.png)
.jpg)
En 2017, un designer pressé traduit automatiquement une notice technique de français vers l'anglais pour un salon professionnel. Le résultat est fluide, presque parfait à la lecture rapide. Une seule phrase pose problème : l'outil a traduit "le dispositif ne doit pas être exposé à l'humidité" par une formulation qui, en anglais, laissait entendre l'inverse. Une simple négation mal placée, invisible pour qui ne connaît pas les deux langues en profondeur, mais potentiellement lourde de conséquences pour un appareil électronique.
Ce genre d'incident, de plus en plus rare grâce aux progrès des outils de traduction automatique neuronale, reste pourtant possible. Et il illustre bien pourquoi un métier discret mais crucial a pris une place croissante dans l'industrie de la traduction ces dernières années : la post-édition.
Les premiers outils de traduction automatique, fondés sur des règles grammaticales rigides puis sur des statistiques de correspondances entre phrases, produisaient des résultats souvent mécaniques et faciles à identifier comme non humains. L'arrivée des modèles neuronaux, puis des grands modèles de langage, a changé la donne de façon spectaculaire : les traductions produites sont désormais fluides, naturelles, grammaticalement irréprochables dans l'immense majorité des cas.
Ce progrès a un effet paradoxal. Une traduction automatique fluide inspire confiance, même quand elle contient une erreur de sens. Une traduction mécanique et maladroite, elle, incitait naturellement à la méfiance et à la relecture attentive. Le vrai danger d'aujourd'hui n'est donc pas la mauvaise qualité apparente d'un texte automatique, mais au contraire son excellente qualité apparente, qui peut masquer une erreur ponctuelle mais critique.
La post-édition consiste à reprendre un texte généré par une machine pour vérifier, corriger et affiner sa traduction avant publication. Ce n'est ni une simple relecture orthographique, ni une traduction entièrement réalisée à la main : c'est un exercice à part, qui demande de repérer précisément les endroits où la fluidité apparente d'un texte cache une erreur de sens, une nuance perdue, ou un contresens pur et simple.
Ce travail exige une compétence particulière : savoir lire un texte parfaitement fluide sans se laisser rassurer par cette fluidité. Les post-éditeurs expérimentés développent des réflexes propres à chaque outil de traduction automatique, en connaissant leurs erreurs récurrentes : confusion systématique entre deux termes techniques proches, mauvaise gestion des négations complexes, ou traitement approximatif des références culturelles implicites.
Les grands modèles de langage actuels excellent sur les textes informatifs, factuels, ou techniques bien structurés. Ils restent en revanche beaucoup plus fragiles face à l'ambiguïté volontaire, l'humour, l'implicite culturel, ou les textes où le sens dépend fortement du contexte non écrit.
Une phrase comme "il a pris la porte" peut signifier littéralement qu'une personne a saisi une porte, ou, dans un registre familier, qu'elle est partie brusquement. Un lecteur humain choisit instantanément le bon sens grâce au contexte global du texte. Une machine, même très performante, peut encore se tromper sur ce type de formulation id iomatique, en particulier si le contexte environnant est ambigu ou incomplet.
C'est précisément sur ce type de zones grises que le regard humain reste, à ce jour, difficilement remplaçable.
Tous les textes ne demandent pas le même niveau de vigilance en post-édition. Un texte purement informatif à usage interne, sans conséquence juridique ou commerciale importante, peut se contenter d'une relecture légère. Un contrat, une notice de sécurité, un texte marketing engageant l'image d'une marque, ou un contenu médical exigent au contraire une post-édition approfondie, ligne par ligne, avec une vérification systématique des passages sensibles.
Cette gradation du risque est devenue un enjeu à part entière de la gestion de projets de traduction : déterminer, avant même de commencer, quel niveau d'intervention humaine chaque texte nécessite réellement, en fonction de ses conséquences potentielles en cas d'erreur.
L'idée que la traduction automatique remplacerait purement et simplement les traducteurs humains s'est largement heurtée à la réalité du terrain. Ce qui s'observe plutôt, c'est un déplacement du travail : moins de temps passé à produire un premier jet mot par mot, davantage de temps consacré à la vérification, au jugement critique, et à la prise de décision sur les passages ambigus.
Ce déplacement demande, paradoxalement, une expertise linguistique au moins aussi solide qu'avant, sinon plus : il faut être capable de repérer une erreur noyée dans un texte par ailleurs excellent, ce qui est souvent plus exigeant que de traduire un texte entièrement à la main. La technologie a changé la nature du geste, mais pas l'exigence de compétence qui le sous-tend.
