Numéro 117 • Automne 2012

L A TR A D U C TI O N AUTOM ATI Q U E

Envo

i de

publ

icat

ion

cana

dien

ne co

nven

tion

num

éro

1537

393

w w w . o t t i a q . o r g

LE MAGAZINE D’INFORMATION DES LANGAGIERS

UN PRPR c’est un

Un pro, c’est un langagier dont les compétences sont reconnues et vérifiées par l’Ordre des traducteurs, terminologues et interprètes agréés du Québec.

W W W.O T T I A Q.O R G

Manuel FresnaisPropriétaire de Édi-Science

s :elcys ciorx tue atreffn ooitamroe fnU

noitcudartnetaérualaccaB-

serueirépusseduté’demôlpiD- noitcudartneseésilaicéps

eigolonimrette

s :

OUS V-ORMEZINFDÈS MAINTENANT

noitcudartneesirtîaM- iasseteegatsceva—eigolonimrette

noitcudartneesirtîaM- eriomémceva—eigolonimrette

cevaeuqitsiugnilnetarotcoD- .eigolotcudratennoitratencnoc

ac.alval.ufl.www

P O U R C O M M E N C E R

A U T O M N E 2 0 1 2N O 1 1 7

Je reprends ici le titre du premier article de notre dossier,

car s’il est un aspect de notre métier dont nous nous

méfions tous, c’est bien celui-là. Que nous veulent donc tous

ces mordus de technologie qui ont décidé que la langue —

cette langue si belle et si rebelle en même temps — pouvait

entrer dans un moule ? Pensent-ils qu’une machine pourra un

jour remplacer ce merveilleux mécanisme qu’est le cerveau

humain ? Y sont fous ces technos !

Il suffit néanmoins de lire de plus près pour constater à quel point ces nouveaux

outils pourraient nous être utiles. Lorsque les documents se répètent d’une fois

à l’autre, lorsque le domaine est spécialisé, lorsque le style est particulier au domaine

et — surtout — lorsque les délais rétrécissent comme peau de chagrin, ne

voudrait-on pas pouvoir au moins générer en quelques minutes une traduction

« révisable » et laisser tout le temps au réviseur pour la peaufiner ? Lorsqu’on pense

efficacité et rentabilité, cette solution serait idéale… dans certains domaines et

certaines circonstances bien entendu.

Mais chaque étape de progrès vient avec son lot de changements, bienvenus ou non.

Une telle évolution signifierait une transformation des processus et métiers de la

traduction. Comme les mémoires ont créé le « paratraducteur » — pas encore tout à

fait né d’ailleurs —, la traduction automatique créera peut-être des réviseurs-éditeurs

dont la tâche consistera à améliorer la production de la machine pour l’amener à un

niveau honorable. Et, qui sait, ce métier-là sera peut-être plus prisé que celui de

paratraducteur. Car c’est de qualité de la langue qu’il s’agit avant tout.

Cependant, allons-nous une fois de plus laisser des non-professionnels s’emparer

de ces outils pour nous couper l’herbe sous le pied ou serons-nous cette fois plus

prêts à intégrer ce changement et à le gérer nous-mêmes, par nous-mêmes, pour

nous-mêmes et dans l’intérêt de nos clients. S’approprier ou subir ? Là est toute la

question.

C’est ce que les pages qui suivent m’ont inspiré comme réflexion. Quoique très

techniques, elles donnent un aperçu des possibilités et limites de la traduction

automatique, de «  l’état de l’art » et de ce nous pouvons en faire. Mieux informés,

nous pouvons mieux réagir. C’est pourquoi Circuit a tenu à présenter ce dossier.

Nous vous souhaitons donc bonne lecture et bonne réflexion.

Dossier 9La traduction automatique semble connaître un regain de popularité. Circuit a fait appel à des spécialistes du domainepour recueillir et transmettre le plus d’information possible sur le sujet.

Pages d’histoire 30La traduction a occupé une place non négligeable dans les activitéslittéraires et les préoccupationsesthétiques d’André Gide.

Des revues 29Terminologie, traductionautomatique et multilinguisme.

Des mots 28TermWiki, un outil terminologiquelibre et ouvert.

Betty Cohen, trad. a.

Sur le vif 4On traduit dans l’Estrie/Translation in the Townships, une manifestation langagière à deux volets tenue dans un cadre idyllique.

Qui a peur de la traduction automatique ?

Des livres 24Lexique de cooccurrents. Bourse et conjonctureéconomique : la mise à jour d’une valeur sûre. D’après Cities in Translation, réflexion sur un espace culturel montréalaisméconnu. Garner’s Dictionary of Legal Usage. Les nouveautés.

À l’ordre du jour 6Réal Paquette : un président engagé et rassembleur.

Notes etcontrenotes

8

La bibliothèque idéale du traducteur.

S U R L E V I F

C H R O N I Q U E D I R I G É E P A R B E T T Y C O H E N

4

Circu

it • Auto

mne 2012

Publié quatre fois l’an par l’Ordre des traducteurs, terminologues et interprètes agréés du Québec

Imprimé sur papier recyclé 100 % postconsommation, fabriqué avec des fibres désencrées sans chlore, à partir d’une énergie récupérée, le biogaz.

100 % PC

Certains diraient qu’ilssont fous, ces traducteurs,d’autres, qu’ils font preuved’un professionnalismeexemplaire. Alors que le

grand public perçoit souvent la traductioncomme un métier en voie de disparition vu ledéveloppement de technologies en « équa-tions interlinguales » (ou officiellement, tra-duction automatique…), une centaine detraducteurs français-anglais dévoués se sontréunis du 18 au 22 août pour perfectionnerleurs compétences langagières lors de laconférence On traduit dans l’Estrie, organiséepar Anglocom. Pour ces professionnels insa-tiables, quelle est la recette d’une conférenceréussie ?

Le premier ingrédient est bien sûr un cadreidyllique, favorable au remue-méninges et auxéchanges. Le deuxième ingrédient pour satisfairecette faim : des conférenciers intéressants, ex-périmentés et divertissants, comme FrançoisLavallée, Réal Paquette, Dominique Jonkers etRachel Martinez, qui font passerhuit heures de présentationscomme une lettre à la poste.Comment? Avec des notes d’hu-mour sur le nombre trop impor-tant de seins (non, pas lesnombreuses villes saintes duQuébec, mais bien « sein »)avec la traduction systématiquede « within » par « au sein de »sans aucune retenue (ce qui esttout de même choquant…). Ennous interpellant avec desmots d’action forts qui font dela traduction un art martial (etde ce fait, ces méthodes sont à tout jamais gra-vées dans nos mémoires) comme « sabrer »(ça fait mal !), « scinder » (ça passe ou çacasse…), « compacter », « substantiver »,« croiser », « oser/faire preuve d’audace »,« supprimer », « remettre en place ». Au

moyen de méthodes de traduction pratiqueset académiques, tirées aussi bien d’une ex-périence dans le monde du commerce avecune reconversion « sur le tas » vers la traduc-tion, que de l’enseignement de la traduction àl’université. Et surtout, en démontrant cesméthodes avec des exemples concrets, ce quipermet vraiment d’internaliser les procédéset approches variées de chaque expert en lamatière.

Le troisième ingrédient paraîtra peut-êtrenégligeable. Pourtant, il est impossible detravailler et d’apprendre de manière interac-tive avec un grand groupe. Le nombre de par-ticipants pour chaque volet (moins de 80 si je ne m’abuse) est idéal pour permettre uneatmosphère professionnelle, mais aussi amicale, une participation active de chacun(en petits groupes ou directement avec desséances de questions/réponses) et une ébul-lition d’idées guidée par nos orateurs. Ce for-mat permet aussi d’apprendre à connaître sescollègues après chaque séance ou lors des

pauses-santé, ou de conti-nuer les débats et les dis-cussions sur le thème abordéOn laisse mijoter le tout àfeu doux pendant deux àtrois jours et on obtient destraducteurs avertis, et prêtsà affronter le quotidien avecune nouvelle énergie. Auquotidien, le traducteur estseul face aux obstacles dumétier ; lors d’une confé-rence comme celle-ci, il estencouragé par ses pairs etreçoit l’assurance qu’il n’est

pas fou de se poser tant de questions et demettre en doute chaque article, adverbe,préposition. Il fait simplement preuve de larigueur, du perfectionnisme et de l’assiduitéexigés par sa profession.

Nadia Price

2021, avenue Union, bureau 1108Montréal (Québec) H3A 2S9Tél. : 514 845-4411, Téléc. : 514 845-9903Courriel : circuit@ottiaq.orgSite Web : www.ottiaq.org

Vice-présidente, Communications — OTTIAQLinda Caron

DirectriceBetty Cohen

Rédactrice en chefGloria Kearns

RédactionPhilippe Caignon (Des mots), Pierre Cloutier (Pages d’histoire), Lucille Cohen(secrétaire), Stéphan Gervais (Des techniques)Marie-Pierre Hétu, Solange Lapierre (Des livres),Nils Lovgren, Barbara McClintock, Éric Poirier, EveRenaud (Sur le vif )

DossierStéphan Gervais et Philippe Caignon

Ont collaboré à ce numéroDiego Bartolome, Sonia Corbeil, Arianne DesRochers,Patricia Godbout, Pierre Isabelle, Margaret Jackson,Barbara Inge Karsh, Richard Kittredge, Anne-MarieMesa, Benoit Paré, Marc Pomerleau, Nadia Price,Indra Sāmīte, Lisa Sheppard, Louise Thériault, Ágnes Varga

Direction artistique, éditique, prépresse et impressionMardigrafe

PublicitéKarine Gélinas, OTTIAQTél. : 514 845-4411, poste 225 • Téléc. : 514 845-9903

Droits de reproductionToutes les demandes de reproduction doivent êtreacheminées à Copibec (reproduction papier).Tél. : 514 288-1664 • 1 800 717-2022 licenses@copibec.qc.ca

Avis de la rédactionLa rédaction est responsable du choix des textes publiés, mais les opinions exprimées n’engagent que les auteurs. L’éditeur n’assume aucune responsabilitéen ce qui concerne les annonces paraissant dans Circuit.© OTTIAQDépôt légal - 4e trimestre 2012Bibliothèque et Archives nationales du QuébecBibliothèque et Archives CanadaISSN 0821-1876

Tarif d’abonnementMembres de l’OTTIAQ : abonnement gratuit. Non-membres au Québec : 1 an, 45,99 $; 2 ans,86,23 $. Au Canada, à l’extérieur du Québec : 1 an,42,00 $ ; 2 ans 78,75 $. À l’extérieur du Canada : 1 an, 50,00 $; 2 ans, 90,00 $. Toutes les taxes sont comprises. Chèque ou mandat-poste à l’ordre de « Circuit OTTIAQ » (voir adresse ci-dessus). Cartes de crédit American Express, MasterCard, Visa : www.ottiaq.org/publications/circuit_fr.php

Deux fois lauréat du Prix de la meilleurepublication nationale en traduction de laFédération internationale des traducteurs.

Originaire de l’Alsace, Nadia Price habite depuis 10 ans en Caroline du Sud et après 7 ans dans la gestion de projets de traduction et 2 ans dans le marketing, elles’adonne à l’interprétation téléphonique et à la traduction de l’anglais vers le français à plein temps.

Complice de votre réussite depuis 20 ans

Depuis quelques années se déroule chaque été un événement à la fois professionnel et bucolique, langagier

et amical, en français et en anglais.

Le cercle des irréductibles lexicophiles, ou comment les traducteurs créatifs s’obstinent…

5

It was with a fair amount of trepidationthat I registered for “Translate in theTownships,” the third in a series of confer-ences organized by Anglocom’s president,Grant Hamilton. My apprehension did notstem from doubts about the conference itself; on the contrary, what I questionedwas my place in it. Would I, a tenderfoottranslator, who’d entered the field just overa year ago, have something to gain fromthis event aimed at “premium-markettranslators”? It seemed a daunting and exclusive title.

Maybe no one needs to know, I consoledmyself as I packed my bag. I’ve got myfreshly printed business cards, right? Andbesides, doesn’t it stand to reason thatone with less experience would have themost to learn?

Determined to make the most of theevent, I attended every workshop on theFrench-to-English track. Speakers includedfour prominent personalities in the transla-tion industry who shared their passion andexpertise and imparted tips for becomingbetter translators, with writing and style asan underlying theme.

Grant Hamilton gave two hands-on work-shops: “Quick and Dirty Strategies for Hardto Translate French Terms”—for all thosewords we’ve come to know and hate, like in-tervenant, dynamique, pertinent, engoue-ment—and “Putting the Zing Back Into Ads”,with expert advice on turning advertisingtexts into precise, punchy, crafted copy thatgets noticed.

Ros Schwartz’s session on literary trans-lation gave us a unique opportunity to workwith author and translator FrançoisLavallée. We picked his brains about whathe believed were the important elements toretain when translating one of his short sto-ries. In this case, he opted for sound andbeauty of language over a “correct” trans-lation almost every time. The session nicely

complemented the essence ofRos’s earlier presentation onediting for musicality.

In both her talks, ChrisDurban generously shared herknowledge with real-life exam-ples of her high-profile con-tracts and anecdotes from herextensive experience. Always atthe heart of her discourse wasthe belief that translators whohave taken the trouble to be-come sought-after profession-als—through genuine special-ization—and increase theirvisibility through unconven-tional marketing techniques—will inevitably gain access to thepremium market and a fulfilling,lucrative career (more on this in her book The ProsperousTranslator).

Impassioned speaker DavidJemielity took us behind the scenesfor a look at the processes involvedin translating “image-critical” textsfor the CEO at Banque CantonaleVaudoise (Lausanne). His wordsof advice extended beyond thefield of financial translation andare still ringing in my ears: “projectexpertise.” He really brought homethe importance of knowing yourlanguage inside out, having the confidence to emerge fromanonymity, always being ready toexplain your choices, meeting withyour clients, anticipating theirquestions and being prepared tooffer alternatives.

Helped by the green vistas, a healthydose of clean Orford air, and several full cir-cuits in the spa, I am happy to report thatmy pre-conference jitters were completelyappeased. The event gave me a wealth of

inspiration and guidance on how to steadilybridge the gap between the premium marketand me (though I may have a longer roadahead that most other attendees).

Lisa Sheppard

Circu

it • Auto

mne 2012

Lisa Sheppard is a Spanish/French-to-English translator. She is the 2012 winner of the Translate in the Townships translation contest.

En 2012, il s’intitulait Translate in the Townships et Traduire dans l’Estrie. Notre chronique propose donc deux comptes-rendus, par deux profesionnelles, dans les deux langues.

“Translate in the Townships”: A Newcomer’s Perspective

Circu

it • Auto

mne 2012

6

À L ’ O R D R E D U J O U R C H R O N I Q U E D I R I G É E P A R B E T T Y C O H E N

Réal Paquette : un présidentengagé et rassembleur

Par Anne-Marie Mesa, trad. a.

Réal Paquette, trad. a., a récemment été élu au poste de président de l’Ordre par son conseil d’administration.Circuit a rencontré ce passionné de littérature etd’enseignement et a recueilli les propos d’un homme engagé.

C ’est au cours de ses études de lettres auCégep de Maisonneuve que Réal Paquette

tombe littéralement amoureux de la langue es-pagnole. À la fin du cégep, il part un an enEurope et en Amérique latine pour contribuer àdes causes humanitaires et perfectionner saconnaissance de cette langue. À son retour, ils’inscrit au baccalauréat spécialisé en étudeshispaniques à l’Université de Montréal. « Mesétudes m’ont appris à découvrir le monde, lesautres cultures et leur vision de ce qui nous en-toure, j’ai adoré la littérature », déclare-t-il avecpassion. Il s’inscrit ensuite à la maîtrise en tra-duction, puis au doctorat en littérature compa-rée. Son premier sujet de spécialité est l’ana-lyse sociocritique des traductions françaises ducélèbre roman de Cervantes, El IngeniosoHidalgo Don Quijote de la Mancha. Sondeuxième sujet est le réel merveilleux dans lalittérature hispano-américaine.

