The Logovista English-Japanese Machine Translation System

Ce document décrit l'architecture, les pratiques de développement et les artefacts préservés du système de traduction automatique anglais-japonais Logovista, un système à base de règles commerciales qui a été continuellement maintenu et adapté aux exigences pratiques pendant plusieurs décennies, de 1990 jusqu'à au moins 2012.

L'essentiel

🇫🇷 Le Système Logovista : Une Histoire de Traduction "À l'ancienne"

Imaginez que vous avez un chef cuisinier très rigoureux (le système Logovista) qui doit traduire des recettes anglaises en recettes japonaises. Ce n'est pas un robot qui apprend tout seul en mangeant des millions de livres (comme les intelligences artificielles d'aujourd'hui). Non, ce cuisinier a passé des décennies à écrire manuellement un livre de règles géant pour savoir exactement comment transformer chaque ingrédient.

Ce document, écrit en 2026 par l'un des créateurs de ce système, est comme une capsule temporelle. Il raconte l'histoire de ce chef cuisinier qui a travaillé de 1990 à 2012, avant que la cuisine ne change radicalement avec l'arrivée des robots modernes.

Voici les points clés de cette histoire, expliqués simplement :

1. Le Livre de Recettes Interminable (L'Architecture)

Le système ne devinait pas les mots. Il suivait un plan précis :

• Le Dictionnaire Central : C'était une immense base de données manuelle où chaque mot anglais avait sa fiche détaillée. On y notait non seulement sa signification, mais aussi avec quels autres mots il aimait jouer (ses "amis" grammaticaux).
• Les Règles de Grammaire : Des linguistes humains avaient écrit des milliers de règles pour dire : "Si le mot A est suivi du mot B, alors en japonais, on doit les mettre dans cet ordre précis".
• Le Tri des Idées (Le "Scoring") : Quand une phrase anglaise était ambiguë (pouvait avoir plusieurs sens), le système ne choisissait pas au hasard. Il lançait une course de chevaux virtuelle. Chaque interprétation possible de la phrase était notée par des "experts" (des petits programmes). Celui qui avait le meilleur score (le plus logique) gagnait et devenait la traduction finale.

2. Le Problème de la "Forêt d'Arbres" (L'Ambiguïté)

C'est là que ça devient compliqué. Une phrase simple comme "I saw the man with the telescope" (J'ai vu l'homme avec le télescope) peut vouloir dire deux choses : soit vous aviez le télescope, soit l'homme en avait un.

• Pour le système, chaque phrase était comme un arbre géant avec des milliards de branches possibles.
• Pour ne pas s'empêtrer dans la forêt, le système devait couper les branches inutiles très vite (ce qu'on appelle "élagage"). Sans cette astuce, le calcul aurait pris des siècles pour une seule phrase.

3. La Difficulté de la Réparation (La Maintenance)

Pendant 20 ans, l'équipe a dû améliorer le système pour qu'il traduise des textes réels (pas juste des phrases d'exemple).

• L'effet Papillon : Imaginez que vous essayez de réparer une petite fissure dans un mur de Lego. Si vous bougez une brique pour la réparer, vous risquez de faire effondrer tout le toit plus loin.
• C'était le même problème : ajouter une nouvelle règle pour corriger une erreur de traduction créait souvent de nouvelles erreurs ailleurs.
• Pour gérer cela, ils avaient créé un gros sac de tests (10 000 phrases) qu'ils faisaient passer au système à chaque modification. C'était leur "filet de sécurité" pour s'assurer qu'ils n'avaient pas cassé quelque chose d'autre en essayant de réparer.

4. Pourquoi les Utilisateurs n'aimaient pas les "Aides"

Le système offrait une fonctionnalité géniale : il permettait aux utilisateurs de cliquer sur un mot pour dire "Non, ce n'est pas ça, c'est l'autre sens". C'était comme un GPS qui vous demandait confirmation à chaque tournant.

• Résultat ? Personne ne l'utilisait. Les gens voulaient juste la traduction, tout de suite, même si elle n'était pas parfaite. Ils préféraient un résultat automatique imparfait à un processus lent et manuel.

5. Le Trésor du Futur (Les Artifacts Préservés)

Quand l'entreprise a fermé en 2012, l'auteur du document a gardé tous les fichiers dans un coffre-fort numérique.

• Aujourd'hui, ce n'est plus un produit commercial. C'est un musée.
• L'auteur a conservé le code source, les dictionnaires et les journaux de modifications.
• Pourquoi ? Pas pour relancer le système, mais pour que les chercheurs de demain puissent étudier comment les humains ont tenté de coder le langage avant que les ordinateurs ne deviennent capables de "comprendre" tout seuls. C'est une leçon d'histoire sur les limites de la logique pure face à la complexité du langage humain.

En résumé

Ce papier est le journal de bord d'un architecte qui a construit un pont en bois (le système à règles) pour traverser une rivière. Le pont a tenu pendant 20 ans, a été réparé mille fois, mais a fini par être remplacé par un pont en béton (l'IA moderne). L'auteur garde aujourd'hui les plans et les outils de ce vieux pont, non pas pour le reconstruire, mais pour montrer aux futurs ingénieurs comment ils ont fait, et où ils ont buté.

Résumé technique

Résumé Technique : Le Système de Traduction Automatique Logovista Anglais-Japonais

Ce document sert de registre technique et historique d'un système de traduction automatique (TA) basé sur des règles explicites, développé et commercialisé par Logovista entre le début des années 1990 et au moins 2012. Contrairement aux approches statistiques ou neuronales modernes, ce système repose entièrement sur des connaissances linguistiques manuellement codées.

