Translators as Invisible Teachers of AI: Copyright, Translation Memory, and the Political Economy of Linguistic Data

La vue d'ensemble : Le « Fantôme » dans la machine

Imaginez un chef étoilé qui a passé 30 ans à perfectionner une recette secrète. Chaque jour, il prépare un plat pour un restaurant. Le propriétaire du restaurant le paie pour ce plat spécifique, récupère les restes et les jette dans un immense « livre de recettes » situé au sous-sol.

Des années plus tard, le propriétaire utilise ce livre de recettes géant pour enseigner à un robot comment cuisiner. Le robot apprend le style du chef, son choix d'épices et son timing. Désormais, le robot peut préparer les mêmes plats, plus vite et moins cher. Le chef s'inquiète non seulement parce que le robot pourrait lui voler son emploi, mais surtout parce que le robot est en réalité fabriqué à partir du travail passé du chef lui-même, et que le chef n'a jamais été payé pour avoir enseigné au robot.

Ce papier soutient que les traducteurs professionnels se trouvent exactement dans cette situation. Ils ont été les « enseignants invisibles » de l'Intelligence Artificielle (IA) pendant des décennies, mais personne ne les a reconnus et ils n'ont pas été rémunérés pour ce rôle d'enseignement.

---

1. Le piège de la « Mémoire de Traduction »

Les traducteurs utilisent un outil appelé Mémoire de Traduction (MT). Imaginez cela comme un assistant numérique de « copier-coller ». Si un traducteur a déjà traduit la phrase « Le chat était assis sur le tapis » une fois, la MT s'en souvient. S'il rencontre cette phrase à nouveau, l'outil lui propose l'ancienne traduction.

• Ce que les traducteurs pensaient que c'était : Un outil de productivité pour travailler plus vite et rester cohérents.
• Ce qu'il est devenu réellement : Une base de données massive d'« Entrées » (le texte original) et de « Sorties » (la traduction).
• Le lien avec l'IA : L'IA a exactement besoin de ce type de données pour apprendre. Elle examine des milliers de ces paires pour comprendre comment traduire de nouvelles phrases. Le papier soutient que l'industrie de la traduction a transformé la créativité humaine en matière première (des données) sans que les créateurs réalisent qu'ils étaient exploités pour en extraire de l'or.

2. Les quatre couches de la peur

Le papier indique que les traducteurs ne sont pas seulement effrayés par la perte de leur emploi. Leur peur est plus profonde et comporte quatre couches :

1. Remplacement : « Un robot fera-t-il mon travail demain ? »
2. Imitation : « Un robot copiera-t-il mon style d'écriture unique sans me demander ? »
3. Entraînement non rémunéré : « Avez-vous utilisé mon ancien travail pour construire ce robot sans me payer ? »
4. La peur existentielle : « Mon travail n'est-il plus qu'un « traitement de données » plutôt qu'un « art créatif » ? »

Le papier se concentre sur cette dernière : la peur que leur profession soit redéfinie, passant d'un acte créatif humain à un simple processus d'extraction de données.

3. Le fonctionnement de la « Chaîne d'approvisionnement des données »

Le papier décompose comment le travail d'un traducteur voyage de son bureau vers un modèle d'IA. Ce n'est pas une ligne droite ; c'est une chaîne de montage en quatre étapes :

1. Du traducteur à l'entreprise : Un traducteur termine un travail. Le contrat stipule que l'entreprise possède la mémoire de traduction. Le traducteur est payé une seule fois.
2. De l'entreprise à la plateforme : L'entreprise prend cette mémoire et l'utilise pour construire son propre moteur d'IA ou vend les données à des géants de la technologie.
3. Le Web ouvert : Les entreprises technologiques scrapent (explorent) Internet pour trouver des traductions publiques (comme des sous-titres ou des documents gouvernementaux) afin d'alimenter leur IA.
4. La post-édition (Le moment de l'« Enseignant ») : Des traducteurs sont embauchés pour corriger les erreurs commises par l'IA. Lorsqu'ils corrigent une phrase, ils notent essentiellement les devoirs de l'IA. Ils enseignent à l'IA comment s'améliorer, mais ils sont payés en tant que « éditeurs », et non en tant qu'« enseignants ».

