’autres de manière, par exemple, à ne pas perdre de vue certains éléments clés (le contexte proche, ou la place du verbe à la fin, par exemple). Le processus algorithmique de la TAN est par ailleurs récursif, c’est-à-dire que le moteur « apprend » de ses erreurs précédentes. Mais la TAN, avec ses algorithmes complexes, peut-elle aller jusqu’à encoder le style ? Warren Weaver, l’un des précurseurs de la TA, ne le pensait pas3. Comment la TAN se mesure-t-elle donc aux textes littéraires ? Quels défis la littérature lui oppose-t-elle, avec ses équivoques, ses ambiguïtés, ses significations énigmatiques, ses points d’intraduisible, qui en sont souvent la signature ? Les trois études qui ouvrent ce numéro se sont penchées sur ces questions clés.
- 4 Geoffrey N. Leech et Mick Short, Style in fiction: A linguistic introduction to English fictional (...)
5Travaillant à l’intersection de la traduction et de l’informatique, nos collègues de l’université du Bosphore, Harun Dalli, Ena Hodzik et leur équipe, utilisent des unités de mesure lexicales et morphosyntaxiques pour tenter de prouver que, techniquement, un moteur de traduction automatique bien entraîné est capable de reproduire le style d’un traducteur. Partant de la méthodologie d’analyse stylistique de Leech et Short (2007)4, nos collègues définissent les spécificités stylistiques d’une grande traductrice turque, Nihal Yeğinobalı. L’analyse quantitative qui suit leur permet de comparer le corpus de Yeğinobalı avec un corpus représentatif de la traduction littéraire turque de la même période et d’observer des spécificités stylistiques aux niveaux lexical et morphologique. Certaines spécificités stylistiques permettent ainsi de distinguer le corpus de Yeğinobalı de ce corpus de référence. Celui de la traductrice est ensuite utilisé pour entraîner et tester un ensemble de modèles de traduction automatique de manière à obtenir un modèle ajusté. Les résultats sont probants : l’analyse dite « d’attribution d’auteur » distingue le modèle de traduction automatique ajusté – l’attribuant à Nihal Yeğinobalı – du modèle pré-entraîné servant de modèle de référence. Cette étude tend donc à suggérer qu’un système de traduction automatique peut reproduire le style d’un traducteur une fois formé sur un corpus de ses traductions.
- 5 Roy Youdale, Using computers in the translation of literary style: challenges and opportunities, (...)
6Mais, comme le remarque Juliette Bourget, citant Youdale (2020)5, la difficulté des textes littéraires ne repose pas uniquement sur des problèmes de lexique, mais sur la façon inhabituelle qu’ont les auteurs de manipuler la langue. Lecteurs et éditeurs attendent d’une traduction littéraire qu’elle respecte le sens de l’original, mais aussi qu’elle offre une expérience de lecture comparable. Au travers d’une étude du discours indirect libre dans The Talented Mr Ripley (1955) et sa traduction française par Jean Rosenthal, et par deux traducteurs neuronaux, J. Bourget analyse la façon dont les moteurs traitent des énoncés présentant un mélange des voix du personnage principal et du narrateur. À l’aide des outils de la traductologie de corpus, J. Bourget cherche à tester une nouvelle mesure de cohérence : à l’instar d’un traducteur humain, la machine est-elle capable de faire entendre une voix cohérente ? Exemples et chiffres à l’appui, l’auteure finit par conclure par la négative.
7L’étude de cas venant clore la section stylistique est consacrée aux chengyu, ces unités phraséologiques formellement codifiées spécifiques au chinois mandarin. Manon Hayette analyse la manière dont ces idiomes sont communément traduits, notamment dans les dictionnaires bilingues et ne la trouve pas toujours satisfaisante. Selon la chercheuse, l’apport de la traductologie de corpus permettrait aujourd’hui de faire apparaître les différents sens et variations de ces idiomes dans différents contextes, ainsi qu’avec des variantes. Cette contextualisation permettrait de mettre en lumière la valeur littéraire et les nuances culturelles apportées par ces chengyu. Cette utilisation des nouvelles technologies, notamment de corpus, constituerait donc un apport très positif pour les traducteurs et les apprenants chinois du mandarin.