Si la littérature l’émerveille, le réel le rattraperapidement : il a à peine terminé sa scolarité de

doctorat que le Collège universitaire de Saint-Boniface, à Winnipeg (Manitoba), lui offre la di-rection de sa toute nouvelle École de traduc-tion, où il enseigne de 1984 à 1988. La direction,l’enseignement et l’engagement auprès de sesétudiants auront raison de sa thèse de docto-rat, qu’il ne terminera pas. Mais cet homme deterrain n’a aucun regret à ce chapitre. De retourà Montréal en 1988, il pratique la traduction àson compte tout en continuant à enseignercette discipline à l’Université de Montréal, où ilexerce encore à titre de chargé de cours au-jourd’hui. « Quand on enseigne une matière, ondoit se renouveler, se questionner sur ses fa-çons de faire et éviter les automatismes. C’estla même chose pour les traducteurs. Si on ne sepose plus de questions, on régresse, surtout sion est en pratique privée, seul, sans révision etsans collègues pour commenter son travail. Ondoit constamment chercher à améliorer sa pra-tique », dit-il. Après avoir traduit plusieurs mil-lions de mots depuis le début de sa carrière, ilprône encore la remise en question afin de livrerun texte le plus parfait possible. « Avant d’ap-puyer sur la touche Envoi, j’ai toujours des pa-pillons dans l’estomac. Le jour où je n’en auraiplus, je cesserai de traduire », explique-t-il.

Un sens profond de l’engagementEn 1988, il devient traducteur agréé par la Société des traducteurs du Québec (STQ), oùil participe à plusieurs comités. Membre del’Ordre depuis sa création il y a 20 ans, il sejoint au Comité des communications en 2009,devient vice-président aux affaires profes-sionnelles en 2010, puis vice-président aux

communications en 2011 et enfin président enjuin dernier. « Pour moi, être membre, c’ests’engager, je trouverais inconcevable de ne pasparticiper à la vie de l’organisme dont je suismembre », affirme-t-il. Il s’engage d’ailleursaussi auprès des étudiants puisqu’il est ac-compagnateur officiel aux Jeux de la traductionde 2006 à 2011, et auprès des futurs membres,ayant agi à titre de mentor d’une demi-dizainede candidats.

Ce sens de l’engagement, il a bien l’intention dele communiquer aux étudiants afin qu’ils de-viennent membres dès la fin de leurs études.« Faire partie de l’OTTIAQ, c’est se positionnercomme un professionnel à part entière reconnupar ses pairs et par le public, et donc valoriserson titre, ce qui permet d’exiger des conditionsd’exercice dignes d’un professionnel, qu’on soittravailleur autonome ou salarié, débutant ouchevronné, et ça doit commencer quand on estjeune », clame-t-il. Il souhaite donc que toutesles activités de l’Ordre comprennent un voletaxé sur la relève.

Son rêve le plus cher ? Devoir réserver une sallede 2 000 places pour tenir l’assemblée généraleannuelle. En attendant, ce passionné de DonQuichotte reste tout de même réaliste et invitetous les membres à participer aux comités« pour changer les choses » et aux activités del’Ordre, à suivre des cours de formation conti-nue et surtout, à aller droit à la source lorsqu’ilsont une question ou un commentaire : « Maporte virtuelle est toujours ouverte. N’hésitezpas à m’écrire à presidence@ottiaq.org. » Il rap-pelle d’ailleurs qu’il a la chance d’être très bienentouré par un comité exécutif compétent et

7

Circu

it • Auto

mne 2012

engagé et par une directrice générale qui estune gestionnaire chevronnée et ouverte au dia-logue (pour la joindre : direction@ottiaq.org).

Réal Paquette souhaite tisser des liens avec lesmembres, mais aussi avec les associations delangagiers comme l’Association des travailleursautonomes et micro-entreprises en services lin-guistiques (ATAMESL), qu’il ne considère abso-lument pas comme une concurrente. Il s’estd’ailleurs déjà entretenu avec sa présidente,Mélodie Benoit-Lamarre : « C’est une associationsœur qui est complémentaire à l’Ordre et nous al-lons faire des choses ensemble », déclare-t-il.

Valorisation contremondialisationIl invite aussi les traducteurs non membres à sejoindre aux rangs de l’OTTIAQ : « L’Ordre n’estpas une police, c’est un organisme qui permetde faire valoir sa plus-value à titre de profes-sionnel. L’inspection et la formation continuedoivent être considérées non comme pascomme des contraintes, mais comme desmoyens de valoriser la profession », soutient-il.

Et cette valorisation, les membres en ont bienbesoin. C’est d’ailleurs ce à quoi l’Ordre s’at-tachera au cours des prochaines années avecson ambitieux plan de communications et lestravaux de son Groupe de travail sur la valori-sation des professions, dans la continuité duPlan stratégique et du Plan d’action 2009-2014.

On ne peut pas parler de valorisation sans évo-quer le spectre de la mondialisation. En réponseà ceux qui se sentent menacés par la « “walmar-tisation” de la traduction », pour reprendre lespropos du nouveau président, ce dernier conseillede se démarquer et de promouvoir fièrement savaleur ajoutée, notamment par le rôle-conseil.« C’est le devoir de chacun d’expliquer à sesclients son rôle de conseiller linguistique. Il fautaller plus loin que la “simple” traduction desmots, se permettre, par exemple, d’intervenir surle texte original lorsqu’on pense qu’il y a une er-reur ou une façon de dire les choses plus adap-tée au public ciblé. Quand le client se rend comptequ’il en a pour son argent, il ne rechigne pas surles tarifs. Et quand il comprend bien notre rôle, ilcesse de faire faire ses traductions à bas prix àl’étranger. »

Réal Paquette conseille également de sespécialiser dans des domaines de pointe oudans des types de traduction qui ont une in-fluence sur le marketing de l’entreprisecliente ou sur son chiffre d’affaires : « Leclient ne voudra pas d’un rapport annuel malfait, ni d’une monographie pharmaceutiqueerronée ou mal traduite », ajoute-t-il. « La“walmartisation” ne tue pas nécessairementles commerces spécialisés, il y a de la placepour les boutiques qui vendent des produitsdu terroir, tout comme il y a un avenir pour lestraducteurs qui visent les créneaux spéciali-sés ou haut de gamme. »

Mais encore faut-il prendre conscience de savaleur et se considérer soi-même comme unprofessionnel tout à fait habilité à offrir desconseils. Une chose est sûre, notre présidenta bien l’intention d’affirmer la valeur des troisprofessions sur toutes les tribunes et comptesur les membres pour faire leur part. « Toutseul on va plus vite, ensemble on va plusloin », rappelle-t-il.

Eve Renaud, trad. a.

R écemment, quelqu’un a opposéun simple site Internet à mes

longues recherches sur le genre àdonner en français à un mot sans-crit. À mon décompte un/une, la/lepatiemment établi à partir d’Uni-versalis, du Grand Larousse Univer-sel, d’ouvrages d’art (puisqu’ils’agissait de décrire une statue debouddha) et même de Google, endernier recours, cette personne arépliqué par un hyperlien surlequel j’ai cliqué d’un doigt trem-blant, déjà honteuse de ne pas êtreparvenue toute seule à l’éveil. Sur-prise : il s’agissait du site… d’uneclinique d’acupuncture lyonnaise.Le mot s’y trouvait, enfoui dansquelque mantra traduit un peu à lamanière de ces blagues qui circu-lent par courriel. À ses yeux, monargumentaire était insuffisant. Casexceptionnel peut-être, mais quim’a donné l’idée de constituer labibliothèque idéale du traducteur.Pour opposer à mon tour des choixet des explications imparables.Vous constaterez que ces ouvragesrestent encore à écrire. Libre à vousde les rédiger et de proposer en-suite votre œuvre à un éditeur. Du-culot me semble particulièrementapproprié.

Section générale

Grand dictionnaire d’absolu-ment tout.

Section linguistique

Arguments et raisonnement visantet concernant l’élimination et la réduc-tion des doublons répétitifs : il arriveen effet qu’une explication antithé-tique soit plus efficace que le direct.

Compendium des cas de conjonc-tion disjonctive et de disjonctionconjonctive : il ne s’agit pas d’un ouvrage médical mais bien d’untexte qui indique clairement quandil y a lieu de traduire « ou » par« et » et « et » par « ou » ou l’unou l’autre par « et/ou » ou par « l’unet l’autre » ou les deux et vice versa(ou vice-versa).

Exercices pour permettre de pou-voir éliminer l’auxiliaire « pouvoir »et le superfétatoire « permettre ».

Guide de rafistolage des idéesdécousues.

Manifeste pour la réhabilitationdes mots français qui ont le tort deressembler aux mots de la languesource.

Manuel de bienséance à l’usagede l’adjectif : pour des adjectifs tou-jours à leur place.

Précis du flou : pour rendre toutel’essence de ce qu’un auteur introu-vable ne voulait pas dire, n’a pas ditou semble avoir tenté de dire.

Traité de géométrie hyperboliqueappliquée à la traduction, pour latraduction de ce qui est écrit entreles lignes (la géométrie hyperbo-lique repose en effet sur le postulatque par un point donné, il passe uneinfinité de parallèles à une lignedonnée).

Section juridique

Du droit de facturer la traduc-tion des articles et de ne pas tou-jours les employer (tout en les fac-turant) : pour ce cas que j’avais finipar croire apocryphe mais qui s’estvraiment présenté à moi il y aquelque temps, quoique sous uneforme un peu différente.

Section technologique

Drag-On – Unnaturally Speaking :mode d’emploi des logiciels dits dereconnaissance vocale.

Interface extractive des mots surle bout de la langue.

Le Cooccurrentiel : logiciel decooccurrents universels. Il suffitd’activer la commande unique et, àpartir des deux mille premiers motsdu texte, le logiciel est en mesurede traduire le texte entier. Pour laveille des vacances, quand il resteencore 1500 mots à traduire, 15 fac-tures à faire, le message télépho-nique à changer, le ménage du bureauà faire et ses acomptes provisionnelsà payer. Pour d’évidentes raisons, cedernier logiciel ne doit pas être portéà la connaissance des « donneursd’ouvrage » pour que ceux-ci conser-vent leur nom.

Et nous savons tous qu’il nepeut pas exister de Traduction pourles nuls.

Eve Renaud, trad. a.

Merci à Myriam Paquet-Gauthier, future théoricienne de la traduction.

Circu

it • Auto

mne 2012

8

La bibliothèque idéale du traducteur

N O T E S E T C O N T R E N O T E S C H R O N I Q U E D I R I G É E P A R E V E R E N A U D

e r e n a u d @ e r e n a u d i n c . c o m

D O S S I E R L A T R A D U C T I O N A U T O M A T I Q U E

Stéphan Gervais, trad. a.

Depuis quelques mois, on note un regain d’intérêt pour la

traduction automatique . À preuve, une journée complète

lui a été consacrée au dernier congrès de GALA

(Globalization and Localization Association) tenu à Monaco en mars

dernier. De plus, plusieurs conférences du memoQfest (congrès des

utilisateurs de memoQ) qui a eu lieu à Budapest en mai dernier portaient

sur ce même sujet. Cet engouement n’est pas sans rappeler la vogue

des mémoires de traduction il y a 15 ans.

Ce numéro est le fruit de rencontres, certaines récentes et d’autres

plus anciennes, avec des passionnés du domaine de la traduction

automatique qui connaissent bien la technologie et les enjeux de ce

domaine. Ágnes Varga tente de répondre à la question « Devons-nous

avoir peur de la traduction automatique ? ». Diego Bartolome raconte

les premiers pas de la traduction automatique. Pour sa part, Pierre

Isabelle brosse un tableau très intéressant des approches qui sous-

tendent cette technologie. Son article permettra d’ailleurs de comprendre pourquoi la traduction

automatique connaît un tel regain de popularité. Indra Sāmīte dévoile les résultats de recherches menées

en Lettonie touchant la traduction automatique. Vous verrez, ses constats sont des plus intéressants ! Pour

les nostalgiques, Richard Kittredge se remémore les belles années de TAUX-MÉTÉO, un des grands succès

de la traduction automatique reconnus mondialement. Barbara Inge Karsch rappelle l’importance de la

gestion terminologique lorsque des systèmes de traduction automatique sont employés. 

Les articles ont été écrits dans le but de transmettre de l’information et non de soulever des polémiques.

Car, il ne faut pas se le cacher, ce sujet suscite de vives émotions. Les lecteurs comprendront toutefois à

la lecture de ce dossier que le travail des traducteurs n’est nullement en danger. Cependant, il faudra sans

doute revoir la façon de le faire…

La traduction automatique

9

Circu

it • Auto

mne 2012

Researchers in the field of machine translation(MT) now have a pragmatic, practical point-of-

view about what can and cannot be done, and theyare trying to take one step at a time. Of course,people in industry don’t always promote what MT isnot able to do, and people in the media don’t alwayspromote what it can do. We also have to admit thatlay-people (non-researchers) do not read researchpapers very often, so public opinion is usually notvery realistic about machine translation. Expecta-tions are high, and disappointment is bitter. Readersexpect miracles: they want to save time and/ormoney on translation, and they want a perfect,human-like result immediately. This, at the moment,is not achievable.

This is true for translators, too, but they are moreafraid of, than expecting miracles. During my PhD re-search, I came across opinions of professional transla-tors directly and indirectly and, with very few exceptions,they were apprehensive and cautious about MT. I thinkone reason is that professionals have higher expecta-tions of quality; another might be that they are afraidthat MT will take away their jobs and their livelihood.Similar things have already happened in the past, and Ido not intend to say that it might not happen again.According to interviews with people working for pro-fessional translation companies, price has such a highpriority that quality is more and more fading into thebackground, and this gives more space to MT.

But everything is constantly changing, and in theworld of business and money – perhaps unfortunately– we don’t have any option other than to accommo-date. Just like everyone else, translators and profes-sional linguists will only be able to keep up with theflow if they keep up with technological developmentsand get familiar with them.

But what is machine translation?The term ‘machine translation’ can cover a wide

range of technologies, from machine-aided humantranslation through interactive translation to com-pletely automatic machine translation with or with-out pre/post-editing. But I will use the term in a nar-rower sense: just for the process of translating anoriginal, human-made text completely automaticallywith a computer program. Since I have not done anyresearch in languages other than English-Hungarian,I can only write about my results and experiencesconcerning MT in these two languages. With

Hungarian being a Finno-Ugric, agglutinative lan-guage (expressing grammatical relations with affixes)with free word order, MT quality to and from Hungarianmight be considerably different (worse) than that, forexample, for French-English and English-French MT.

What is a machine translation like?When examining the quality of MT, I mostly con-

centrated on acceptability and understandability, anda little bit on readability. A text, regardless of its qual-ity, has to be accepted in a situation even in order tobe read, but the quality also affects acceptability.

I carried out informal interviews on general opin-ions about MT, a survey-based research focusing onthe understandability of MT, and I also created an au-tomatic measuring method to measure acceptabilityobjectively.

In the interviews, it turned out that most people(and most of them without any previous experiencewith MT) expected something very similar to humantranslation. Consequently, people also gave similar an-swers in the survey: their opinions were 74% negativetoward MT. But when examining how much they un-derstood from the texts, it turned out that the level ofgeneral understanding was much better than even thereaders themselves had thought: a little higher than60% of the answers were correct.

The automatic method measures acceptability bymeasuring the similarity of a machine-translated textto human-made texts. The results showed that the ac-ceptability of MT is very low, especially compared withthe results of understandability.