4. La faille juridique : « Appropriation sans consommation »

C'est la partie juridique la plus complexe, expliquée simplement :

• L'ancien droit d'auteur : Si vous copiez un livre et le vendez, ou si vous laissez les gens le lire sans payer, c'est du vol. La loi protège la lecture de l'œuvre.
• La nouvelle réalité de l'IA : L'IA ne « lit » pas les livres pour apprécier l'histoire. Elle « mange » le texte pour trouver des modèles statistiques (comme la fréquence à laquelle le mot « chat » apparaît près de « tapis »).
• La loi japonaise (Article 30-4) : Le Japon possède une loi stipulant que l'utilisation de matériel protégé par le droit d'auteur pour « l'analyse d'information » (comme l'entraînement de l'IA) est autorisée, tant que vous ne l'utilisez pas pour le « plaisir ».
• Le problème : Le papier qualifie cela d'« Appropriation sans consommation ». Cela signifie que l'IA vole la valeur du travail du traducteur (son style et sa logique) sans jamais réellement « consommer » (lire) l'œuvre de la manière dont un humain le fait. Parce que l'IA ne « lit » pas pour le plaisir, la loi dit qu'il est acceptable d'utiliser les données. Le traducteur n'a aucun mot à dire, aucun crédit et aucun argent.

5. Le retournement de situation : « L'effondrement du modèle »

Le papier mentionne un nouveau problème appelé « Effondrement du modèle ».

• L'analogie : Imaginez une photocopieuse qui copie une photocopie, qui copie une photocopie. Finalement, l'image devient floue et perd des détails.
• La réalité de l'IA : Si l'IA s'entraîne uniquement sur du texte généré par d'autres IA, elle s'améliore et perd de la nuance. Elle a besoin de texte humain pour rester précise.
• L'ironie : Parce que l'IA devient moins bonne pour apprendre des autres IA, les traducteurs humains sont devenus plus précieux que jamais. Leurs données de haute qualité, créées par l'homme, sont désormais un « actif premium » que les entreprises d'IA désespérément souhaitent. Pourtant, elles continuent de traiter les traducteurs comme de simples mineurs de données gratuits.

6. Qui d'autre est en danger ?

Le papier soutient que les traducteurs ne sont que les « canaris dans la mine de charbon ».

• Les illustrateurs enseignent à l'IA à dessiner.
• Les avocats enseignent à l'IA à examiner les contrats.
• Les médecins enseignent à l'IA à diagnostiquer.
• Les programmeurs enseignent à l'IA à écrire du code.

Chaque profession qui crée des « modèles de jugement » est transformée en données pour l'IA. Les traducteurs sont simplement le premier groupe à voir cela clairement, car leur travail (Texte Source vs Texte Cible) est le format parfait pour que l'IA apprenne.

7. Que suggère le papier ?

Le papier ne dit pas « Arrêtez l'IA ». Il dit : « Si l'IA est construite sur le travail humain, nous devons réparer le système de paiement et de droits. » Il propose quatre solutions concrètes :

1. Meilleurs contrats : Lorsqu'un traducteur signe un accord, il doit être explicitement indiqué si le travail peut être utilisé pour entraîner l'IA, et le cas échéant, combien il sera payé.
2. Fiducies de données : Au lieu que chaque travailleur indépendant se batte seul, ils devraient former un groupe (comme un syndicat ou une organisation de droits musicaux) pour négocier avec les entreprises d'IA et distribuer l'argent.
3. Étiquettes numériques « Ne pas entraîner » : Tout comme vous pouvez mettre un panneau « Interdit de Chasse » sur votre terrain, les traducteurs devraient pouvoir apposer une étiquette numérique sur leur travail indiquant : « N'utilisez pas ceci pour entraîner l'IA ».
4. Changer la loi : Le Japon (et d'autres pays) devrait mettre à jour ses lois sur le droit d'auteur pour exiger que les entreprises informent les créateurs si leur travail est utilisé et offrent aux créateurs un moyen de dire « non ».

Résumé

Les traducteurs ne sont pas les ennemis de l'IA ; ils en sont les enseignants invisibles. Ils ont passé des années à nourrir l'IA de leurs connaissances, de leur style et de leur créativité. L'IA utilise désormais ces connaissances pour rivaliser avec eux, souvent sans les payer pour la leçon. Le papier soutient que nous devons redessiner le système afin que les « enseignants » soient reconnus et récompensés, plutôt que d'être effacés par les machines mêmes qu'ils ont aidées à construire.