Translating the Untranslatable: An Operationalizable Ontology for Untranslatability
Cet article introduit une ontologie et une taxonomie structurées de l'intraduisibilité afin d'opérationnaliser le concept pour le TAL, ce qui a permis de créer un nouveau jeu de données multilingue et des conclusions initiales démontrant que la qualité de la traduction s'améliore lorsque les modèles emploient des stratégies de compensation explicative.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
L'idée principale : Quand la traduction se heurte à un mur
Imaginez que vous essayiez de déplacer un meuble de votre maison vers une nouvelle. Habituellement, il suffit de le soulever et de le porter. C'est ainsi que fonctionne la plupart des traductions informatiques aujourd'hui : elles déplacent les mots de la Langue A vers la Langue B.
Mais parfois, le meuble a une forme bizarre, ou les portes de la nouvelle maison sont trop étroites. Vous ne pouvez pas simplement le porter à travers ; vous devez le démonter, l'envelopper dans du papier bulle, ou même laisser une note expliquant pourquoi il a une apparence différente.
Cet article traite de ces moments de « formes bizarres » dans le langage. Les auteurs appellent cela l'intraduisibilité. Cela se produit lorsqu'un mot ou une expression dans une langue (comme le japonais ou l'espagnol) porte un sens, une blague ou un sentiment culturel qui n'existe tout simplement pas en anglais. Si vous essayez de traduire mot à mot, vous perdez l'âme du message.
Le problème : Les ordinateurs sont trop littéraux
Les traducteurs IA actuels sont comme des bibliothécaires très stricts. Ils sont excellents pour trouver la définition exacte du dictionnaire d'un mot. Mais ils ont du mal lorsque le mot ressemble davantage à un sentiment, à un jeu de mots ou à une blague culturelle interne.
Par exemple, l'article mentionne l'argot Internet japonais « wwww » (qui ressemble à de l'herbe et signifie « lol »). Une IA pourrait essayer de le traduire par « herbe », ce qui n'a aucun sens pour un anglophone. Ou elle pourrait traduire un mot espagnol pour désigner le « temps passé à discuter après un repas » (sobremesa) par simplement « après le dîner », perdant ainsi l'ambiance chaleureuse et sociale du mot original.
Les auteurs soutiennent que nous devons cesser de traiter ces cas comme des « bugs » ou des erreurs rares. Au lieu de cela, nous devons les traiter comme une catégorie spécifique de problèmes nécessitant une boîte à outils spéciale.
La solution : Une nouvelle carte et une boîte à outils
Pour corriger cela, les chercheurs ont construit deux éléments principaux :
1. La Carte (L'Ontologie)
Ils ont créé une carte structurée pour catégoriser pourquoi quelque chose est intraduisible. Ils l'ont divisée en trois quartiers principaux :
- Linguistique : La grammaire ou les sons sont différents (comme un virelangue qui ne fonctionne pas dans une autre langue).
- Figuré : Il s'agit de blagues, de jeux de mots ou d'idiomes (comme dire « it's raining cats and dogs »).
- Culturel : Il s'agit d'histoire, de religion ou de coutumes (comme un salut qui implique d'embrasser sur la joue, ce qui pourrait être étrange dans une autre culture).
2. La Boîte à outils (Stratégies de compensation)
Puisque vous ne pouvez pas simplement « porter » le sens, vous avez besoin d'une stratégie pour transmettre le message. Les auteurs ont défini six façons de gérer cela, comme différents outils dans une boîte à outils :
- Annotation (La stratégie de la « Note ») : Traduire le mot, mais ajouter une petite explication entre parenthèses. Exemple : « Nous avons apprécié la sobremesa (une longue discussion après le dîner). »
- Adaptation (La stratégie du « Remplacement ») : Remplacer la blague originale par une autre blague qui fait rire le public de la même manière, même si les mots sont totalement différents.
- Emprunt (La stratégie du « Garder tel quel ») : Garder simplement le mot étranger original et espérer que les gens l'apprennent. Exemple : « Nous avons eu un beau feng-shui. »
- Paraphrase (La stratégie de « l'Explication ») : Jeter les mots littéraux et simplement expliquer le sens en anglais simple.
- Options (La stratégie du « Peut-être ») : Si la phrase originale est vague, donner plusieurs choix au lecteur. Exemple : « Il/Elle est rentré(e) à la maison. »
- Calque (La stratégie de la « Copie littérale ») : Traduire les mots exactement tels qu'ils sont, même si cela semble bizarre, afin que le lecteur puisse deviner le sens.
L'expérience : Tester les outils
Les chercheurs n'ont pas seulement parlé de cela ; ils ont construit un ensemble de données massif. Ils ont pris 1 300 phrases difficiles en espagnol et en japonais et ont généré 18 200 traductions anglaises différentes, chacune utilisant une stratégie différente de leur boîte à outils.
Ensuite, ils ont demandé à de vrais humains de jouer le rôle de juges. Ils ont montré aux gens la phrase originale et les différentes traductions, en demandant : « Laquelle préférez-vous ? »
Ce qu'ils ont trouvé
Les résultats ont été surprenants et importants :
- Les gens adorent la stratégie de la « Note » : La traduction la plus populaire était généralement celle qui incluait une explication (Annotation). Les gens préféraient savoir pourquoi un mot était utilisé, même si cela rendait la phrase plus longue.
- Le contexte compte : Si la traduction était destinée à un manuel scolaire (où l'apprentissage est la clé), les gens adoraient les explications. Si c'était pour un film (où la fluidité est la clé), ils voulaient quelque chose de plus court, mais ils préféraient quand même les explications aux traductions littérales déroutantes.
- Une solution unique ne convient pas à tous : Une stratégie qui fonctionne pour un jeu de mots peut échouer pour une coutume culturelle. La meilleure traduction dépend de ce qui est traduit et de l'endroit où elle sera lue.
La conclusion à retenir
L'article conclut que la traduction automatique essaie actuellement de forcer un pion carré dans un trou rond. En reconnaissant que certaines choses ne peuvent pas être traduites directement, et en donnant aux ordinateurs une liste structurée de stratégies (comme ajouter des notes ou échanger des blagues) pour gérer ces moments, nous pouvons créer des traductions qui font réellement sens pour les humains.
Ils ne font pas que corriger des erreurs ; ils apprennent aux ordinateurs à être plus comme les traducteurs humains : flexibles, créatifs et prêts à ajouter un peu de contexte supplémentaire pour s'assurer que le message est véritablement compris.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.