I also did further research on post-edited MTtexts with minimal post-editing, which means thatonly those errors that were absolutely necessary forunderstanding were corrected, while errors in wordorder, and style, for example, were not. These textswere almost perfectly well understood (90%). Thiskind of post-editing requires little effort, less thana human translation. Full post-editing (when the textis corrected so that it is like human translation) isas much understood as the human translation, butthis kind of post-editing is more time-consumingand, from my experience, it is also difficult to detachthe mind from the MT text’s style, word order andvocabulary.

From all these measurements, my conclusion isthat MT texts are less accepted than they could be,and that people’s expectations and attitudes are

The research into machinetranslation hascertainly had itsups and downs inthe past 70 years.There were highhopes, then nohope, and now wehave arrived moreor less at reality.

10

Circu

it • Auto

mne 2012

Who’s afraid of machine translation?

By Ágnes Varga

D O S S I E R L A T R A D U C T I O N A U T O M A T I Q U E

Ágnes Varga is a senior lecturer at the Department of Information Technology at the Széchenyi István University in Győr, Hungary. She holds a PhD in machine translation.

Terminology Management and MT

Do it once and saveon editing time, overand over again.

By Barbara Inge Karsch

11

Circu

it • Auto

mne 2012

generally somewhat misconceived and negative. IfMT is used in its right place, it can be very useful.

What is a machine translation good for?

Raw MT can be used in situations where no humantranslation is available, or would cost too much time ormoney, or where the most important thing is just to ob-tain general information. For example, it’s useful whenbrowsing on the Internet for news, timetables, etc., orfor reading emails, or about catastrophic situations, etc.But users should not take it as human translation, andshould always be cautious.

Translators can also use MT along with post-editing to speed up the translation process, espe-

cially in the case of technical or monotonous texts,or where superior translation quality is not needed.In informal situations, minimal post-editing is alsooften enough. If time can be saved with MT, trans-lators can spend more time on more interesting andchallenging tasks.

Translators and professional linguists have a specialresponsibility concerning MT. If MT is not used properly,it can regatively affect translations, the translation in-dustry, as well as public opinion. Promoting the correctuse of MT and enlightening readers about its usefulnessmight stop this tendency.

My conclusion is that we need to have an openmind about MT, get as familiar with it as possible, useits merits whenever possible, and always keep our eyeswide open.

I n early July, Microsoft made another splash inthe translation world, when the company offi-

cially launched the Microsoft Translator Hub. Theprogram allows users to upload translation memo-ries for use in machine translation (MT), thus refin-ing the MT output. MT output is vastly improved,according to Microsoft, when MT engines can usecompany-specific TMs, since they contain the rightterminology.

It seems logical that terminology work and MT gotogether and that the right terms would improve MToutput. But how can MT users actually make the mostof their terminology stock? This article will give a briefintroduction to important concepts and then use ascenario to connect MT and terminology. It will alsodescribe several terminology best practices that havea particular impact on terminology data consumptionby computers and conclude with a remark on the re-turn on investment from terminology management.

Key concepts

Before we tie in MT and terminology work, let’s de-fine the most important concepts. The official ISO defi-nition for terminology work is “work concerned with thesystematic collection, description, processing and pre-sentation of concepts and their designations.”1 To es-tablish terminology for a project, we collect conceptsand terms, research and document them in a terminol-ogy management system (TMS), and then distribute anduse the data in many different applications. One of theseapplications could be an MT system. It is important tonote that at the centre of terminology work is the con-cept, which we have to understand before we can nameit in a source and/or target language.

Machine translation can be defined as a process inwhich natural language content in a source languageis translated into content in a target language usingcomputers and without human intervention. The focus

Barbara Inge Karsch has been a passionate terminologist for over 14 years, initially at J.D. Edwards and Microsoft. Now, as consultant and trainer for BIK Terminology, sheis assisting clients with terminology projects and teaches at NYU and Lessius University College. She is a US delegate to TC 37 and writes about terminology issues atwww.bikterminology.com.

▼

point here is the transfer of content. MT engines trans-fer content from one language to another by looking attext segments and their words and terms in a sourcetext and then matching them to words and terms usedin a target language. The process does not involve thedetour, if you will, via the concept. In other words, MTstays on the linguistic level and does not go into therealm of meaning.

Another key idea is that of translation memories(TMs). Memories are often considered to be terminol-ogy, and the difference between TMs and MT is alsofrequently unclear. TMs are databases that contain theresult of the translation process carried out by humansand in computer-assisted translation (CAT) tools,such as Trados Workbench or memoQ. These data-bases hold aligned source and target-language seg-ments. Once the translation project is over and editsare entered, TMs are not often subject to a mainte-nance process. Terminology, on the other hand, is doc-umented and stored in a TMS and then constantlyused and improved or maintained. As the term says,terminology is managed in these systems.

While TMs are incorporated into the MT process,they are not the same. TMs are the product of a trans-lation process that involves both computers and hu-mans; they serve as input material for MT, which is aprocess. During this process, TMs are used to auto-matically match source content text to target text. MToutput is used or discarded, but not maintained.

There are three types of approaches for MT:• Statistical• Rules-based• Hybrid

Hybrid and rules-based systems are based on thecreation of rules to improve the matching of sourceand target language input into the process. They alsoallow the use of electronic dictionaries, which, filledwith subject- and/or organization-specific terminol-ogy, can greatly improve the outcome of machinetranslation.

Statistical MT engines, such as the one behind theTranslator Hub or Google Translate, on the other hand,achieve better quality, based solely on the volume of dataavailable. The more consistent the data, the better theoutput of these statistical systems. However, unlikerules-based or hybrid systems, there is as yet no (easy)way to work with input from a term base.

Here, in this chart, is a simple overview of impor-tant concepts and their critical distinctions:

Scenario

Let’s assume you have a high need for transla-tion which is likely to even increase in the future.You are already using a CAT tool and have a goodvolume of translation memories for a particular sub-ject area. You also have a small set of terminologyin a concept-oriented TMS. Now you start workingwith MT and would like to optimize the process. In thefollowing section, we will take a look at the two dif-ferent approaches you might take, based on whetheryou will work with a statistical MT system or a rules-based system, and what needs to happen with regardto terminology.

Because statistical MT is a black box, that you fillwith your source text and TMs, preferably yours, theterminological approach is initially no different fromwhat you would do if you didn’t use MT: You use yourTMS to make sure that your source and target lan-guage texts contain consistent terminology. Then youfeed your consistent TMs into the MT system.Statistical MT does not deal well with ambiguity; so,the more consistent your TMs, the better your MToutput. If 50% of your memories deal with a sourceterm in one way, and 50% in another, then the enginewill have a problem. So, the best terminological ad-vice is: Prepare your terminology for human con-sumption, use it during your authoring and transla-tion processes, and leave the rest up to post-MTediting. The fewer the inconsistencies, the less thetime needed for post-editing.

For rules-based systems, your dictionary is key. Itmust contain all the right data in a consumable format.What is the right data? Of course, source terms andtheir correct target-language equivalents are a goodstart. But there might be a lot more important data, es-pecially if your TMS is used to serve other processes be-yond MT (e.g. source-text authoring). The rules definedin the MT system might influence what other metadatashould be provided. Ideally, a terminologist and the MTexpert work together in selecting metadata categories,while you are building up both systems. Weigh the ben-efits of having a particular set of data categories (DCs)and adding data to those fields in the TMS: While set-ting up terminological entries with a variety of DCs istime-consuming, it is only done once. If you don’t sup-ply the data via a terminological entry, you might haveto fix an MT error many times in the translation.

12

Circu

it • Auto

mne 2012

D O S S I E R L A T R A D U C T I O N A U T O M A T I Q U E

Tool used Level of Focus Time maintenance investment

Terminology data Terminology High Concept Highestmanagement system

Translation memory data Computer-assisted Low Text segments Hightranslation tool

MT data (rules-based) MT engine Low Text segments, Lowwords, terms

MT data (statistical) Very low Text segments Very Low

13

Circu

it • Auto

mne 2012

Data exchangeability, i.e. the lossless flow of data from the TMS into the MT dictionary, is cru-cial. Your TMS should be set up to be TBX-compliant(TBX is the TermBase eXchange format defined byISO 30042) and contain standardized fields, alsoknown as DCs. If you are not sure what DCs to choose,take a look at ISOcat. ISOcat is a metadata registry, inother words, it is a database that contains all possi-ble types of data categories that database creators oflinguistic databases have found helpful in their work.(See ISO TC 37 Terminology and Other Language andContent Resources.2) Some of these DCs are part ofterminology standards, such as TBX. Others comefrom linguistic experts who work with machine appli-cations, such as MT.

Terminology best practicesIn their LISA Best Practice Guide, Dillinger and

Lommel wrote: “MT systems come standard with a basicdictionary for the language pairs covered, but this basicdictionary will not reflect company- or industry-specificterminology that is critical to quality translation.Investing in such terminology greatly increases thevalue of an MT system and can help improve accuracyand usability of translated text.”3 When you are settingup a TMS or filling it with data, you should follow at leastthe following four best practices for terminology workthat have an impact on MT output: concept orientation,data elementarity, documentation in canonical form,and term autonomy.

Concept orientationThis principle represents not only the main difference

between terminology work, TMs and MT, it also allowsus to achieve the accuracy and consistency we needin order to improve our translation outputs. For thatmatter, focusing on the concept, naming it well, andthen using names and terms consistently is also one of the more importantstrategies of creating MT-suitable source docu-ments. Concept orientationmeans: Think about thethings (=concepts) that arepart of your company’s ororganization’s products orservices and define them inyour TMS. Then documentall possible source andtarget terms in the sameterminological entry, alongwith the important meta-data. Here is a graphic thatshows how terminologywork has the concept at thecentre and how lexico-graphical work is focusedon the word.

While the MT dictionary is very likely not concept-oriented, but rather term- or word-focused,to do terminology work well, you must use a concept-oriented approach. Once you have your terminologi-cal entries, you can export them in a bilingual formatand import them into the MT dictionary. It will there-fore pay off if your initial terminology work is concept-oriented.

Data elementarityOne of the most frequent errors in terminology

databases are Term fields that contain multiple terms,such as the one in the table below. Here is a small example. A machine encounters the following Englishsentence:

Source: The decibel (dB) is a logarithmic unit thatindicates the ratio of a physical quantity (usuallypower or intensity) relative to a specified or impliedreference level.4

It has the following dictionary information avail-able where the principle of data elementarity is vio-lated in the French column:

English Term French Term

decibel décibel (dB)

dB dB

It will produce something like this:

MT: Le décibel (dB) (dB) est une unité logarith-mique qui indique le rapport d’une grandeurphysique (généralement la puissance ou l’inten-sité) par rapport à un niveau de référence spécifiéeou implicite.5

The principle of data elementarity instructs us to putonly one “thing” of a kind into a database field. In thiscase, an entry in the terminology database would haveone full form in the source (decibel) corresponding toone full form in the target language (décibel) and thesame for the abbreviated forms. ▼

Canonical form

Very similar problems are problems caused whenterms are not entered into the TMS in their most rudi-mentary or canonical form. For example, if the sourceterm is a singular term—and most of our terms arenouns in their singular form—then the target termshould also be in singular. If it was accidentally enteredin plural, the machine will enter the plural and thenthere is one more thing to fix during post-editing. Evenmore common in English is that terms are incorrectlyentered in uppercase, although they would not be soused in context or they are not proper nouns. The ma-chine is very good at using the terms just as we enteredthem in the TMS. So, the term will be in uppercase,whether that is correct or not.

Here are some hints on adding various parts ofspeech to a TMS in their canonical forms. While therules are for English, they can be derived for Frenchand many Western European languages.

Term autonomyFinally, your TMS must

allow you to manage allterms “autonomously.” Inother words, we must beable to document the sameset of data categories foreach term in a database. Ifyou add two terms to thesame Term field, for exam-ple, violating the principleof data elementarity, youare also violating term au-tonomy, because you can-not document the metadatafor both terms. Say that oneterm, for example, is to beused as the preferred term;then the other should be re-jected and not used. If term autonomy is not ascribed,then other information cannot be documented, espe-cially the status information, but also metadata such asproduct or client information. That must be clearly doc-umented for each term in a terminological entry so thatthe correct subset of terms can be exported and fed intothe MT system. You would not want the MT to use failedterms or terms that were entered for another client,which might be the competitor of the project on whichyou are working. So each term must get its own set ofcritical data categories.

ConclusionThe addition of correct company- and domain-

specific terminology to MT dictionaries is perhaps thesingle most critical task in implementing an MT systemfor a particular company (Dillinger and Lommel).6

While statistical MT systems do not allow us to add

customized dictionaries, they do perform much betterwhen the translation memories they are fed are termi-nologically consistent. In the case of the MicrosoftTranslator Hub, users can use special tools “to preventkey branding terminology from being translated at alland can dictate specific translations for key vocabu-lary.”7 Terminology matters whether you work with astatistical or a rules-based system: One consumes con-sistent terminology via human- translated TMs, theother is fed with terminology from your TMS.

To make the most of your terminology process formachine translation, set up a suitable TMS that con-tains the most valuable data categories for your en-vironment. Document terminology following bestpractices. Then use it for both authoring and trans-lation processes to achieve consistent TMs for yourstatistical MT engine or export it into your rules-based MT system. True, terminology work takes timeand effort. But don’t forget that one entry set up cor-rectly can not only help you translate one sentence

once, it allows you, your machines, and many otherprocesses to use your good data as often as thesource term comes up in your texts. The return on in-vestment is thus measured in the greatly reducedtime saved in producing translations as well as in theneed for post-editing.

1. ISO TC 37 Terminology and Other Language and Content Resources.2. ibid., includes Data Category Registry, Max Planck Institute for

Psycholinguistics, Nijmegen, The Netherlands.3. Dillinger, Mike, and Arle Lommel. “LISA Best Practice Guide:

Implementing Machine Translation.” Ed. Rebecca Ray. Geneva:Localization Industry Standards Association and Mike Dillinger, 2004.

4. Sample sentence taken from http://en.wikipedia.org/wiki/Decibel.5. Translation produced by http://translate.google.com and modified to

reflect the error.6. Dillinger, op.cit.7. Microsoft Corporation. Lionbridge: Language Solution Provider

Expands Opportunies with Translation Technology. July 9, 2012 2012.Electronic article. Microsoft: http://www.microsoft.com/casestudies/Bing/Lionbridge/Language-Solution-Provider-Expands-Opportunities-with-Translation-Technology/710000001102. July 29, 2012.

14

Circu

it • Auto

mne 2012

D O S S I E R L A T R A D U C T I O N A U T O M A T I Q U E

La traduction machine :règles, statistiques etapprentissage machine

Par Pierre Isabelle

15

Circu

it • Auto

mne 2012

E n matière de traduction automatique (TA), onoppose souvent les nouvelles approches dites

statistiques (p. ex. Google Translate, LanguageWeaver, Moses et PORTAGE, le système du CNRC)aux approches traditionnelles dites par règles(p. ex. SYSTRAN, PROMT et TAUM-MÉTÉO). Nousallons examiner de près ces approches et constaterque la différence importante n’est pas celle entre lesrègles et les statistiques mais plutôt celle entre lecodage manuel du savoir et l’apprentissage machine.