1. Problématique

Le défi central résidait dans la gestion de l'ambiguïté structurelle massive inhérente à la traduction entre l'anglais et le japonais.

• Complexité combinatoire : L'analyse syntaxique d'une phrase anglaise pouvait générer un graphe acyclique dirigé contenant des milliards d'interprétations valides (jusqu'à $10^{35}$ alternatives dans certains cas).
• Sélection de l'interprétation : Le problème consistait à sélectionner la seule interprétation correcte parmi cette explosion combinatoire pour générer une traduction japonaise fluide et précise.
• Maintenance à long terme : Le système devait évoluer pendant deux décennies face à des textes réels, gérant les régressions (dégradation de traductions précédemment correctes) lors de l'ajout de nouvelles règles ou de données lexicales.

2. Méthodologie et Architecture

Le système est une architecture modulaire composée d'un moteur de traduction central et d'une interface utilisateur. Le moteur, écrit initialement en C puis porté en C++, fonctionne selon trois étapes principales :

A. Analyse Anglaise (Input)

1. Pré-analyseur : Segmentation du texte brut en tokens (mots et ponctuation).
2. Analyseur à chartes (Chart Parser) : Génération de tous les arbres syntaxiques valides autorisés par la grammaire.
3. Enrichissement Sémantique et Scoring : Chaque analyse syntaxique est enrichie en structure sémantique. Un système de scoring pondéré évalue les interprétations concurrentes grâce à plusieurs modules experts manuellement codés :
   • Préférences lexicales : Favoriser les sens de mots courants.
   • Contraintes sémantiques : Le dictionnaire central encode des restrictions sur les arguments des verbes (sujets, compléments). Des pénalités sont appliquées pour les incohérences sémantiques et des bonus pour les combinaisons cohérentes.
   • Similarité sémantique : Utilisée pour classer les structures de coordination.
   • Élagage (Pruning) : Des heuristiques agressives éliminent les branches de recherche peu probables dès les étapes intermédiaires pour rendre le calcul faisable.

B. Synthèse Japonaise (Output)

1. Réorganisation : Des règles grammaticales réorganisent les constituants sœurs pour respecter l'ordre des mots japonais.
2. Transformations : Un fichier de règles séparé (« analyze file »), inspiré de la grammaire transformationnelle, applique des modifications structurelles supplémentaires.

C. Gestion de l'Ambiguïté et Maintenance

• Dictionnaires : Un dictionnaire central manuel encode les propriétés syntaxiques et sémantiques. Des dictionnaires de noms propres et de termes techniques sont générés automatiquement.
• Contrôle de régression : Pour gérer les effets non locaux des modifications (où une correction locale dégrade une traduction ailleurs), l'équipe a accumulé un ensemble de tests de régression d'environ 10 000 paires de phrases (anglais-japonais). Chaque modification était validée contre cet ensemble fixe.
• Désambiguïsation guidée par l'utilisateur : Bien que l'interface permettait aux utilisateurs de corriger la structure ou de choisir des mots, cette fonctionnalité était rarement utilisée en pratique ; les utilisateurs privilégiaient la traduction entièrement automatique.

3. Contributions Clés

• Architecture hybride explicite : Combinaison de règles grammaticales manuelles, d'un dictionnaire central riche et d'un mécanisme de scoring pondéré pour gérer l'ambiguïté sans apprentissage statistique.
• Ingénierie linguistique à grande échelle : Classification fine des verbes (environ 40 classes distinctes basées sur la structure des compléments) et gestion de l'expansion de la couverture linguistique sur une période de 20 ans.
• Pratiques de développement industriel : Mise en place précoce de contrôles de régression rigoureux et de gestion de version (RCS) pour les ressources linguistiques (grammaire, dictionnaires, fichiers de règles), traitées comme des données textuelles modifiables et réversibles.
• Archivage historique : Préservation du code source complet, des ressources linguistiques et des journaux de contrôle de version, offrant une vue d'ensemble rare d'un système de TA basé sur des règles ayant survécu au marché commercial.

4. Résultats et Limites

• Performance : Le système a été commercialisé avec succès pendant deux décennies, prouvant la viabilité des approches basées sur des règles pour des paires de langues complexes comme l'anglais-japonais.
• Limites de l'expansion : L'ajout de nouvelles règles grammaticales ou l'enrichissement des entrées de mots fréquents a inévitablement augmenté l'ambiguïté structurelle. Cela a rendu le système de plus en plus rigide : les corrections locales avaient des effets non locaux imprévisibles sur le classement des interprétations, augmentant la fréquence des régressions.
• Évolution : Le système a évolué d'une tentative d'énumération exhaustive des structures vers une gestion pragmatique des échecs observés sur des textes réels, bien que la couverture totale soit restée un défi.

5. Signification

Ce document n'est pas un plaidoyer pour le retour des systèmes basés sur des règles, mais un témoignage historique et technique précieux.

• Il documente comment un système de TA complexe s'est adapté aux pressions du monde réel sur une longue période.
• Il met en lumière les limites fondamentales de l'approche basée sur des règles face à l'explosion de l'ambiguïté et la difficulté de maintenir la cohérence globale d'un système à grande échelle.
• Les artefacts préservés (code, dictionnaires, logs de version) offrent aux chercheurs futurs une opportunité unique d'étudier l'évolution d'une architecture de TA mature, distincte des approches modernes basées sur les données massives.

Le matériel est actuellement conservé dans des archives privées par l'auteur et n'est pas encore publiquement disponible, bien qu'un accès puisse être envisagé pour des chercheurs qualifiés sous réserve de contraintes de propriété intellectuelle.