TransType

But et fonctionnalités

Résumé des résultats (en anglais) publié en octobre 2009 dans les Communications of the ACM

Fiche de projet sur le site CORDIS

Le but du projet TransType est de développer un nouveau type d’outil d’aide à la traduction qui mise sur l’interactivité. Le système observe le traducteur qui tape son texte cible et périodiquement propose des extensions à ce texte. Le traducteur peut accepter ces complétions telles quelles, il peut les modifier, ou il peut décider de ne pas en tenir compte en continuant simplement à taper. Après chaque nouveau caractère entré ou éliminé par le traducteur, TransType recalcule ses prédictions sur la suite du texte cible et essaie de proposer une nouvelle complétion. Voici un cliché d’écran de TransType lors d’une séance de traduction :

Un tel système aide le traducteur de différentes façons :

  • lorsque le traducteur vise un certain texte cible, les complétions du système peuvent en accélérer la saisie;
  • lorsque le traducteur cherche une formulation adéquate, les propositions du système servent de suggestions;
  • si le traducteur commet une erreur, le système pourrait l’avertir, soit implicitement en refusant de fournir une complétion, soit explicitement en y attachant une note pour révision ultérieure.

L’originalité de ce projet réside dans le mode d’interaction entre l’utilisateur et la technologie de traduction automatique (TA) sur laquelle TransType est basé. Traditionnellement, les systèmes de TA interactifs font appel à l’utilisateur afin de les aider à analyser le texte source; une fois le texte source désambiguïsé grâce à l’intervention de l’humain, le système reprend le contrôle et produit sa traduction automatiquement. Ceci est peut-être justifié dans certaines circonstances, par exemple lorsque l’utilisateur ne maîtrise pas la langue cible; mais généralement, les traducteurs n’apprécient pas cette approche parce qu’elle demande des compétences (en linguistique formelle) qui ne sont pas forcément les leurs. Dans TransType, par contre, l’objet des interactions entre l’utilisateur et le système est le texte cible, ce qui rejoint plus naturellement les compétences d’un traducteur.

Ce type d’interactivité pose un certain nombre de défis techniques. D’abord, contrairement à des systèmes de TA classiques, TransType doit tenir compte non seulement du texte source mais également du préfixe, ou de la partie du texte cible que l’utilisateur a déjà tapée. Qui plus est, le système devrait restreindre ses propositions à celles dont il est raisonnablement confiant; et il devrait les adapter au contexte courant, basé sur ce qu’il a appris du traducteur. Deuxièmement, le système doit pouvoir fonctionner en temps réel, de façon suffisamment rapide pour suivre l’utilisateur pendant qu’il tape. Finalement, le système doit afficher ses prédictions d’une manière conviviale, sans gêner le traducteur, tout en permettant l’insertion facile de ses complétions.

  • Vous pouvez voir une animation (GIF animé) d'un extrait d'une session de traduction du français vers l'anglais

Historique, personnel de recherche et partenaires

La première phase du projet (de 1997 à 2000) a été financée par le Conseil de recherche en sciences naturelles et en génie du Canada (CRSNG).

Une deuxième phase a été lancée en mars 2002 et a pris fin au cours de l’été 2005. Deux nouvelles langues, l’espagnol et l’allemand, ont été ajoutées au prototype original, ainsi qu’un certain nombre d’améliorations technologiques visant à augmenter la portée des prédictions et la convivialité de l’interface. Pour plus d’informations sur la deuxième partie du projet, vous pouvez visiter télécharger ce dépliant (PDF 100K).

TT2 impliquait des partenaires canadiens et internationaux.

Au RALI, les principaux chercheurs qui ont été impliqués dans le projet sont : Guy Lapalme, Philippe Langlais, Elliott Macklovitch, Simona Gandrabur et Ngoc Tran Nguyen.

Au Canada, TransType2 était financé par :

La technologie : réalisations et défis

Pour qu’un tel système puisse réellement accélérer le processus traductionnel, il faut relever un certain nombre de défis technologiques. Le RALI s’est penché sur ces défis dans le cadre de ses travaux sur TransType, passés et présents.