L’approche classique par règlesÀ une époque encore récente, on cherchait à

construire des systèmes de TA en faisant coder desrègles linguistiques par des linguistes spécialementformés. Le codage devait être suffisamment précis etexplicite pour que la machine puisse interpréterchaque règle comme une séquence d’instructions ma-chine élémentaires. Les linguistes étaient censés as-sembler leurs règles en un système complexe, capablede transformer un texte en langue de départ en untexte équivalent de la langue d’arrivée

Les règles en question comprenaient un diction-naire bilingue qui pouvait par exemple stipuler quedans certaines conditions le mot anglais check seraremplacé par le mot français chèque. Le conditionne-ment en question faisait écho au fait que la traductiond’un mot dépend souvent du contexte. Le contexte dé-terminant est parfois de nature grammaticale ; parexemple, le choix entre vérifier et vérification est lié aurôle du mot dans son contexte grammatical. Les règlesdoivent alors être en mesure d’interroger ce contextegrammatical. Malheureusement, ceci s’avère en pra-tique très difficile, à cause de l’ambiguïté systématiquedes structures grammaticales.

Ainsi, des règles fondées uniquement sur la gram-maire pourraient bien traduire la phrase anglaise Timeflies like an arrow par le non-sens Les mouches du tempsaiment une flèche en interprétant flies comme un nomplutôt qu’un verbe et like comme un verbe plutôt qu’unepréposition. Cette interprétation sémantiquement bi-zarre mais grammaticalement impeccable ne viendraitmême pas à l’esprit d’un traducteur parce que les hu-mains sont bardés de filtres cognitifs subconscients. Il ar-rive souvent que le contexte déterminant n’ait rien degrammatical, voire rien de linguistique. Supposez quevers la fin d’un repas au restaurant vous entendiez laphrase We have yet to get the check. Vous n’hésiterezpas à traduire le dernier mot par addition plutôt que par

chèque ; ce faisant, vous aurez invoqué (de manière pro-bablement subconsciente) votre savoir sur les situationscourantes de la vie. Or, ce genre de savoir demeure malcompris et les tentatives pour le décrire avec des sys-tèmes de règles n’ont donné que très peu de résultats.

On ne se surprendra donc pas qu’en dépit d’inves-tissements importants1 les systèmes fondés sur le co-dage de règles linguistiques n’aient que rarement pro-duit des résultats utiles à un traducteur2. En dehors ducas exceptionnel de certaines sous-langues simples et« fermées » comme celle des prévisions météorolo-giques, on se bute sur ce que d’aucuns ont appelé legoulot d’étranglement de l’acquisition du savoir.

La révolution de la traductionautomatique statistique

L’une des caractéristiques frappantes de l’approchedécrite ci-dessus est qu’elle fait peu de place auxtraducteurs et à leurs traductions. Dans les années1980, on a commencé à envisager des approches quiseraient plutôt fondées sur l’exploitation directe dufruit du travail des traducteurs. Après tout, il est bienévident que les traductions existantes contiennent da-vantage de solutions à davantage de problèmes detraduction que n’importe quelle autre ressource.L’idée de recourir à la statistique avait été évoquéedès les années 1950, mais elle se butait à l’époque surdeux obstacles : a) aucun corpus monolingue ou bi-lingue de taille significative n’était disponible en for-mat électronique ; et b) les machines de l’époque n’au-raient de toute façon pas eu la puissance requise pourexploiter de tels corpus. Le véritable point tournants’est produit en 1988, lorsqu’un groupe de chercheursavant-gardiste d’IBM a réussi à « extraire » un sys-tème de TA statistique (TAS) d’un corpus bilingue com-prenant des dizaines de millions de mots de textes par-lementaires canadiens. Il serait désormais possible dedonner à la machine un corpus parallèle et, après unpeu d’attente (quelques heures ou peut-être quelquesjours) d’obtenir un système de TA adapté au couple delangue et au genre de texte qui caractérisent le corpus.La machine est devenue à même d’acquérir un certainsavoir infiniment plus vite qu’on ne pourrait le codermanuellement (nous discuterons ci-dessous des li-mites du savoir en question).

Les systèmes de TAS d’IBM et leurs descendantsactuels comprennent deux composants principaux :un modèle de traduction (MT) qui prend en charge lafidélité de la traduction et un modèle de langue (ML) ▼

qui optimise quant à lui sa fluidité dans la langue d’ar-rivée. Dans le MT, le dictionnaire bilingue usuel estremplacé par un tableau qui fournit une probabilité decouplage pour toute paire de mots des langues de dé-part et d’arrivée. Cette probabilité est estimée par descomptes de cooccurrence dans un grand corpus bi-lingue « d’apprentissage » et elle est proportionnelleau taux de chevauchement des deux mots en questiondans les paires de phrases du corpus bilingue.Normalement, la probabilité assignée ainsi au couple< cat, chat > sera très élevée ; mais celle assignée à<cat, tomate > sera faible car il s’agit d’une cooccurrencefortuite, donc beaucoup plus rare. Le MT va utiliser cetableau de probabilités pour proposer des traductionsde phrases dans lesquelles les correspondances demots les plus probables seront favorisées.

Un MT complet doit bien sûr faire face à des com-plications supplémentaires. Par exemple, un motpeut se traduire par plusieurs mots et inversementune suite particulière de mots se traduit parfois enbloc. En outre, l’ordre des mots de la langue de départdoit souvent être modifié en langue d’arrivée. L’espacenous manque ici pour décrire comment les systèmesde TAS attaquent ces problèmes et nous dirons sim-plement qu’ils possèdent des mécanismes capablesd’estimer des probabilités pour ces transformations àpartir du corpus parallèle.

Le modèle de langue (ML) privilégie quant à lui lessuites de mots qui sont les plus naturelles dans lalangue d’arrivée, généralement au moyen de modèlesdits n-grammes (bigramme, trigramme, etc). Ces mo-dèles associent une probabilité à chaque suite demots particulière. La probabilité d’une suite est unefonction de celles des éléments qui la composent.Ultimement, la probabilité assignée à chaque mot Mi

ne dépendra que des n-1 mots précédents. Les para-mètres du modèle se résument donc à un tableau dontles colonnes correspondent aux mots de la langueconcernée et les rangées aux suites de n-1 mots decette même langue. Par exemple, le tableau associé àun modèle trigramme pourrait nous informer que :p(Obama| president Barack) = 0.97 alors que p(and |president Barack) = 0.00002. Si V est la taille du vo-cabulaire (p.ex. 100 000 mots), le nombre de cellulesà remplir dans le tableau est égal à Vn, donc gigan-tesque dès que n dépasse 3. Le modèle est appris enremplissant toutes ces cellules par des comptes sta-tistiques sur un grand corpus de la langue d’arrivée.

Une fois que cet apprentissage est complété, le MLpourra être utilisé pour choisir la meilleure traductionparmi toutes celles proposées par le MT. Par exemple,le MT pourrait assigner au verbe anglais know les deuxtraductions savoir et connaître avec des probabilitéscomparables. Mais lorsque l’on traduit knows that lemodèle n-gramme aura une forte préférence pour unesuite qui contient sait que plutôt que connaît que.

L’objection évidente que l’on peut apporter auxsystèmes reposant sur le genre de techniques statis-tiques décrites ci-dessus concerne leur nature plutôt

simpliste : comment des statistiques sur les corres-pondances de mots dans les bi-textes et les suites demots dans la langue d’arrivée pourraient-elles bienrendre compte de toute la complexité d’une opérationde traduction ? Cette objection est tout à fait juste.Toutefois, il importe de situer les modèles en questiondans une perspective historique.

À cet égard, on notera que ce que nous avons es-quissé ci-dessus constitue tout au plus une simplifica-tion des premiers modèles de TAS élaborés par IBM àla fin des années 1980. Les modèles qui sont à l’étudeou même sur le marché présentement ont tous dépasséle niveau des correspondances de mots pour embras-ser celui des groupes de mots et, de plus en plus, celuides correspondances syntaxiques. Il est intéressant denoter que cette évolution rappelle beaucoup celle dessystèmes par règles entre les années 1950 et la fin desannées 1980.

Codage manuel versusapprentissage machine

Si le discours populaire oppose souvent règles etstatistiques, la réflexion montre que cette oppositiona en réalité bien peu de sens. Tout comme dans le casdes règles linguistiques, le concepteur du système deTAS doit au préalable déterminer un espace de« règles » possibles. Par exemple, un modèle de tra-duction primitif pourrait ne prévoir que des règles quiremplacent un unique mot de la langue de départ parun unique mot de la langue d’arrivée, alors qu’un mo-dèle plus avancé pourrait permettre des règles quiremplacent une suite quelconque de 1 à 3 mots parune suite différente de 0 à 3 mots. C’est toujours à l’in-térieur d’un tel espace prédéfini que fonctionnent lelinguiste qui code ou la machine qui apprend. Dans cedernier cas, on peut considérer que l’apprentissageconsiste ni plus ni moins à essayer mécaniquementtoutes les règles possibles et à retenir celles qui per-mettent le mieux d’expliquer les données observablesdans le corpus bilingue. Lorsque l’apprentissage estde nature statistique comme en TAS, on retiendra enfait toutes les règles, mais celles dont l’effet n’est pasobservé dans le corpus vont se voir assigner une pro-babilité très faible. Après tout, un corpus n’est jamaiscomplet !

Nous l’avons vu plus haut, les systèmes de TAS suivent une évolution plus ou moins parallèle à celledes systèmes traditionnels, vers des modèles de plusen plus complexes et abstraits : mots, groupes demots, phrases (syntaxe), structure sémantique, etc.Cela dit, cette évolution s’effectue lentement car le paradigme scientifique dominant encourage les cher-cheurs à viser des gains progressifs à court terme plu-tôt qu’à se consacrer à la recherche de solutions ultimes. Ainsi, la dynamique des évaluations interna-tionales annuelles comme la série Open MT organisée par le National Institute of Standards andTechnology (NIST) américain pousse les chercheurs à

16

Circu

it • Auto

mne 2012

D O S S I E R L A T R A D U C T I O N A U T O M A T I Q U E

17

Circu

it • Auto

mne 2012

miser sur les améliorations qui sont réalisables àtemps pour la prochaine évaluation3.

Un frein plus grave à l’évolution vers des modèlesstatistiques plus « profonds » concerne la disponibi-lité des données requises pour l’apprentissage ma-chine. Pour les langues majeures, on a maintenantaccès à des corpus énormes : des bi-textes de di-zaines de millions de paires de phrases et des corpusmonolingues encore beaucoup plus grands. Tant queles modèles statistiques se fondent uniquement surdes propriétés directement observables dans ces don-nées « naturelles », on ne manque pas de données.Toutefois, les structures syntaxiques, sémantiques etconceptuelles ne possèdent pas cette nature directe-ment observable. La machine ne peut pas apprendreà mettre en rapport des structures qui ne lui sont pasvisibles. On peut alors opter pour l’apprentissage ditsupervisé, qui consiste à annoter manuellement lesdonnées avant de les fournir à la machine. Parexemple, les linguistes seront appelés à reprendre duservice, non plus pour coder des règles de syntaxemais plutôt pour annoter les phrases d’un corpus avecleurs structures syntaxiques respectives. À partir de là,la machine pourra apprendre à assigner automati-quement ces structures, pour ensuite apprendre àmettre en correspondance les structures propres àchaque langue. Certains des meilleurs systèmes deTAS actuels fonctionnent de cette façon pour quelquescouples de langues. Malheureusement, le coût prohi-bitif de l’effort de supervision rend cette approche ir-réalisable pour la plupart des couples de langues. Etencore, nous ne parlons ici que de structures syn-taxiques ! L’apprentissage supervisé de représenta-tions plus profondes (sémantiques, conceptuelles,etc.) est encore plus problématique et demeure en-core largement inexploré.

État actuel de la technologie et perspectives d’impact

L’approche progressive et compétitive décrite plushaut possède une vertu intéressante : elle oblige leschercheurs à prendre très au sérieux la question del’évaluation des résultats. Dans les années récentes,on a démontré que même des méthodes d’évaluationtrès grossières mais automatisables pouvaient jouerun rôle très utile pour faire progresser la TA4. Mais bienentendu, les évaluations humaines demeurent incon-tournables, aussi difficiles et coûteuses soient-elles.Or, toutes les évaluations indiquent que les systèmesde TAS ont beaucoup progressé depuis une douzained’années et que, dans la plupart des situations, ils sur-passent maintenant les systèmes traditionnels parrègles. Ceci paraît confirmer l’intuition qu’en appre-nant directement à partir du fruit du travail des tra-ducteurs, les systèmes de TAS parviennent mieux queles systèmes antérieurs à approximer le travail du tra-ducteur. Cette évolution se répercute déjà sur l’offrecommerciale de TA : non seulement y trouve-t-on de

nouveaux systèmes fondés sur la TAS, mais les sys-tèmes traditionnels se targuent maintenant d’avoiradopté une approche « hybride ».

Mais, disons-le clairement, ce progrès est encoretrès loin de représenter un péril pour le métier de tra-ducteur. La question qui s’impose est la suivante : laTA a-t-elle atteint ou est-elle sur le point d’atteindreune qualité suffisante pour s’avérer utile au traduc-teur, au même titre qu’une mémoire de traduction estparfois utile ? Certains services de traduction ont enfait déjà adopté la TAS dans cet esprit, et beaucoupd’autres estiment que le temps est venu d’évaluercette possibilité. Cette ouverture d’esprit mérited’être encouragée. En même temps, il convient demettre les intéressés en garde contre une opinionmalheureusement trop répandue. On pourrait, en-tend-on, se faire rapidement et gratuitement une idéecorrecte du potentiel de la TAS en versant une mé-moire de traduction quelconque dans un logiciel deTAS libre, et en se contentant d’appuyer sur le bou-ton vert du système ! Malheureusement, il s’agit làd’une excellente façon de maximiser les risquesd’échec. Pour apprécier le véritable potentiel de la TAS, il est indispensable : 1) de bien choisir lesdomaines d’essai ; 2) de bien préparer le systèmede TAS ; 3) de bien intégrer la TAS à l’environnementde travail des traducteurs participants ; et 4) de sedonner de bons outils d’évaluation. La plupart des services de traduction trouveront avantage à sefaire aider dans cet exercice complexe par des experts reconnus.

De leur côté, les chercheurs vont continuer d’amé-liorer la technologie. Par exemple, les recherches récentes indiquent que certaines méthodes non supervisées d’apprentissage machine pourraientpermettre d’apprendre des structures abstraitescomme les structures syntaxiques de phrase direc-tement à partir de données non annotées. Si ces in-dications se confirment, la TAS nous réserve encoredes surprises. Il vaut mieux se tenir prêts à en profiter plutôt que de s’en inquiéter !

1. Dans certains cas, des dizaines de millions de dollars ont été englou-tis dans le développement de systèmes de règles pour un uniquecouple de langues.

2. Par contre, les mêmes systèmes ont souvent été utilisés à profit pourproduire des traductions approximatives répondant aux besoins pres-sants des services de renseignement ou de veille technologique.

3. Bien qu’il s’agisse officiellement d’« évaluations » et non de « compé-titions », tous les participants visent à gagner. En ce sens, le CNRC n’estpas peu fier de ses résultats obtenus avec son système PORTAGE auNIST Open MT 2012!

4. La méthode de ce genre la plus connue s’appelle BLEU et elle reposesur une simple mesure du chevauchement des n-grammes de la traduction machine avec ceux d’une ou plusieurs traductions deréférence.

Pierre Isabelle, Ph. D., est Chercheur principal et Chef du Groupe de technologies langagières interactives au CNRC. I l est mondialement connu pourses nombreuses réalisations en traitement automatique des langues naturelles, en particulier dans le sous-domaine de la traduction automatisée.

Lots of good and badthings are being saidnowadays aboutmachine translation.Developers of thetechnology usuallylove it, whilefreelance translatorsstill tend to hate it.But the truth is thatit is a productivitytool that must beused wisely so thateverybody wins.

