La plus-value de la biotraduction face à la machine
Résumé
Après l’informatisation importante des métiers de la traduction dans les années 1990 et 2000, les formations universitaires ont en ce début de xxie siècle un nouveau défi majeur à relever. Avec la révolution numérique et les incontestables progrès de la traduction automatique/machine (TA) depuis l’arrivée de la TA neuronale, il semble incontournable d’enseigner aux futurs professionnels la façon dont ils peuvent et doivent dégager leur plus-value de traducteur humain (aussi appelé « biotraducteur ») par rapport à la machine et face à des discours parfois caricaturaux sur le sujet. Les progrès de la TA ne peuvent être ignorés : ils sont en train de bouleverser les méthodes de travail et le modèle économique du secteur. Ainsi, en 2018, la proportion d’entreprises de services linguistiques européennes déclarant avoir recours à la TA a dépassé pour la première fois les 50 % (2018 Study of the European language). L’utilisation de la TA au sein des logiciels de traduction assistée par ordinateur (par exemple SDL Trados Studio, memoQ), sous la forme de fonctionnalité intégrée ou de plug-in, se généralise. Parallèlement, l’activité ne ralentit pas : au niveau mondial, le secteur des services linguistiques continue de se développer, avec en 2019 une croissance de 6,62 % par rapport à 2018 (Common Sense Advisory, The Language Services Market: 2019). Il s’agit donc certes d’une technologie « disruptive » pour reprendre un terme à la mode, mais qui ne semble pas devoir remplacer le traducteur humain, contrairement à ce que l’on entend parfois. Les changements sont certains, et le secteur des métiers de la traduction, comme moult autres secteurs d’activité, est concerné par les progrès de l’intelligence artificielle. Pour les formations universitaires, l’heure est donc à l’adaptation. Il s’agit de préparer les étudiants aux futures réalités du marché. Et même si celles-ci sont en partie inconnues, il incombe aux formateurs de faire prendre conscience aux futurs professionnels de ce que la machine peut faire et ne peut pas faire, afin de « démystifier » (terme emprunté à Moorkens, 2018) cette technologie dès le début de la formation. Ils s’approprieront ainsi un outil d’aide à la traduction qui n’a pas vocation à les remplacer. Dans cet article, nous abordons plusieurs leviers qui nous paraissent particulièrement pertinents pour atteindre cet objectif.