8Le second volet de ce volume rassemble des contributions ayant trait aux rapports entre l’humain et la machine. Ce chapitre, que l’on pourrait aussi classer sous la bannière de ce que l’on appelle désormais les « Translator Studies », s’intéresse à la manière dont les traducteurs vivent leur métier. Comment les traducteurs humains réagissent-ils alors qu’ils sont confrontés aux machines traduisantes ? Se voient-ils libérés ou au contraire aliénés par la machine (qui ne peut fonctionner sans exploiter des données humaines) ? En l’occurrence, ces dynamiques sont-elles vécues de manière différente par les hommes et les femmes ? Hélène Buzelin nous propose une étude sociologique qualitative sur le rapport qu’entretiennent plusieurs traductrices expérimentées avec des outils numériques, mémoires et applications de traduction automatique. Cette étude longitudinale fait ressortir les trajectoires, pratiques et perceptions de ces traductrices professionnelles. Elle donne à voir un paysage diversifié et en pleine mutation, loin du binarisme du type technophile vs technophobe, littéraire vs non-littéraire, TAO vs TA, machine vs humain. L’auteure en conclut que l’émergence récente de discours prescriptifs opposés – d’un côté le rejet en bloc de la TA par les associations professionnelles ; de l’autre, la promotion active de la « traduction littéraire assistée par ordinateur » dans la littérature spécialisée – invite à relativiser chacun de ces discours et à en interroger les forces et limites.
9Dans une approche à la fois textuelle et sociologique, nos collègues Kristiina Taivalkoski-Shilov et Paola Brusasco tentent l’expérience d’envisager la machine comme aide au traducteur expérimenté dans le processus de révision, à des fins de modernisation ou plus généralement de relecture-correction (editing) d’un texte jugé imparfait. Il ne s’agit plus là de post-éditer un texte, mais de sélectionner des variantes générées par un ou plusieurs moteurs neuronaux. Leur contribution se penche sur Silent Spring (1962) de Rachel Carson et The Job (1917) de Sinclair Lewis, traduits respectivement en finnois et en italien en 1963 et 1955. Si les thèmes – l’environnementalisme et les difficultés des femmes au travail – sont toujours d’actualité, le texte d’arrivée a pu vieillir ou, comme c’est le cas pour la version finnoise, ne pas recréer véritablement le style du texte source. Nos collègues envisagent donc une réécriture à l’aide de la traduction automatique. Cinq traducteurs et traductrices participant à l’étude examinent des textes alignés afin d’identifier les parties du TA qu’ils modifieraient et marquent ainsi les mots, segments ou paragraphes de la version TAN utilisables dans leur forme actuelle ou avec des modifications mineures. Les conclusions de l’étude sont très nuancées, allant dans le sens d’une utilisation de la traduction neuronale à la marge, avec de nombreux garde-fous.
10Dans le sillage des contributions précédentes, mais plus orientés sur la formation des traducteurs, Isabelle Chauveau et Loïc De Faria Pires présentent les résultats d’une expérience pédagogique de post-édition en première année de Master de traduction et d’interprétation à l’université de Mons. Le travail que les étudiants devaient réaliser est au confluent de la traduction littéraire féministe et de la post-édition de traduction automatique neuronale (TAN). Il consiste en la post-édition de l’anglais vers le français d’un texte littéraire de nature féministe à partir de deux moteurs généralistes différents : DeepL et Google Traduction. Les productions sont tout d’abord analysées et un questionnaire rétrospectif est ensuite soumis aux élèves de la Faculté. Les conclusions liées aux productions font état d’une influence négative de la TAN sur les raisonnements, en raison de nombreuses erreurs commises par les étudiants. En ce qui concerne les questionnaires, bien que les élèves aient eu conscience de cette non-adéquation, la cohorte a eu tendance à sous-estimer le nombre de biais de genre produits et encouragés par la post-édition.