18

Circu

it • Auto

mne 2012

By Diego Bartolome

D O S S I E R L A T R A D U C T I O N A U T O M A T I Q U E

Machine translation: past, present, and future

W hile some might think it is something thatstarted just a couple of years ago, machine

translation (MT) started around 1950, after theSecond World War, in order to understand messagesfrom the enemy. Although military applications havealways pushed MT Research and Development (R&D)forward, currently, MT is being applied in a wide vari-ety of sectors and use cases.

In this article, the initial steps will be described,after which the current situation will be outlined, alongwith some insights into the future of this technologyand its applications.

The pastIn the early ’50s, good quality MT was seen as a

challenging, if not impossible task. The first commer-cial engines in the U.S., Japan, Europe, and the USSRwere capable of translating just a couple of sentences.On the other hand, the commercial demonstrationswere completely optimistic and predicted that thetranslation problem was going to be solved in aroundfive years. This is the classical inflated expectations ef-fect in the hype cycle of new technology adoption.After some time, the plateau of productivity isachieved, where the best-suited applications for thetechnology are found and can be exploited, thus re-ducing costs and increasing revenues of the compa-nies involved.

Initially, all the efforts were addressed at syntax-based MT, so that hundreds of linguists needed to beinvolved in the development of new languages to codeall the grammar rules and the translations for everyword in a given language, among other tasks. In the’70s, one of the biggest successes of MT was theTAUM weather MT system in Canada, which evolved tothe METEO system that was used until 2001. In aclosed domain such as weather forecasts, the qualityof the system was nearly human quality. In fact, it isin multilingual countries such as Canada or Spainwhere the use of MT becomes worthwhile.

In the ’60s and ’70s, rules-based MT (RbMT) tech-nologies such as METAL (Lucy Software), LOGOS (cur-rently OpenLogos), or Systran were born. With minoror major improvements, most are still in use today. Inthe late ’80s, the effort pivoted toward statistical ma-chine translation (SMT), after a demonstration of thepotential of this new technology using the Canadianparliament’s Hansards. The main idea behind SMT isthat no linguistic knowledge should be needed totranslate automatically between two languages ifenough bilingual data is available to create translation

tables, and a large amount of unilingual data in the tar-get language makes it possible to create a languagemodel. The increase in the computing power of ma-chines was making this feasible in a reasonable time.

Systems from both technologies (RbMT and SMT)have been coexisting since the ’90s. Later in thedecade, commercial Internet was changing the waypeople did things. Since most people prefer readingand buying from websites in their own language, earlyin the 21st century, all the major search engines in-cluded a translator and the leading Language ServiceProviders (LSPs) started pilots with MT systems, bothinternally and externally.

The presentNowadays, and thanks in part to the Google Translate

service, MT has become part of our lives. Whenever we find a website we cannot understand, we go to translate.google.com, to www.microsofttranslator.com,or to a favourite one such as traductor.cervantes.es forLatin languages, to get a gist of what is being said.There is no need to get a perfect translation, just tounderstand the message. Today, web browsers arecurrently integrating MT automatically so that it is eveneasier than before. We all have translation applicationsready to use, for text, image, and even speech on oursmartphones. MT is now our friend.

In the localization industry, major Computer AidedTranslation (CAT) tools integrate the possibility of post-editing an MT for a given segment if it cannot be pre-translated from available translation memories. MT isincreasing translator productivity in some languagedomains by a factor of 2 or 3. However, it may neverbe used to translate everything.

Providers of MT systems are still investing in RbMTand SMT, but there is a trend toward hybrid systemscombining the best of both technologies. Solutionscan be found on the market by Systran, Asia Online,Lucy Software, SDL Language Weaver, ProMT,Linguasys, or tauyou <language technology>, amongothers. The best solution depends on the objectives,the client segment, application, and quality vs. priceratio, among other variables.

Open-source software such as Moses, Joshua,Jane, Marie, cdec, Apertium, Openlogos, and othersare making it easier to develop your own solutionswhile controlling costs. However, the amount of timeneeded to master any system is still high and a com-pany will incur opportunity costs. There is no simpleanswer to what is strategically correct in this field forany given company.

Diego Bartolome holds a PhD in Electrical Engineering and an MSc in Management and Business Administration. In 2006, he cofounded tauyou <language technology>to develop customized technology for the translation and localization industry.

Reflections on TAUM-MÉTÉO

19

Circu

it • Auto

mne 2012

It seems the above-mentioned plateau of productivity has arrived.

The futureTechnology is not worth much if no applications

can be developed for which clients are willing to pay.Clients are today spending money on machine trans-lation services because it solves real problems bothfrom a Business to Business (B2B) and a Business toConsumer (B2C) perspective. MT is not the solution foreverything, but rather a tool to achieve your goals. Setclear objectives and then choose what offers you thebest solution: human translation, MT + post-editing,raw MT, crowdsourcing, or any other, done by internalresources or outsourced.

What is clear is that all the stakeholders in the industry need to evolve and adapt to this technologywhich offers new opportunities. For freelance transla-tors, options range from the classical options of

becoming a great post-editor or a linguist to help im-prove MT engines, to positions or businesses that areyet to come. Think about it – and take advantage of theopportunity!

References1. TAUS, “A Translation Automation Timeline,” http://www.translatio-

nautomation.com/a-translation-automation-timeline.html.

2. Fenn J., Rasking M., Mastering the Hype Cycle: How to Choose the RightInnovation at the Right Time, Harvard Business School Press, 2008.

3. The ALPAC Report, 1966. Available online at: http://www.nap.edu/openbook.php?record_id=9547

4. Hutchins, J. Machine Translation: past, present, future, Chichester(U.K.): Ellis Horwood, 1986.

5. Y. Wilks, Machine Translation: Its Scope and Limits, Springer, 2009

6. P. Koehn, Statistical Machine Translation, Cambridge University Press,2010.

I n the world of machine translation (MT), we oftenhear that the TAUM-MÉTÉO system at the Univer-

sité de Montréal (1974–1978), and the commercialsystem which resulted,1 is one of the few major suc-cess stories of 20th-century MT. In terms of cost-per-word translated and volume of translations, this isvery likely true. In terms of accuracy, the success waseven more notable, since less than 5% of machineoutput required human post-editing. This successwas serendipitious – the UdeM research group hadstumbled onto one of the most appropriate domainsfor MT, and with exactly the tools, methods and per-sonnel needed to produce a working system.

Founded in 1965, le Groupe TAUM (TraductionAutomatique de l’Université de Montréal) began its in-novative work around 1968 under the leadership ofAlain Colmerauer, the brilliant French computer sci-entist who later became famous as the principal in-ventor of the programming language Prolog. Freshfrom Grenoble with a doctorat d’État at the age of 26,Colmerauer created a new kind of programming lan-guage specifically for linguists to write rules for thesyntactic analysis, transformation and translation ofsentences. Dubbed Q-systems (for Québec) it was a

powerful tool for implementing the latest grammaticaltheories. By the end of 1970,2 16 months after I arrivedin Montreal to work on the English analyzer, the TAUMteam of about eight linguists and computer scientistshad put together a prototype English-to-French trans-lation system using deep syntactic analysis as thestepping stone to translation. All the words in an inputEnglish sentence had to be assigned grammaticalroles in a single tree structure. This “interpretation” al-lowed the calculation of the corresponding French sen-tence tree, which in turn determined the synthesis ofthe output French sentence. During transfer betweenlanguages, lexical items were translated according totheir function in the sentence, and in accordance withthe semantic classes of surrounding words.

Two more years of work gave us TAUM73, a systemwith enough syntactic and semantic analysis to deal withlinguistic “divergences,” where word-for-word translationfails totally. For example, the sentence:

(1a) He might not have read most of it.3

was translated as:(1b) Il est possible qu’il n’en ait pas lu la plupart.As far as linguistic and computational sophisti-

cation was concerned, TAUM73 was equal to any

By Richard Kittredge

Richard Kittredge retired from the University of Montréal in 2006, where he was a professor of computational linguistics. He is currently the president of CoGenTex, Inc., asmall business specializing in text generation in Ithaca, N.Y.

translation system in the world at the time (the pri-mary competitors were in Grenoble and Moscow).However, the initial challenge to the Montreal groupin 1965 was to translate Hansard, the proceedingsof the Canadian parliament (a challenge which was bravely but naively accepted!). With only a fewthousand words in our lexiconsand only the major syntacticstructures covered, we knewby 1973 that we were manyyears away from reaching thatambitious goal.

Then, in late 1973, fatesmiled upon us. A federal government translator workingwith Environment Canada atVille Saint-Laurent came to myoffice in search of relief fromthe ennui of translating hun-dreds of English weather bul-letins every day. It quickly be-came obvious that TAUM hadan approach that could easilybe tailored to this problem.The major modification was tochange our notion of “sen-tence” for the telegraphic sub-language used by forecasters.In addition to new lexical entries, I needed to createspecialized rules to analyze English weather bulletinsentences. There were fewer than ten major patterns,three of which are illustrated here:4

• BECOMING CLEAR AND COOLER THIS EVENING WITH LOWS IN THE TEENS.

• HIGHS FRIDAY IN THE MID 40S.

• WINDS FROM THE NORTHWEST 20 MPH DIMINISHING TO 20 MPH BY DAWN.

When bulletin sentences did not match one of thetelegraphic sublanguage patterns, which happened infewer than 1% of cases, they inevitably dealt with dan-gerous weather conditions. So, when parsing themfailed, they could be sent automatically to a humantranslator. Thanks to the limited lexicon and restrictedsyntax of the sublanguage, Jules Dansereau and Itook only a few weeks in 1974 to come up with a firsttranslation prototype, written in the Q-systems lan-guage. With this to show, TAUM obtained a devel-opment contract with the Translation Bureau, then setdown to work to flesh out the complete dictionary andrules, delivering the first operational system by thesummer of 1976. Most work at TAUM during 1975 and1976 was directed toward extending the large TAUM 75system for general English-French, and towardbuilding the first MT prototype for the much morecomplex sublanguage of aircraft hydraulics manuals.5

Despite the relative simplicity of the weather bul-letin sublanguage, where most sentences in Englishcan be translated into French almost word-for-word,

there was still much work to be done to make TAUM-MÉTÉO robust and fully integrated into the translationprocess (which at the time used teletype machines tosend texts to and from human translators). During1974–1976, John Chandioux and Guy Poulin, sup-ported by the other TAUM researchers, worked to

make the sublanguage coverage complete, streamlinethe overall processing and adapt it to EnvironmentCanada’s communications system. After my mandateas TAUM director ended in 1976, further improvementswere carried out under the direction of Jean Baudot.At that point it was turned over to the private sector,using the name MÉTÉO, for maintenance, new featuresand computer system upgrades. The long-term sup-port and improvement of the commercial version overthe following two decades was crucial for the con-tinued success of this application. Indeed, by 1989,MÉTÉO had added a capacity for translating French-to-English bulletins, and the combined volume soonamounted to tens of millions of words per year.

1. In service until 2001.2. Colmerauer returned to France at this point and I assumed direction of

the project.3. Try this sentence, even today, in an on-line E-F translation system!4. The sample texts all pre-dated the conversion to metric units.5. A demonstration in April 1976 based on this work led to a contract for

the TAUM-AVIATION system.

References:TAUM 71 Groupe de recherches pour la traduction automatique, Universitéde Montréal, January 1971.

TAUM 73 Groupe de recherches pour la traduction automatique, Universitéde Montréal, March 1973.

Chevalier, Monique, Jules Dansereau, Guy Poulin. TAUM-MÉTÉO. Groupede recherches pour la traduction automatique, Université de Montréal,1978.

Kittredge, Richard, “Sublanguages and Controlled Languages,” RuslanMitkov, Ed., The Oxford Handbook of Computational Linguistics, OxfordUniversity Press, 2003, Chapter 23. (2nd edition due in late 2012.)

20

Circu

it • Auto

mne 2012

D O S S I E R L A T R A D U C T I O N A U T O M A T I Q U E

MT: Try it… You’ll Like it!

21

Circu

it • Auto

mne 2012

T he localization industry is experiencing rapid dis-ruptive innovation in the form of machine transla-

tion, which is driving the evolution from human tomachine-assisted to human-assisted translation. Inrecent years, statistical machine translation (SMT)has become a major developmental breakthrough byproviding a cost-efficient and fast way to build anduse machine translation (MT) systems.

The language service industry is experiencing un-relenting pressure on efficiency and performance.Clients expect more to be translated in nearly real timeat lower prices. As a language service provider ofLatvian, Lithuanian and Estonian, we at Tilde haveacutely felt the changes and have taken steps to meetthe challenges.

How does a small or medium-sized translationagency start on the path of integrating MT into theirworkflow?

As a long-time developer of language technolo-gies, such as spelling and grammar checkers and dig-ital dictionaries and thesauruses, we were well posi-tioned with research specialists and programmers,plus the experience, to take the leap into machinetranslation. We have created a cloud-based machinetranslation factory, LetsMT! (letsmt.com), that makestraining engines and their use in a localization work-flow very easy. We have evaluated the results for anumber of languages to illustrate the potential pro-ductivity gains, and we would like to share our resultswith you!

Platform for SMT developmentBuilding an MT system requires expert knowledge,

infrastructure and resources for training engines. Ourvision was to create an online MT factory that wouldbe so easy to use that it could be used by the techno-logically inexperienced. This concept started our workon a cloud-based platform.

A lack of training resources, such as sufficient par-allel corpora for a specific language pair to train a use-ful MT engine, is a barrier to implementing MT for manysmall and medium-sized translation companies. A coreconcept of our platform is to share resources. LetsMT!provides a repository of high quality corpora collectedby project partners and by the users of letsmt.com. Ifyou need more data than you have, you can supple-ment your data with the publicly available data pro-vided on the platform.

Engines trained on our platform can be used inseveral ways: directly through the LetsMT! web portal,through a widget on a user’s web page, through

browser plug-ins or, most appropriately, for translators,through integration in computer-assisted trans-lation (CAT) environments.

MT for localization workflowThe localization industry is experiencing never-

ending pressure to provide more efficient services, thevolume of text that needs to be translated is growingfaster than humans can translate, and translation resultsare expected in almost real time. MT can generate pro-ductivity gains and help business process more contentin less time. Microsoft, Adobe, and Autodesk have eval-uated and documented productivity changes gainedfrom integrating MT into the translation workflow. Thefindings from these evaluations (referenced below)noted an average productivity increase of between 20%and 131%.

Naturally, we were interested in evaluating the pro-ductivity results in the translation workflow for enginestrained on the LetsMT! platform. Since we have beenworking with small, morphologically complex lan-guages, we evaluated the performance of English-Latvian, English-Czech, and English-Polish SMTs. As weare a working agency, we needed a relatively non-disruptive, simple, easy-to-replicate method to mea-sure the change in performance of translators workingwith and without MT using a platform integrated plug-in for SDL Trados 2009 (see figure 1).

A quality assessment was also performed on all thetranslations according to the standard internal qualityassessment procedure.

Evaluation scenariosPerformance was calculated as the number of

words translated per hour. For the evaluation, two testscenarios were employed:

• baseline scenario with TM only

• combined TM and MT scenario

The baseline scenario established the productiv-ity baseline of the translation process using a CAT en-vironment (SDL Trados Studio 2009), where texts aretranslated unit by unit.

The MT scenario measured the impact of MT on thetranslation process when translators are provided notonly with matches from a TM (as in the baseline sce-nario), but also with MT suggestions for every trans-lation unit that does not have a 100% match in TM.Suggestions coming from the MT were clearly markedfor translators to treat them carefully.

As the Business Development Director at Tilde, Indra Sāmīte, MBA, drives innovation in language technologies to serve the needs of less resourced languages, narrowdomains and implementation of machine translation.

▼

Just as in their regular workflow, in both scenar-ios, translators were allowed to use whatever exter-nal resources were needed (such as dictionaries).Five translators with different levels of experienceand average productivity expectations were involvedin the evaluation.