La justesse et la vitesse des prédictions de traduction

Plus les prédictions sont justes, plus le traducteur sera enclin à les accepter, sauvant ainsi du temps de frappe. Or, il y a souvent un compromis à faire entre la vitesse de calcul et la justesse des prédictions. Les stratégies que nous avons explorées dans ce contexte visent à améliorer les modèles de traduction statistiques et les techniques de décodage.

Foster et al. ([Article 1] [Article 2]) proposent une approche innovatrice basée sur l’entropie maximale. De leur côté, Langlais et al. (publications) explorent différents types de modèles de traduction, que ce soit à base de mots, à base de groupes de mots ou de mémoires de traduction, ainsi que diverses stratégies de décodage. Nous avons également expérimenté des techniques de rescoring qui exploitent l’apprentissage automatique (publications).

Calcul du bénéfice à l’utilisateur

Ce genre d’outil stochastique sera généralement en mesure de proposer plusieurs prédictions de traduction, de longueurs variées. Étant donné les faiblesses de la technologie de TA actuelle et les ambiguïtés que renferment la plupart des textes sources, des erreurs sont inévitables. Ainsi, il est important que le système puisse choisir les complétions optimales. Pour évaluer ce qui est optimal, il faut d’abord estimer le bénéfice que l’utilisateur retirera en termes de gains de vitesse de frappe, par rapport au temps qu’il perdra en lisant les mauvaises prédictions. Ce genre de calcul du bénéfice est effectué au moyen d’un modèle formel de l’utilisateur construit à partir de données provenant des essais opérationnels du système (publications).

Deuxièmement, il nous faut une idée précise de la fiabilité de chaque prédiction de traduction. Ceci correspond à ce qu’on appelle l’estimation de confiance pour la traduction automatique. Le RALI a été un des premiers laboratoires de recherche à explorer les mesures de confiance et les techniques servant à les mesurer dans le domaine de la TA (publications). Ces idées étaient inspirées de techniques semblables qui sont d’usage courant en reconnaissance de la parole mais qui n’ont pas encore percé dans d’autres domaines du traitement de la langue. Grâce à cette initiative, deux chercheurs du RALI ont été invités à organiser un atelier sur ce thème au prestigieux institut d’été de l’université Johns Hopkins en 2003.

La convivialité de l’interface homme-machine

Dans le projet TransType2, le RALI a été responsable de l’implémentation et de l’optimisation de l’interface graphique du système. En plus de répondre aux demandes et aux attentes des utilisateurs, il fallait aussi intégrer trois moteurs de traduction différents au sein d’une même interface graphique. Qui plus est, la dernière version de l’interface a permis certaines interactions avec le système au moyen de la voix.

Évaluation

Un outil d’avant-garde comme TransType doit être testé dans son véritable milieu de travail; pour évaluer son impact, il faut que les traducteurs l’utilisent pour effectuer des travaux de traduction réels. Le RALI a été responsable de coordonner les essais de TransType chez les deux services de traduction qui participaient au projet, et de compiler les résultats de ces évaluations en termes de statistiques compréhensives. Dans le but de faciliter cette tâche, nous avons développé un outil, appelé TTPlayer, qui lit un fichier de trace détaillé produit lors d’une séance de traduction, qui en génère des statistiques synthétiques et qui peut même « rejouer » la séance, à la manière d’un magnétoscope. Les données que nous avons recueillies lors de ces essais in situ étaient extrêmement utiles non seulement pour mesurer la performance de TransType mais aussi pour jauger notre méthodologie d’évaluation elle-même. Ces données pourraient également aider à développer d’autres techniques de traduction assistée qui visent à s’adapter aux utilisateurs et aux différents domaines.

Lors des dernières rondes d'évaluation de TransType, la plupart des traducteurs qui participaient aux essais ont enregistré des gains de productivité assez impressionnants, augmentant leur productivité parfois de 30 à 55% sur le même type de textes grâce aux prédictions fournies par le système. Les essais ont également fait ressortir certaines modifications qu'il faudrait apporter à TransType pour faire du prototype un outil exploitable dans la pratique quotidienne des traducteurs: par exemple, la capacité du système de modifier ses modèles de traduction en fonction des corrections apportées par les utilisateurs. Ces points feront l'objet de travaux futurs.

Les résultats finaux des essais de TransType2 ont été publiés dans

Elliott Macklovitch. TransType2: The Last Word. Proceedings of LREC 2006, Genoa, Italy, may 2006.