- 6 « Understanding as Translation », titre du premier chapitre du livre de George Steiner, After Bab (...)
- 7 Alan M. Turing, « Computing Machinery and Intelligence », in Mind 49, 1950, p. 433-460.
11Après ces études centrées sur les conditions présentes d’utilisation de la TAN, nos collègues chercheurs se sont penchés sur l’avenir, ou du moins les perspectives offertes par ce mode de traduction. Comme nous l’avions escompté, la TAN suscite ou accentue des changements de paradigme dans notre manière de penser l’acte de traduire, conduisant à une interrogation renouvelée sur ce que veut dire « comprendre » un texte, et plus généralement « lire » un texte. Si l’on considère avec George Steiner que « comprendre c’est traduire »6, peut-on dire que la machine lit le texte pour le traduire comme le fait le traducteur humain ? Traduire implique la mise en œuvre d’une forme extrêmement raffinée de la pensée. Or, la question posée dès 1950 par Alan Turing, l’un des pères de l’intelligence artificielle, n’était-elle pas « Can Machines Think? »7. C’est bien là toute la question. Comment le traducteur humain appréhende-t-il le texte source ? La lecture du texte à traduire est-elle différente de la lecture-plaisir ? Par quels chemins, hésitations, retours en arrière, consultations de dictionnaires etc., le traducteur aboutit-il au texte d’arrivée ? La machine peut-elle définir le genre du texte cible et y adapter ses productions ? Les recherches sur les processus cognitifs à l’œuvre chez les traducteurs humains peuvent-elles jeter un éclairage utile sur ces questions ?
12Ancrée dans la stylistique cognitive, l’étude de Waltraud Kolb s’intéresse de près à l’effet d’amorçage (priming effect) créé par l’activité de post-édition dans un contexte littéraire. Peut-on prouver que les traducteurs, d’une part, et les post-éditeurs, d’autre part, lisent et abordent de manière différente le texte source ? Comment évaluer la part de créativité dans leur travail ? Ces différentes approches se reflètent-elles dans les textes cibles ? En prenant pour cadre théorique la stylistique cognitive et la narratologie, W. Kolb montre que les traducteurs et les post-éditeurs développent leur propre compréhension de l’intrigue, des personnages et des mondes évoqués par le texte source ; elle décrit la manière dont ils déduisent le sens du texte source et de son style et, le cas échéant, comblent les lacunes au cours de leur lecture. Sa discussion se fonde sur les résultats d’une étude empirique en deux parties dans laquelle cinq traducteurs littéraires professionnels traduisent en allemand une nouvelle énigmatique d’Ernest Hemingway et cinq autres traducteurs littéraires professionnels post-éditent une version de la même nouvelle traduite par DeepL. Les participants sont invités à réfléchir à voix haute pendant qu’ils travaillent et ces protocoles de réflexion à voix haute (Think Aloud Protocol) sont utilisés pour explorer leurs démarches de lecture, en complément de l’étude du texte d’arrivée. L’auteure observe que les traducteurs sont plus impliqués dans l’analyse et la compréhension du texte, qu’ils mobilisent davantage leur imaginaire que ne le font les post-éditeurs, bien que ces derniers en revanche lisent davantage le texte à voix haute. L’utilisation du suivi oculaire ou eye-tracking pourrait se révéler un outil précieux pour reproduire ce type d’étude.