The test set for the evaluation was created by se-lecting documents in the IT domain from the tasks thathad not been translated in the organization before theSMT engine was built. This ensured that TMs did notalready contain segments from the texts used for test-ing. Documents for evaluation were selected from theincoming work pipeline if they contained 950-1,050adjusted words each. Each document was divided inhalf: the first part was translated as described in thebaseline scenario; the second half of the documentwas translated using MT. The project manager ensuredthat each part of a single document was translated by

a different translator so that the results were not affected by familiarity with the translated document.

The quality of each translation was then evalu-ated by a professional editor according to the stan-dard Tilde quality assurance process. The editor didnot know whether the text had been translated usingthe baseline scenario or the MT scenario. An errorscore was calculated for each of the evaluationtranslations.

There are 15 different error types grouped in fourerror classes:• Accuracy• Consistency• Style• Terminology

Based on the detailed error score, the translationis then assigned a translation quality ranking:Superior, Good, Mediocre, Poor or Very Poor.

22

Circu

it • Auto

mne 2012

D O S S I E R L A T R A D U C T I O N A U T O M A T I Q U E

Language LV CZ** PL** SK*

No. of documents 59 34 42

Baseline productivity 550 315 305

MT-supported productivity 731 394 392

Productivity increase % 32.9% 25.1% 28.5% 25%

Quality ranking Good Good Good

* Evaluation by platform beta-tester Martin Bulla** Evaluation by Moravia Worldwide, LetsMT! consortium partner

Figure 1

Results

Legend: 1 = Source text, 2 = TM suggestion, 3 = MT suggestion.

23

Circu

it • Auto

mne 2012

For EN>LVUse of MT suggestions in addition to the TMs in-

creased translator productivity on average from 550 to731 words per hour (32.9% improvement). At the sametime, the error score increased for all translators.Although the overall error score increased from 20.2to 28.6 points, it still remained at the Good qualityranking.

For EN>CZ An increase in productivity of 25.1% was recorded

when using the MT scenario. The average volume ofadjusted words per hour rose from 315 to 394.

A quality review discovered a minor decrease intranslation quality from 19 to 27 error points per 1,000words. Nevertheless, the quality evaluation rankingwas still Good.

For EN>PLEven though most of the translators reported the

“poor” quality of MT suggestions, the results showedincreased productivity across all documents. The av-erage performance rose from 305 to 392 adjustedwords per hour (28.5% improvement).

A slight decrease in translation quality wasrecorded. The overall error score increased from 16.8to 23.6 points. Nevertheless, the quality evaluationranking remained Good.

For EN>SKLetsMT! beta tester Martin Bulla created a very

small, domain-specific engine and has shared his pos-itive productivity results. Martin did not evaluate pro-ductivity gains according to the methodology that wasused in the LetsMT! project, which is why there is nobefore and after productivity for the table above.However, Martin has provide the following back-ground for his MT training activities:

Martin is an English-to-Slovak freelance transla-tor specializing in the field of IT and software local-ization with no previous experience creating customized MT engines.

His target was to create an MT engine customizedas much as possible, not only domain-, but also client-and product-specific.

The parameters of the EN>SK engine that wascreated ar as follows:

BLEU score: 78.78

Monolingual corpus: 352,672 sentences

Parallel corpus: 345,362 sentences

Evaluation set: 1,000 sentences

Tuning set: 2,000 sentences

In-domain monolingual corpus: 352,672 sentences

We have not made a detailed analysis of the rea-sons behind an increase in error scores across all lan-guages evaluated, but a possible explanation could bea higher rate of errors in translated segments origi-nating specifically from MT suggestions. Typically,translators trust suggestions coming from a TM, andthey make only small changes if a TM suggestion isnot a 100% match. Translators usually are not double-checking terminology, spelling and grammar of TM sug-gestions, relying on the fact that TMs should containquality data. However, translators must pay particularlycareful attention to suggestions coming from MT, asthey may be inaccurate or not grammatically correct.

There were significant differences in the results ofdifferent translators, from a performance increase of64% to a decrease of 5% for one of the translators. Ananalysis of these differences requires further study,but most likely they are caused by working patternsand the skills of individual translators.

ConclusionsThere is a lot of often conflicting information avail-

able about MT, but to our mind, the best way to figureout if it helps you work more efficiently is to give it atry. The evaluation scenario described above is easyenough and replicable enough to use as a tool toevaluate and keep track of various use cases. Theproductivity gains indicate that there are significanteconomies to be gained from employing MT in thetranslation workflow and the companies that integrateMT first will reap the benefits of having a greatercompetitive advantage.

References:O’Brien, Sharon. 2005. “Methodologies for measuring the correlations be-tween post-editing effort and machine translatability,” MachineTranslation, 19(1):37±58, March 2005.

Flournoy, Raymond and Christine Duran. 2009. “Machine translation anddocument localization at Adobe: From pilot to production,”. MT Summit XII:Proceedings of the Twelfth Machine Translation Summit, Ottawa, Canada.

Plitt Mirko, Francois Masselot. 2010. “A Productivity Test of StatisticalMachine Translation Post-Editing in a Typical Localisation Context,” ThePrague Bulletin of Mathematical Linguistics, 93 (January 2010): 7±16

Skadiņš R., Puriņš M., Skadiņa I., Vasiļjevs A., “Evaluation of SMT in lo-calization to under-resourced inflected language,” Proceedings of the 15thInternational Conference of the European Association for MachineTranslation EAMT 2011, p. 35-40, 30-31 May, 2011, Leuven, Belgium

Vasiļjevs A., Sāmīte I., “Machine translation for less-resourced languages,”MultiLingual, p. 25-30, January/February 2012.

AcknowledgementsThe research done for the LetsMT! project leading to these results receivedfunding from the ICT Policy Support Programme (ICT PSP), Theme 5 –Multilingual web, Grant Agreement No 250456

Circu

it • Auto

mne 2012

24

CO H E N , Betty (2011) Lexique decooccurrents . Bourse et conjonc-tu re é conomique , 2 e é d i t i o nrevue et augmentée, L inguatech,x i + 147 p.

L e Lexique de cooccurrents à lamanière de Betty Cohen est un

recueil des mots souvent liés (cequ’on appelle des cooccurrents) auxtermes courants de la bourse et de laconjoncture économique. L’ouvragerecense des paires de mots qui sontutilisés l’un avec l’autre, par affinitéde l’usage, dans les textes réunissous le thème de la bourse et dela conjoncture économique. À titred’exemple, on y décrit les syntagmessuivants que l’on retrouve assez sou-vent dans ces textes (chacun desdeux mots dans le syntagme étantlié par cooccurrence à l’autre mot) :maigres ressources (financières),les affaires régressent, dégager unbénéfice, le bénéfice recule de ndollars, contrôler les dépenses, levolume des échanges, subir unebaisse, objectifs de cours et attentesde profits, pour ne nommer queceux-là. Par cette nomenclature, l’ou-vrage de Betty Cohen répond bien àun besoin pratique des rédacteurs etdes traducteurs d’utiliser les bonscooccurrents dans la rédaction et latraduction en français des textes dela bourse et de l’économie.

101 termes courants et leurs cooccurrents

La nouvelle édition reprend laprésentation en un tableau dans lecorps de chacun des articles consa-crés aux entrées de la nomenclature,qui sont les termes courants du lan-gage de la bourse et de l’économie.Les termes courants, au nombre de101 d’après notre décompte manuel,

font partie de la nomenclature quidonne l’accès aux données réuniesdans le recueil. Ne serait-ce que pours’y retrouver rapidement dans la dif-férenciation entre les termes cou-rants (clés de recherche) et leurs co-occurrents (objet du recueil), un indexdes termes courants et de leurs co-occurrents aurait été ici très utile. Ilaurait pu aussi faire office d’aide-mémoire aux lecteurs pressés qui savent ce qu’ils cherchent, mais quisouhaitent se rafraîchir la mémoiredans le feu de l’action en traduisant.

Le tableau, élément fédérateurdes données réunies pour chaqueterme courant, comprend invariable-ment l’une ou plusieurs des ru-briques suivantes qui caractérisent larelation implicite entre les cooccur-rents et qui donnent à l’ouvrage uneconception inédite dans le traite-ment des cooccurrents : début, crois-sance, neutre/indéterminé, déclin,fin et autres. Outre les rubriques « in-déterminé » et « autres », ces orien-tations relationnelles renvoient à lasuccession implacable des phasesdes cycles économiques et bour-siers. Les cooccurrents sont ensuiteclassés dans chacune de ces ru-briques selon leur catégorie gram-maticale et leur fonction syntaxiquepar rapport au terme courant, quisont principalement au nombre de

quatre : noms, verbes (sujet), verbes(objet) et adjectifs. Ainsi, on trouvedans la rubrique « croissance » dutableau pour le terme importation ;les noms accroissement, augmenta-tion, avance, expansion, etc. ; lesverbes (sujet) s’accroître, augmenter,progresser, etc. ; les verbes (objet)accroître, activer, augmenter, favori-ser, etc. ainsi que les adjectifs consi-dérables, massives, excédentaires.

Au chapitre des nouveautés, ontrouve en sus de ces données, à lasuite du tableau, une rubrique dephrases exemples qui illustrent cer-taines des cooccurrences lexicalesdécrites dans le tableau. Au fil des en-trées sur les 101 termes courants, ontrouve aussi des remarques d’usagequi apportent des précisions sur l’en-semble des cooccurrents du termecourant ou sur l’emploi de celui-ci.

La petite et la grandehistoires

Vingt-cinq ans plus tard, le recueilne fait plus office d’œuvre pionnièrecomme à sa sortie, et comme le rap-pelait Paul A. Horguelin dans sa pré-face. Issu d’un mémoire de maîtrise,cet ouvrage devait inaugurer en 1986une série de travaux à la fois utilitaireset scientifiques sur la phraséologie dela langue française dans les langues

de spécialité. La petite histoire dudomaine en a décidé autrement etles intérêts de la phraséologie sonten partie portés aujourd’hui par lesétudes sur les corpus. Parce qu’ellea orienté son recueil vers l’utilitaire,Betty Cohen a su s’affranchir àl’époque de ces attentes à l’égard dudomaine. Avec cette deuxième édi-tion, l’auteure table toujours surl’idiosyncrasie de son activité lexi-cographique, ce qui donne à sonlexique une facture classique, avectous les avantages et les inconvé-nients que cela comporte, commel’absence de référence bibliographi -que au domaine de la phraséologie,qui a évolué depuis les années 1980,et plus précisément sur les cooccur-rences, qu’on appelle aussi des col-locations (terme qui, technique-ment, n’est pas qu’un simple calquede l’autre). Les utilisateurs avertis,dont je suis, auraient appréciéquelques notes sur la typologieutilisée pour la description des co-occurrences et sur la sélection des éléments de la nomenclature(quelles fréquences, quelles sources,les critères retenus). Cependant, ilest vrai, les éléments de la nomen-clature et le contenu des articles ontété mis à jour au bénéfice de la majorité des utilisateurs.

Éric Poirier, trad. a.

Ér ic Poi r ier, docteur en t raduct ion, est professeur à l ’UQTR.

Entre dictionnaire et lexique, entre œuvre pionnière et classiqueBetty Cohen propose une nouvelle édition de son recueil des cooccurrents les plus fréquents dans les textes qui traitent de la conjoncture économique.Une deuxième édition discrète sous le signe de la mise à jour de valeurs sûres.

D E S L I V R E S C H R O N I Q U E D I R I G É E P A R S O L A N G E L A P I E R R E

s o l a n g e . l a p i e r r e @ s y m p a t i c o . c a

25

Circu

it • Auto

mne 2012

D ans son ouvrage Cities inTranslation – Intersections of

Language and Memory (Routledge,2012), la professeure et traducto-logue Sherry Simon, de l’UniversitéConcordia, nous invite à pénétrerdans le microcosme transculturelde quatre villes où la traduction ajoué ou joue encore un rôle de pre-mier plan dans l’identité de la ville,soit Calcutta, Trieste, Barcelone etMontréal. Son ouvrage ne traitepas de la traduction que dans lesens traditionnel du terme, maiségalement comme lieu de passage,de déplacement entre les langueset dans l’espace.

Nous nous pencherons ici sur lechapitre intitulé Montreal’s thirdspace, qui se présente comme unelentille projetant une vision de laville non conformiste, une vision quiinclut ce que l’auteure appelle letroisième espace, évoluant le plussouvent en marge des deux espacestraditionnels.

Axe est/ouest, axe nord/ sud

Alors que, dans l’inconscient col-lectif, Montréal a toujours été perçueen fonction du clivage, bien réel ouplus apparent, qui suit la ligne defracture linguistique et culturelle del’axe est/ouest, Sherry Simon nousrappelle qu’il existe d’autres divi-sions à Montréal. Pour amorcer sonpropos, elle nous déplace sur l’axenord/sud séparant des quartiers po-pulaires comme Griffintown et laPetite Bourgogne des quartiers plus aisés situés sur les flancs de lamontagne. Cette polarisation alter-native à l’axe est/ouest est vivementressentie dans divers ouvrages defiction, comme The City below theHill de Herbert Brown et Bonheur

d’occasion de Gabrielle Roy. Ce nou-vel angle de référence réorganise la ville d’un point de vue socioéco-nomique plutôt que linguistique,comme quoi les divisions sont mul-tiples et s’articulent selon des facteurs à géométrie variable.

Le troisième espaceC’est toutefois au centre du tra-

ditionnel axe est/ouest que s’estgreffé le troisième espace qui inté-resse plus particulièrement l’au-teure. Située le long du boulevardSaint-Laurent, cette zone tamponvient bouleverser l’image souventsimpliste que nous avons de la géo-graphie de la ville. Apparu avec lespremières grandes vagues d’immi-gration à la fin du XIXe siècle, ce troi-sième espace a parfois été occultépar l’agitation mettant en scène les deux principaux groupes linguis-tiques, notamment pendant laRévolution tranquille, mais n’a jamaiscessé d’exister et de se transformer.

Pour présenter ce troisième espace, Sherry Simon nous reporteaux années 1940, quand le mouve-ment littéraire yiddish était en pleine

ébullition. Évoluant en marge du modernisme francophone et du mo-dernism anglophone, le modernismeyiddish a connu une grande efferves-cence, donnant lieu à une créativitédes plus fécondes. Bouleversant lesdivisions traditionnelles, la vitalité dece troisième espace est fort bien illus-trée lorsque l’auteure nous introduitchez l’écrivaine et activiste Ida Maza,implantée dans le Mile-End, pointd’ancrage de la communauté yiddish.

Ce qui est frappant, selon SherrySimon, ce n’est pas tant l’exis-tence simultanée de ces trois mou-vements à Montréal, mais plutôtleur vigueur ; alors que Montréalétait le point de convergence despoètes canadiens-anglais et que lesAutomatistes émergeaient chez lesfrancophones, la communauté yid-dish était culturellement autonome,forte de diverses publications, dontle quotidien Keneder Odler et lesécrits de poètes et poétesses commeJ.I. Segal, Chava Rosenfarb et RokhlKorn. Non seulement la productionen yiddish était-elle prolifique, maisla traduction vers le yiddish battaitaussi son plein. À titre d’exemple, latraduction yiddish de The Mishna par

Symcha Petrushka et celle de DerProcess de Kafka par le montréalaisMelekh Ravitch.

Pierre Anctil, Wajdi Mouawad, AkiShimazaki et Kim Thuy

À partir des années 1960, le yid-dish est entré dans une période dedéclin, les auteurs juifs se tournantvers l’anglais. Vingt ans plus tard,c’est par l’intermédiaire du françaisque la littérature yiddish montréa-laise reviendra à l’avant-scène, no-tamment grâce aux soins d’un cher-cheur de tout premier plan dans cedomaine, Pierre Anctil. Bref, bien queces mouvements littéraires en troislangues aient évolués en parallèle,ils se sont croisés, voire entrelacés,par le biais de la traduction.

