pathdoc - stock.adobe.com
IA : DeepL remet de l’humain dans la boucle pour affiner ses traductions
Spécialiste de la traduction par IA, DeepL annonce une fonctionnalité destinée à améliorer ses résultats en questionnant l’utilisateur lors du processus. Une approche qui doit permettre d’adapter les résultats au contexte sans passer par un RAG ou du fine-tuning.
DeepL, la pépite allemande de la traduction par IA, va modifier son interface et son expérience utilisateur. Lors d’une traduction, l’outil posera des questions à l’utilisateur pour lever d’éventuelles ambiguïtés identifiées par son LLM.
Baptisée « Clarify », cette fonctionnalité cherche des ajustements contextuels. Une fois un texte soumis à la traduction, il suggère des précisions sur certains termes ou expressions : choix du genre grammatical, interprétation de termes spécialisés, références culturelles ou encore variations syntaxiques.
Vers plus d’interactions IA-Humain
Selon DeepL, cette approche interactive permettrait d’améliorer la qualité des traductions, notamment dans les secteurs nécessitant une grande précision, comme le juridique ou les domaines techniques et technologiques.
« D’un point de vue technique, c’est une étape formidable pour notre entreprise. Ce n’est que le début d’une longue série d’innovations axées sur l’interactivité que nous préparons », promet Sebastian Enderlein, CTO de DeepL.
Et vers un « assistant » traducteur
Jarek Kutylowski, fondateur et directeur général de DeepL, considère que cette évolution marque une transition vers une IA qui ressemble plus à un assistant qu’à une traduction automatisée.
« Avec Clarify, nous ne proposons pas seulement une traduction, mais une véritable collaboration entre l’utilisateur et l’IA, pour aboutir à un texte plus fidèle à l’intention d’origine », souligne-t-il.
Ce lancement intervient dans un contexte où les entreprises rechercheraient de plus en plus des solutions adaptées à des besoins métiers spécifiques.
Une IA linguistique qui s’appuie sur un LLM
DeepL repose sur un modèle de traduction neuronale optimisé grâce à des ensembles de données multilingues. L’architecture du moteur d’IA intègre des techniques de transformer learning (à la base des LLM de l’IA générative), une approche qui permet d’analyser le contexte global d’un texte plutôt que de traiter les phrases de manière isolée.
Cette capacité contextuelle est essentielle pour la gestion des subtilités linguistiques, notamment dans les langues aux structures complexes. Elle a également permis à DeepL de proposer d’autres outils, comme la ré-écriture de textes (Write) ou la traduction vocale en speech-to-text en temps réel (Voice).
Pour adapter encore plus les traductions, DeepL proposait bien un lexique personnalisable par l’utilisateur, mais pas de RAG ou de fine-tuning. Clarify permet, jusqu’à un certain point, de s’en passer.
La fonctionnalité est disponible pour les clients payants, mais uniquement en anglais et en allemand. D’autres langues devraient suivre, promet DeepL.