13Inversant les démarches traditionnelles d’évaluation des traductions, notre collègue Bart Hulley propose ensuite une nouvelle méthode pour évaluer la traduction humaine, en utilisant la traduction automatique comme référence. La machine pourrait-elle ainsi devenir le mètre étalon ? Pour le corpus qui intéresse notre collègue (la BD francophone de Moebius à Joann Sfar), il serait alors possible de mesurer la qualité d’une traduction humaine – à supposer qu’elle soit relativement fidèle au sens du texte – à son degré de différenciation vis-à-vis de la traduction automatique. L’outil de Hulley permet de visualiser rapidement le nombre de reformulations, notamment vis-à-vis de l’oralité, ou encore l’absence de calques syntaxiques. Il est fort à parier que cette méthode serait utile aux enseignants de traduction, pour démontrer très visuellement aux étudiants la valeur de la traduction humaine.
14Pour clore cette partie, Samuel Trainor propose un excursus philosophique mêlant contrepoint, danse et fantômes de Marx. Comme le rappelle notre collègue, les débats autour de la TAN sont souvent hantés par le spectre socio-économique du remplacement technologique. La dimension créative du travail, revendiquée par les traducteurs depuis tant d’années, serait oubliée pour laisser place à une activité ancillaire – de correcteur ou correctrice – dans le cadre de ce qu’on appelle désormais la post-édition (machine translation post-editing ou MTPE). Les traductions humaines servant également de base à l’entraînement des ordinateurs, l’homme serait doublement au service de la machine. Pour les acteurs de la hi-tech, la traduction littéraire est souvent vue comme un obstacle dans la quête de l’IA généralisée. Cependant, d’après S. Trainor, les professionnels de la traduction littéraire devraient se garder d’émettre des objections théoriques absconses. Mieux vaut, selon lui, favoriser la promotion d’une éthique inclusive en traduction professionnelle, ce qu’il démontre, exemples pratiques à l’appui. Si la TAN pouvait être adaptée à un fonctionnement qu’il appelle « polyphonique », plutôt que de reléguer l’intervention humaine à la post-édition, elle pourrait devenir un outil véritablement valable pour la littérature.
15Enfin, au terme de ce numéro, notre collègue Damien Hansen, qui a consacré sa thèse de doctorat à l’entraînement des systèmes neuronaux aux textes littéraires, nous offre une bibliographie commentée et mise à jour, décrivant l’état de la littérature sur le sujet. Nous sommes certains que nos lecteurs – chercheurs, traducteurs, étudiants – ne manqueront pas de s’y référer.
- 8 C’est d’ailleurs ainsi que les premières machines à traduire avaient été imaginées et conçues ava (...)
16Pour conclure, depuis leur émergence, les outils de la TAN, en raison de leur capacité à traiter quasi instantanément une quantité de texte impressionnante, tendent à renforcer dans l’imaginaire du public l’idée selon laquelle la traduction, le passage d’une langue à l’autre, serait « automatique », direct, manifestation d’un rapport biunivoque – une correspondance terme à terme – qui unirait deux langues entre elles. Ne serait-ce pas revenir à une conception simpliste de la langue, vue comme un simple code, que les traducteurs se contenteraient de décoder puis ré-encoder, en suivant des règles de transformation ou en passant par des algorithmes8 ? À parcourir les différents articles de ce numéro, il apparaît que non seulement la traduction automatique ne consiste pas en un transcodage direct, mais surtout que la communication, littéraire ou non, ne se résume pas à une opération d’encodage-décodage, aussi sophistiquée puisse-t-elle être. À l’heure de la généralisation de l’intelligence artificielle, gageons que ce numéro de Palimpsestes contribuera à une réévaluation de la dimension proprement humaine de l’acte de traduire.
Remerciements
- 9 Le programme de ce colloque peut être consulté sur https://lit-trans-ai.sciencesconf.org/?lang=fr (...)