Bien que la littérature et l’espaceyiddish aient pratiquement disparu àMontréal, le troisième espace est en-core bel et bien présent. Dans cetteville d’immigration, les trottoirs sont àl’avant-scène de cet espace qui trouvedésormais sa niche dans l’imaginairecollectif. Cet espace connaît au-jourd’hui un nouveau souffle grâce àdes auteurs comme Wajdi Mouawad,Aki Shimazaki et Kim Thuy, qui se tra-duisent directement en français. Ilsviennent ainsi combler, ou plutôt per-pétuer, l’espace autrefois occupé parles auteurs yiddish.

Sherry Simon met en lumièreune partie de la mémoire non officielle de la ville, qui en démontretoute la complexité. Linguisti -quement poreuse, Montréal est unlaboratoire de nouvelles formesd’expression où réussissent à s’af-firmer des langues autres que lefrançais et l’anglais.

Marc Pomerleau, trad. a.

Marc Pomerleau est étudiant au doctorat en traduction à l'Université de Montréal. Ses recherches portent sur le plurilinguisme.

Montréal : émergence, vitalité et mutation d’un troisième espace méconnuD’après Cities in Translation de Sherry Simon

Vue aérienne du quartier Mile-End

B r y a n A . G A R N E R , G a r n e r ’s D i c t i ona r y o f Lega l U sage , T h i r d E d i t i o n , O x f o r dU n i v e r s i t y P r e s s , U S A , 2 0 1 1 ,ISBN13: 9780195384208, 991 pp.

D rawing on his vast experienceas the editor-in-chief of

Black’s Law Dictionary, Bryan A.Garner has published an expandedand revised third edition of whatused to be called A Dictionary ofModern Legal Usage under a newname, Garner’s Dictionary of LegalUsage. A companion volume toGarner’s Modern American Usage,the 2011 edition contains dozens ofnew entries, including indemnifyand modes of interpretation andnewer citations.

I will only touch on a few entrieshere. H.J. Fowler’s elegant variationrefers to an author’s use of an am-biguous synonym to avoid repeatinga word, which results in a loss ofclarity. It is obviously unclear towrite “punitive damages, punitorydamages and punishment dam-ages” all in the same document forthe same thing because the readerwill be inclined to think that themeanings are different. However,the use or misuse of synonyms isnot always so cut and dried.

Redubbed inelegant variation,Garner’s Dictionary of Legal Usage tackles this tricky subject(p. 449): “The rule of thumb with re-gard to undue repetition is that oneshould not repeat a word in thesame sentence if it can be felici-tously avoided. But this is hardly anabsolute proscription.” (Emphasisadded.) Although repetition ensuresconsistency, Garner recognizes thatvariation is important in good writ-ing and legal writing should be goodwriting. In fact, the objection madeby H.J. Fowler, most of whose workGarner claims to have committedto memory,1 relates to the use of

fanciful synonyms, such as replacingcomplainant by protestant when heor she would have been clearer.

In the entry on and, Garnerwrites that “It is a rank superstitionthat this coordinating conjunctioncannot properly begin a sentence”(p. 56). And the same superstitionhas plagued “but.” He then builds acase against using the “ambigu-ous” expression and/or in legal writ-ing, preferring and in some cases, orin others (p. 57).

Legal eagle and legal beagle areconsidered reduplicative phrases inlinguistics (p. 530). Some other ex-amples are fuddy-duddy, hoity-toityand wishy-washy. Legal eagle is anAmericanism that is more than twiceas common as legal beagle in jour-nalistic writing. This synonym forlawyer is used to “enliven” proseand this column’s title.

From this small sampling, youcan see that Garner’s Dictionary ofLegal Usage provides a vast range ofhelpful information on language is-sues. The highly influential and en-tertaining Mr. Garner also con-tributes to Daily Usage Tips atLawprose.com.

Barbara McClintock, C. Tr.

1. Bryan A. Garner, Garner’s Modern AmericanUsage, Third Edition, OUP New York, 2009,Preface to the First Edition, p. XXI

Circu

it • Auto

mne 2012

A Legal Eagle’s Dictionary of Legal Usage

26

Québec-Canada

THIBAUDEAU, Sandra, Le Guide dela communication écrite en anglais,Québec Amérique, 2012, 320 p.,ISBN 978-2-7644-0614-4

L’ouvrage compte plus de 90 ta-bleaux couvrant la majorité des dif-ficultés de rédaction. L’information,présentée en anglais, est enrichie denotes, en français, qui mettent en lu-mière les particularités de la langueet signalent les exceptions. Il s’agitde l’outil idéal pour rédiger descommunications de nature profes-sionnelle ou universitaire.

�

English Language

COLEMAN, Judith, The Life ofSlang, Oxford University Press, 2012,368 p., ISBN 978-0-19-957199-4

This book traces the develop-ment of English slang from the ear-liest records to the latest tweet. Itexplores why and how slang is used,and traces the development of slangin English-speaking nations aroundthe world.

�

LIPPI-GREEN, Rosina, English withan Accent : Language, Ideology andDiscrimination in the United States,2nd Ed., 2011, 360 p., Routledge,ISBN 978-0-415-55911-9

Rosina Lippi-Green discusses theways in which discrim ination basedon accent functions to support andperpetuate social structures and

unequal power relations. This se-cond edition includes: Latino Englishand Asian American English and adiscussion of the long-term implica-tions of the Ebonics debate.

�

Français

RODY, Nelly, Les 101 mots de lamode à l’usage de tous, Archibookset Sautereau, 2012, 104 p., ISBN13 :978-2-35733-192-1

De « accessoires » à « vin-tage », l’auteure introduit en 101mots le système de la mode et sesmultiples facettes. Elle décrit les ac-teurs et le fonctionnement de lachaîne de création et évoque lespièces mythiques, comme la mari-nière de Chanel, et analyse les ten-dances actuelles, en définissant lesanglicismes “fashion victime” et“pop-up store”.

�

Solange Lapierre et Barbara McClintock, C. Tr.

� N o u v e a u t é s l i v r e s

27

Circu

it • Auto

mne 2012

Sciences et techniques

Dictionnaire technique des in-dustries graphiques – Anglais-français, français-anglais, (2e éd.),La Maison du dictionnaire, 2012, 336 p., ISBN 13 : 978-2-85608-281-2

De A comme “acknowledg(e)-ments of the illustrations” à Zcomme “Z-fold”, de l’anglais versle français, et de A comme “aplatsde couleurs” à Z comme “zinc”,toute la terminologie en vigueurdans les industries graphiques :édition, papier, impression, pho-tographie, journalisme. Remise àjour, une référence indispensablede plus de 3 000 entrées et 10 000 expressions.

�

GRENIER, Jean-Guy, Dictionnairedu matériel informatique, d’électro-nique et d’électricité (2e éd.), 2012,La Maison du dictionnaire, 850 p.,ISBN 13 : 978-2-85608-272-0

Réédition d’un dictionnaire anglais-français incontournable :plus de 15 000 termes et expres-sions avec indication du champd’application, exemples de traduc-tions, citations et conseils et mil-liers de sigles et synonymes. Domaines : acoustique, domo-tique, électricité, électroacous-tique, électronique, fibre optique,instrumentation, machines-outils,machines tournantes, matériel informatique, radiophonie, télé-cinéma, télécommunications…

�

Translation Theory

BRYNE, Jody, Scientific andTechnical Translation Explained : ANuts and Bolts Guide for Beginners,St. Jerome Publishing, 2012, 230 p.,ISBN 978-1-905763-36-8

Jody Byrne is a professionaltechnical translator who hastaught translation and localiza-tion. Scientific and technical trans-lation is a complex activity that in-volves communicating informationon a variety of subjects across mul-tiple languages. It requires expertlinguistic knowledge and writingskills, combined with the ability toresearch and understand complexconcepts.

�

LATHEY, Gillian, The Role ofTranslators in Children’s Literature,Invisible Storytellers, Routledge,2012, 245 p., ISBN 978-0-415-63643-8 ; 978-0-415-98952-7

This book offers a historicalanalysis of translated classicalworks for children, such as fairystories by Hans Christian Andersenand Grimms’ tales. Translationsdominated the earliest history ofbooks for children in English, and stories translated from otherlanguages have continued to playan important role to the presentday in English-language children’sliterature.

�

MUNDAY, Jeremy, Evaluation inTranslation, Critical points of transla-tor decision-making, Routledge, 2012,194 p., ISBN 978-0-415-57770-0

Jeremy Munday presents ad-vances towards a general theory ofevaluation in translator decision-making. By ’evaluation’ the authorrefers to how a translator’s subjec-tive stance manifests itself linguisti-cally in a text. The translations stu-died cover a range of languagesaccompanied by an English glossary.

�

ROBINSON, Douglas, Becoming aTranslator, An Introduction to theTheory and Practice of Translation,3rd Ed., Routledge, 2012, 248 p.,ISBN 978-0-415-61590-7

Fusing theory with advice and in-formation about the practicalities oftranslating, Becoming a Translatorexplains how the market works,helps translators learn how to trans-late faster and more accurately andprovides invaluable advice and tips.

�

VENUTI, Lawrence, ed., TheTranslation Studies Reader, 3rd Ed.,Routledge, 2012, 546 p., ISBN 978-0-415-61348-4

The Translation Studies Readerprovides a definitive survey of the

most important and influential developments in translation theoryand research, with an emphasis on20th century developments. Withintroductory essays prefacing eachsection, the book places a widerange of seminal and innovativereadings within their thematic, cultural and historical contexts.

Internet

International Monetary Fundglossary updated

http://wordstodeeds.com/2012/06/06/international-monetary-fund-glossary-updated/

More than 150,000 terms –“words, phrases, and institutionaltitles commonly encountered in IMFdocuments – money and banking,public finance, balance of payments,economic growth… A number of en-tries include a usage field withinsquare brackets, denoting the originof the term – e.g., [OECD] – or acontext – e.g., [trade]. Plus a multi-lingual table and bilingual glossaries.

�

L’application Multidictionnairepour iPhone et iPod Touch dans laboutique App Store

L’application Multidictionnaireoffre sur appareil mobile le contenucomplet des articles de la versionpapier du Multi. On y trouvera unemine de renseignements sur l’or-thographe, la grammaire, la syntaxe,la typographie, la prononciation, lesquébécismes, la conjugaison, leslocutions figées et les interférencesentre le français et l’anglais.

�

Circu

it • Auto

mne 2012

28

À première vue, on pourraitcroire que TermWiki profite

seulement aux traducteurs, termi-nologues et interprètes de cemonde. Rien n’est plus faux : TermWiki est un outil terminolo-gique qui s’adresse à monsieur etmadame tout le monde et qui four-nit des définitions de termes tantôtgénéraux, tantôt spécialisés.

Premières impressionsUne belle surprise nous attend

lorsque nous accédons au site :nous sommes automatiquement re-dirigés vers la version française duwiki par un système de localisationefficace. Qui plus est, des instruc-tions claires, un mot d’ordre généralet une étiquette à suivre — sur la ré-daction des définitions notamment— nous aident à nous lancer rapi-dement dans la confection de fiches.En outre, les domaines proposés parle site sont variés, et il est facile d’ytrouver son compte : arts martiaux,construction, comptabilité, etc. Ilest cependant encore impossibled’ajouter des sous-domaines : nous

avons tenté de créer la division« économie du savoir », mais avonsdû nous contenter du domaine« économie », ce qui n’est pas desplus pratiques.

On ne s’improvise pas terminologue

TermWiki est un site à codesource ouvert, ce qui signifie queses données sont créées et géréespar les utilisateurs. Bref, n’importequi peut y concevoir, modifier ou an-noter une fiche terminologique. Bienque le concept même du contenugénéré par l’utilisateur participe à ladémocratisation du savoir, nousconstatons que la majorité desmembres de TermWiki ne sait pascréer une fiche terminologique dequalité, ce qui contribue au chaoslinguistique. En effet, la plupart desfiches ne contiennent aucune sourceet les définitions sont souvent mé-diocres, sans parler des multiples er-reurs qui les ponctuent. La définitiondu terme « biologie » est en anglaispar exemple, et l’on trouve des en-trées françaises telles que « step up

sur la plaque ». Il appert donc quecertains utilisateurs confondentl’objectif de TermWiki et celui duUrban Dictionary…

Même si les utilisateurs ont l’au-torisation de modifier les fiches, au-cune révision méthodique n’estconduite, ce qui nuit à la qualité générale du produit. TermWiki setransforme alors en un ramassis defiches prétendument terminolo-giques de piètre qualité. Une tellesituation peut décourager bien desprofessionnels d’y consacrer tempset énergie.

Un besoin criant de langagiers

En elle-même, la plate-formeest facile à maîtriser : on doitd’abord créer une fiche en anglais,pour ensuite proposer des équiva-lences dans d’autres langues.Cependant, nous avons remarquéque la plupart des définitions quine sont pas écrites en anglais sontdes traductions. Les utilisateurs nesemblent pas savoir qu’une fiche sedoit de comporter des sourcespropres à chacune des langues. Leterme « gypse / gypsum » en est unexcellent exemple. TermWiki compteaussi un nombre exaspérant de

coquilles comme « premièreé-tape ». De plus, les onglets et les di-visions du site sont innombrables,ce qui rend la navigation parfoiscompliquée, et quelques pages nesont pas traduites.

Un site qui tient quandmême sa promesse

TermWiki se définit avant toutcomme « un site d’apprentissageen groupe qui vise à partager desconnaissances et à mettre en relation des gens qui ont des inté-rêts communs autour du monde1 ».En offrant à ses membres desgroupes de discussion, des forumset de nombreux outils d’aide,TermWiki accomplit sa mission.

Dévoilée au public en mai 2011par l’entreprise CSOFT, la versiongratuite de TermWiki compte déjàplus de 11 millions de termes dans75 langues et des millions d’usa-gers. Alors, bien que l’outil termi-nologique n’en soit encore qu’àses débuts, il a du potentiel si lacommunauté mondiale décide d’ymettre de l’ordre.

Arianne DesRochers et Sonia Corbeil

1. http://fr.termwiki.com/TermWiki:About

D E S M O T S

p c a i g n o n @ a l c o r . c o n c o r d i a . c a

C H R O N I Q U E D I R I G É E P A R P H I L I P P E C A I G N O N

Arianne DesRochers et Sonia Corbei l étudient en t raduct ion à l ’Univers i té Concordia .

TermWiki : survol d’un outilterminologique pas comme les autresOutil informatique unique en son genre, puisqu’il fonctionne de façon libre et ouverte, TermWiki est un outil prometteur qui sait se démarquer par ses points forts… malgré ses lacunes.

29

Circu

it • Auto

mne 2012

Focusterminologique

D E S R E V U E S C H R O N I Q U E D I R I G É E P A R É R I C P O I R I E R

L ’Actualité langagière/LanguageUpdate, Été/Summer 2012, vol. 9,

no 2. Dans ce numéro, Jacques Des-rosiers confirme la légitimité desformes transitive et pronominalede focaliser, verbe à forte occur-rence parmi les gazouillis sur Twitter. Il précise cependant quel’emploi répandu dans les médiasde la forme intransitive de focaliserlui fait penser à une « forme endi-manchée » du barbarisme focus-ser. Par conséquent, il proposequelques verbes et locutions pourremplacer les emprunts focusser etse focusser, qui ne comblentaucune lacune lexicale en français.

Dans son carnet techno, AndréGuyon suggère qu’on étoffe les ex-pressions recherchées quand on in-terroge les moteurs de recherche, etqu’on choisisse judicieusement lesmots-clés. Par ailleurs, MarilyneBérard-Fontaine rappelle l’histoiredes Jeux de la traduction, qui tirentleur origine d’une promesse électo-rale manifestement tenue, puisquele vocable « tradition » y est désor-mais associé, alors qu’André Racicotpulvérise quelques mythes topony-miques véhiculés par les médias. En

se servant du Vaisseau d’or d’ÉmileNelligan, Paul Leroux présente lesdifficultés de la traduction de textespoétiques, notamment la versifica-tion et les métaphores qui pullulentdans ce genre littéraire. Julie L.Gariépy fait l’inventaire des para-mètres à prendre en compte pourchoisir sciemment la mémoire detraduction appropriée. Les termino-logues seront ravis d’apprendre,dans un texte d’Elyse Gendron, quele Comité mixte sur la terminologieau Canada (CMTC) et l’Associationde l’industrie de la langue (AILIA)forment désormais une alliancepour mieux faire valoir et position-ner la terminologie au pays, et detrouver, dans ce numéro estival, uneterminologie multilingue du Web 2.0signée Elisa Paoletti. L. T.

The Linguist vol. 51, no 3, June/July 2012. À partir de l’analyse deplus de 1 500 signes du corpus pro-testataire de la révolution égyp-tienne de 2011, Mariam Aboelezzcommunique ses observations surce « Oust ! » exprimé en plus de 12 langues et signes divers. SusieValerio brosse un tableau de lanarration multilingue et offre aux

nouveaux venus des conseils aviséspour se tailler une place sur ce mar-ché. Le géant du jeu vidéo BlizzardEntertainment dévoile les atouts lin-guistiques qui lui permettent debien desservir à l’international no-tamment les communautés World ofWarcraft et Diablo. Enfin, GeorginaCollins présente quelques stratégiespour traduire vers l’anglais des textesen wolof, langue si riche en nuancessémantiques et culturelles. L. T.

ATA Chronicle mai 2012 –Ángeles Estrada décrit avec humourles affres et les délices de la profes-sion d’interprète. Sawaf et Litchmanprécisent dans quel cas la recon-naissance automatique de la paroleintégrée à la traduction assistée parordinateur peut s’avérer une alliéede taille pour la traduction humaine.Juin 2012 – la FAQ est à l’honneuravec deux articles rédigés sousforme de questions-réponses : stra-tégies de tarification des services detraduction et d’interprétation deJudy Jenner ; pratiques exemplairesde la traduction de manuels de JoãoRoque Dias. Juillet 2012 – Nicole Y.Adams prodigue de judicieuxconseils aux pigistes ensevelis sous

les textes à traduire pour mieuxgérer leur temps et définir les prio-rités. Jenn Mercer révèle ses trucs etastuces pour traduire avec succèsces acronymes qui semblent parfoisnous narguer. Maxwell Hoffmann ra-conte comment symboles et gestesviennent au secours de quiconqueveut vraiment communiquer lorsqueles mots pour dire ou traduire fontdéfaut. Août 2012 – La traductionest en fête : techniques, bouquin etTony Beckwith. L.T.

De quoi alimenter la traduction automatique

L’article « La traduction automatique d’un langage contrôlé »,de Joël Bourgeoys, paru dans le numéro spécial Journées de lin-guistique de la revue Langues et linguistique (2011), porte plusspécifiquement sur les perspectives et les limites de l’utilisationde l’anglais simplifié (ASD Simplified Technical English,Specification ASD-STE100) pour la traduction automatique.

Rappelons brièvement la genèse de cette norme : elle est néedu besoin de bien faire comprendre la documentation de main-tenance d’aéronefs au personnel d’entretien dont l’anglais n’estpas la langue maternelle. Elle a ensuite été intégrée à la normeS1000D, qui régit la production de publications techniques.

L’auteur rappelle que « L’ambiguïté est le problème principalde la traduction automatique. Deux types d’ambiguïté sont pos-sibles quant au mot : l’ambiguïté lexicale et l’ambiguïté morpho-logique. » En conséquence, « Afin de désambiguïser la phrase, ilest nécessaire que le système comporte des informations sur lespropriétés sémantiques des mots », ce qui nécessite d’énormesbases de données.

Une analyse de textes a effectivement montré que l’utilisationde l’anglais simplifié réduisait les ambiguïtés inhérentes auxlangues naturelles, et par conséquent produisait une traductionautomatique de meilleure qualité.

L’auteur conclut que l’utilisation de l’anglais simplifié est prometteuse pour la traduction automatique et il formule quatre recommandations pour améliorer cette méthode de traduction. B. P.

▼

Circu

it • Auto

mne 2012

30

Vive le multilinguisme !

La majeure partie de l’article Lesenjeux de l’étude des langues, parudans le numéro 4 (mars 2012) deLanguages and translation, maga-zine de la Commission européenne,est un argumentaire étoffé en faveurdu multilinguisme dans le contextede l’Union européenne et dans uneperspective d’enseignement deslangues. Difficile d’imaginer la tâcheimmense qui incombe aux traduc-teurs de la Commission, quand on

connaît le nombre de langues utili-sées dans l’Union européenne :« Une fois conscients du foisonne-ment de sens que recouvrent lesvingt-trois langues de l’UE, nous de-vons trouver des stratégies pour ap-privoiser la forêt linguistique, si nousvoulons réussir à vivre ensemble… »L’auteur conclut que l’enseignementdes langues d’Europe est l’un deséléments constitutifs d’une politiquevolontariste nécessaire au dévelop-pement d’une culture de la citoyen-neté européenne. B. P.

http://ec.europa.eu/dgs/trans-lation/publications/magazines/index_en.htm

Louise Thériault et Benoit Paré

Pour en savoir plus sur l’anglais simplifié etsur les liens entre les langages contrôlés etla traduction machine : Simplified Technical English MaintenanceGroup (STEMG) http://en.wikipedia.org/wiki/

Simplified_Technical_Englishhttp://www.muegge.cc/

L a traduction a occupé une placenon négligeable dans les activi-

tés littéraires et les préoccupationsesthétiques d’André Gide, à qui l’ondoit notamment une version fran-çaise de Hamlet de Shakespeare.

L’écrivain André Gide (1869-1951),lauréat du Prix Nobel de littérature en1947, a aussi traduit en français plu-sieurs œuvres étrangères. De plus, entant qu’auteur traduit, il s’est inté-ressé de très près à ce qu’il advenaitde ses œuvres dans les langues qu’ilconnaissait bien, c’est-à-dire l’alle-mand et l’anglais. Tout cela l’a amenéà réfléchir aux problèmes de la tra-duction et à mettre quelques-unes deses réflexions par écrit dans deslettres, des préfaces, des essais etdans son journal.

Le désir de traduire chez Gidenaît principalement de l’enthou-siasme qu’il éprouve à l’égard d’uneœuvre étrangère et du désir derendre cette dernière accessible enfrançais. En outre, la traduction ren-force chez lui une discipline de tra-vail qui lui est salutaire quand il esten panne d’inspiration dans son

œuvre d’écrivain. « Toute forme decrise, et particulièrement dans letravail créatif, a tendance à favori-ser chez l’écrivain le besoin de traduire », écrit à ce sujet PeterSchnyder, qui s’est penché sur le Gide traducteur (Sagaert etSchnyder, p. 68).

De l’anglais, Gide a traduit deuxpièces de Shakespeare, Antoine etCléopâtre et Hamlet, les Œuvreschoisies de Walt Whitman, Typhonde Joseph Conrad, Le Mariage duCiel et de l’Enfer de William Blake,ainsi qu’un drame anonyme duthéâtre élisabéthain, Arden deFeversham. De l’allemand, il a renduen français des fragments desCahiers de Malte Laurids Brigge deRainer Maria Rilke, un fragment deDer Grüne Heinrich de GottfriedKeller, un fragment du Second Faustet le Prométhée de Goethe, ainsique des lettres de Friedrich Hebbel.Mais Gide s’est aussi risqué à proposer une version françaised’œuvres qu’il ne pouvait lire enlangue originale. Ainsi, il donne enfrançais, en 1914, le Gitanjali de

l’écrivain indien RabindranathTagore (1861-1941), à partir d’unetraduction de ce recueil du bengalien anglais par Tagore lui-même, pu-bliée l’année précédente avec unepréface de Yeats.

Gide traduisit Alexandre Pouch-kine (1799-1837), également encollaboration. Dans le cas, parexemple, de sa nouvelle fantas-

tique La Dame de Pique (dont latraduction paraît en 1923), Gide,qui ne savait pas le russe, adaptaen français la traduction littéraleque lui proposaient Jacques Schif-frin et Boris de Schloezer. Une pre-mière traduction française de cetteœuvre, par Mérimée, avait paru aumilieu du dix-neuvième siècle.« Nous nous sommes défendu

L’art de traduire d’André Gide

P A G E S D ’ H I S T O I R E C H R O N I Q U E D I R I G É E P A R P I E R R E C L O U T I E R

p i e r r e . c l o u t i e r @ v i d e o t r o n . c a

d’ajouter rien au style net et dé-pouillé de Pouchkine », écrit Gidedans son avant-propos (Essais cri-tiques, p. 656). Si Gide reprochait àMérimée son parti pris d’enjolive-ment, plusieurs traductologues ontpu observer, dans sa propre pro-duction traductive, une tendance àlaisser transparaître l’élégance deson style au détriment de celui,souvent plus concret, de l’original.

Une tâche qui requierttous ses dons

Gide a mis beaucoup d’ardeur àla tâche. Il est vrai qu’il s’est mesuréà des auteurs, tel Shakespeare, ré-putés difficiles à traduire. Dans sa« Lettre-préface » à sa traduction deHamlet, il écrit que c’est une tâchequi a requis « toute [s]on attention,tous [s]es soins, toutes [s]es vertus,tous [s]es dons » — et il dit espérerque cela ne paraîtra pas, ne sentirapas l’effort (p. 10). Gide estimeque tant que le traducteur deShakespeare n’a rendu que le sensdu texte, il n’a rien fait. Les traduc-teurs de Shakespeare ne peuvent secontenter de rendre sa pensée,croit-il : « Shakespeare n’est pas un“penseur” ; c’est un poète. »

S’il cautionne l’idée de trahi-son, d’après lui inévitable, del’œuvre à traduire, Gide lui trouveun contrepoids dans la pratique dela retraduction : « Si Shakespeareest quelque peu trahi, inévitable-ment, par chacune [des traduc-tions], écrit-il, au moins ne lesera-t-il pas toujours de la mêmefaçon. Chacune de ces versionsaura ses vertus particulières ; c’estde leur faisceau seulement quepourra se recomposer le prisme dugénie diapré de Shakespeare. »(Essais critiques, p. 733)

Traduire est, pour Gide, l’occasionde se pencher sur des problèmesconcrets de langue. Ainsi, en ce qui atrait aux différences entre le françaiset l’allemand, il souscrit à l’idée ex-primée par le linguiste Charles Baillyselon laquelle « le mot français signi-fie plus qu’il ne suggère, et que le motallemand suggère plus qu’il ne signi-fie » (Sagaert et Schnyder, p. 108). Gide porte une attention particulière

au « halo d’évocations et de réminis-cences, sortes d’harmoniques » donts’entoure un vocable et qui ne saurait,être les mêmes dans l’autre langue.

« Qui peut croire que le “soleil”et la “lune” changent impunémentde sexe en quittant le français pourl’allemand ? », se demande-t-il parexemple (Essais critiques, p. 728)1.

Un peu de stylistiquecomparée

Son travail de traduction de l’an-glais au français l’amène à constaterpour ainsi dire de visu le caractèresynthétique de l’anglais et le carac-tère analytique du français, queVinay et Darbelnet souligneront en1958 dans leur Stylistique comparéedu français et de l’anglais. Dansson avant-propos au Théâtre deShakespeare, il note en outre que latendance de la langue anglaise à êtreplus directe et concrète se bute auxexigences de la syntaxe de la languefrançaise, à la rigueur de sa gram-maire (Essais critiques, p. 728).Shakespeare se soucie fort peu de lalogique française, écrit-il. « Lesimages, chez lui, se chevauchent et seculbutent. » C’est là une richesse dontle traducteur ne voudrait rien sacrifier,mais alors, « la traduction devient ex-plicative. La logique y est satisfaite ;mais le charme n’opère plus. »

« Parce que ses traductions luiont beaucoup enseigné sur les dif-ficultés et les dilemmes de celuiqui traduit, Gide se montre trèscompréhensif et indulgent enversles traducteurs de ses propresœuvres », souligne pour sa partBreda Cigoj-Leben. À propos d’unetraduction allemande de sesNourritures terrestres, il écrit quec’est à l’ambiguïté de son propretexte que les passages de la tra-duction qui lui paraissaient insuf-fisants devaient en définitive leurinsuffisance.

Pour accomplir d’une manièresatisfaisante son travail difficile etingrat, un bon traducteur doitconnaître la langue de l’auteur qu’iltraduit, mais, mieux encore, lasienne propre, croit Gide. La tra-duction devient même un exerciceexcellent qui apprend au traducteur

quelles sont les vertus et qualités spécifiques de sa langue,mais aussi ses résistances, ses ré-ticences et ses refus. Ce n’estqu’au contact d’une langue étran-gère qu’on se rend compte des« déficiences » de la sienne. Pourcette raison, Gide recommande àtout auteur francophone de s’oc-cuper aussi de traduction et d’en-richir, ce faisant, la littérature fran-çaise du reflet de quelque œuvreécrite dans une langue étrangèrequ’il maîtrise.

Patricia Godbout, trad. a.

1. On pense aussitôt au très bon article queChristine Klein-Lataud a consacré à cettequestion (« “Le soleil a rendez-vous avec lalune…” ou des problèmes posés par le genredans la traduction vers le français », dans larevue TTR).

BIBLIOGRAPHIECIGOJ-LEBEN, Breda, « Les idées d’André Gide surl’art de la traduction », Bulletin des amisd’André Gide, XII.61, janvier 1984, p. 31-46.

GIDE, André, « Lettre-préface », dans WilliamShakespeare, Hamlet, trad. André Gide, Paris,Gallimard, 1946, p. 7-10.

GIDE, André, Essais critiques, Paris, Gallimard,« Bibliothèque de la Pléiade », édition présen-tée, établie et annotée par Pierre Masson, 1999.

KLEIN-LATAUD, Christine, « “Le soleil a rendez-vous avec la lune…” ou des problèmes posés parle genre dans la traduction vers le français »,TTR, vol. 9, n° 2, 1996, p. 147-164.

SCHNYDER, Peter, « André Gide : entre la traduc-tion et sa glose », dans L’histoire littéraire : sesméthodes et ses résultats. Mélanges offerts àMadeleine Bertaud, réunis par Luc Fraisse,Genève, Librairie Droz S. A., 2001, p. 803-814.

SAGAERT, Martine et Peter SCHNYDER, AndréGide : l’écriture vive, Paris, Presses universi-taires de Bordeaux, 2008.

31

Circu

it • Auto

mne 2012

Patricia Godbout est traductrice et professeure de traduction à l'Université de Sherbrooke. Elle vient de traduire un livre d'E. D. Blodgett, Invention à cinq voix. Une histoire de l'histoire littéraire au Canada (Presses de l'Université Laval, 2012).

broca.ca

LA NOUVELLE RÉFÉRENCE EN GESTION DE FLUX DOCUMENTAIRES

HÉBERGEMENT EN NUAGE SOUS HAUTE SÉCURITÉ

Surveille la charge de travail et assigne les tâches automatiquement en fonction des disponibilités et des expertises

Facilite la prise de décisions stratégiques grâce à des indicateurs de rendement clés

Optimise la productivité par l’élimination des tâches sans valeur ajoutée

FONCTIONNALITÉS CLÉS POUR

VOS PROJETS DE TRADUCTION