17L’équipe rédactionnelle de Palimpsestes 38 tient à adresser ses remerciements les plus vifs, non seulement aux auteurs et autrices de ce numéro, mais aussi aux collègues français et internationaux qui nous ont fait l’honneur de participer au séminaire Tract 2021-2022 et/ou au colloque d’octobre 20229. Nous remercions ainsi Thierry Poibeau, Antonio Toral, Claire Larsonneur et Daniel Henkel d’avoir partagé avec nous leur expertise sur le traitement automatique des langues et la linguistique de corpus. Merci à Guilherme Braga, Isabelle Collombat et Hanna Martikainen d’avoir présenté l’impact des nouvelles technologies sur le métier du traducteur. Merci à Lily Robert-Foley et Miguel A. Jimenez-Crespo d’avoir montré la manière dont peut se déployer la TAN de manière créative. Nous sommes reconnaissants à Rudy Loock d’avoir partagé avec les membres du TRACT de nouvelles manières d’utiliser la TAN dans la pédagogie universitaire. Merci à Hodda Nakkhei et Nicolas Becaer d’avoir présenté l’impact de la TAN sur les langues dites « rares » et sur le discours de spécialité. Merci à Philippe Lacour d’avoir présenté les limites de l’intelligence artificielle d’un point de vue logico-philosophique. Nos sincères remerciements vont aussi aux relecteurs anonymes qui ont permis d’affiner le propos de ce numéro et à Claire Létoublon pour son aide précieuse dans l’organisation du colloque. Merci enfin à Eva Roques pour son travail de relecture.
Notes
1 Une bibliographie de ces sources pourra être consultée à la fin de ce numéro. Nous remercions chaleureusement Damien Hansen pour cette contribution.
2 ATLAS/ATLF, IA et traduction littéraire : les traductrices et traducteurs exigent la transparence https://www.atlas-citl.org/wp-content/uploads/2023/03/Tribune-ATLAS-ATLF-3.pdf, consulté le 28 juillet 2024.
3 Warren Weaver, « Translation », 1949 [1955], repris dans Machine Translation of Languages, W. N. Locke and D. A. Booth, eds., Cambridge, MA, MIT Press, p. 15-23. Pour une présentation accessible des processus algorithmiques qui régissent la traduction automatique, voir Thierry Poibeau, Machine Translation, Cambridge, MA, MIT Press, 2017.
4 Geoffrey N. Leech et Mick Short, Style in fiction: A linguistic introduction to English fictional prose (No. 13), Pearson Education, 2007.
5 Roy Youdale, Using computers in the translation of literary style: challenges and opportunities, New York, NY, Routledge, Taylor & Francis group, 2020.
6 « Understanding as Translation », titre du premier chapitre du livre de George Steiner, After Babel, Oxford University Press, 1975
7 Alan M. Turing, « Computing Machinery and Intelligence », in Mind 49, 1950, p. 433-460.
8 C’est d’ailleurs ainsi que les premières machines à traduire avaient été imaginées et conçues avant d’être supplantées par la traduction statistique puis par la traduction automatique dite « neuronale ». Cependant l’échec cuisant et patent des premières tentatives de traduction automatique conduisit à la suppression totale et subite du budget accordé à ces recherches en 1966 aux États-Unis suite aux conclusions du rapport ALPAC (Automatic Language Processing Advisory Committee). Pour une vue d’ensemble des différents systèmes de traduction automatique au cours de l’histoire, voir Thierry Poibeau, Babel 2.0 – Où va la traduction automatique ?, Paris, Odile Jacob, 2019, notamment p. 27 pour le rapport ALPAC.
9 Le programme de ce colloque peut être consulté sur https://lit-trans-ai.sciencesconf.org/?lang=fr, consulté le 28 juillet 2024.
Haut de pagePour citer cet article
Référence électronique
Carole Birkan-Berz et Bruno Poncharal, « Présentation », Palimpsestes [En ligne], 38 | 2024, mis en ligne le 30 novembre 2024, consulté le 21 mars 2025. URL : http://journals.openedition.org/palimpsestes/8690 ; DOI : https://doi.org/10.4000/12sp5
Haut de pageDroits d’auteur
Le texte et les autres éléments (illustrations, fichiers annexes importés), sont « Tous droits réservés », sauf mention contraire.
Haut de page