{"id":92982,"date":"2024-06-04T15:13:47","date_gmt":"2024-06-04T13:13:47","guid":{"rendered":"https:\/\/phrase.com\/blog\/posts\/il-est-temps-de-reconsiderer-notre-dependance-a-la-fameuse-regle-du-seuil-de-70-en-memoire-de-traduction\/"},"modified":"2024-11-14T13:24:56","modified_gmt":"2024-11-14T12:24:56","slug":"rethinking-tm-threshold","status":"publish","type":"post","link":"https:\/\/phrase.com\/fr\/blog\/posts\/rethinking-tm-threshold\/","title":{"rendered":"Il est temps de reconsid\u00e9rer notre d\u00e9pendance \u00e0 la fameuse r\u00e8gle du seuil de 70 % en m\u00e9moire de traduction"},"content":{"rendered":"\n
\n\n\t\n\t
\n\t\t
\n\t\t\t

Dans mon <\/span>poste pr\u00e9c\u00e9dent<\/span><\/a>, nous avons \u00e9tudi\u00e9 comment l\u2019optimisation par analytique peut am\u00e9liorer notre productivit\u00e9 en traduction. Nous avons mis en avant deux points cl\u00e9s : la n\u00e9cessit\u00e9 d’am\u00e9liorer notre seuil sous-optimal de m\u00e9moire de traduction (MT), et le fait que m\u00eame une augmentation de seulement 1 % de la qualit\u00e9 de la pr\u00e9-traduction automatique peut r\u00e9duire le temps d’\u00e9dition de 3 secondes. Aujourd’hui, nous allons reprendre o\u00f9 nous nous sommes arr\u00eat\u00e9s et plonger dans le graphique aveugle que nous avons annonc\u00e9 \u00e0 la fin de notre dernier post.<\/span><\/p>\n

Aujourd\u2019hui, avec des l\u00e9gendes:<\/span><\/p>\n\t\t<\/div>\n\t<\/div>\n<\/div>\n\n\n\n

\n\n\t\n\t
\n\t\t
\n\t\t\t
\"\"
The blue chart illustrates the average editing time of a segment relative to its TM Fuzzy score. The red chart illustrates the average editing time of a segment relative to its QPS score.<\/figcaption><\/figure>\n\t\t<\/div>\n\t<\/div>\n<\/div>\n\n\n\n
\n\n\t\n\t
\n\t\t
\n\t\t\t

Avant de nous plonger dans l’interpr\u00e9tation du graphique, il est crucial de comprendre la nature distincte des deux scores. D\u00e9composons d\u2019abord ce que ces scores signifient vraiment, comment ils interagissent et pourquoi ils sont essentiels pour nos strat\u00e9gies d\u2019optimisation. Ainsi, nous pouvons mieux appr\u00e9cier les informations que le graphique offre et prendre des d\u00e9cisions adapt\u00e9es pour am\u00e9liorer nos flux de traduction.<\/span><\/p>\n

La correspondance approximative de la m\u00e9moire de traduction est comme l’elfe dans l’atelier du P\u00e8re No\u00ebl. Il parcourt la m\u00e9moire de traduction en trouvant un segment qui ressemble \u00e0 ce que vous avez d\u00e9j\u00e0 traduit pr\u00e9c\u00e9demment, et dit : \u00ab\u00a0Hey, c’est la phrase la plus proche que tu as d\u00e9j\u00e0 traduite.\u00a0\u00bb Mais \u00e0 moins que ce score touche un 100 parfait ou un 101 magique, ce n’est pas une correspondance exacte, et il a surtout besoin d’une retouche d’un linguiste. Donc, bien que la correspondance approximative soit tr\u00e8s utile, cela reste seulement l’aide du P\u00e8re No\u00ebl. Cela signifie donc que l’automatisation avec seulement la correspondance approximative n’est pas possible.\u00a0<\/span><\/p>\n

La traduction automatique, c’est comme vouloir devenir le P\u00e8re No\u00ebl soi-m\u00eame, en visant \u00e0 produire la traduction finale par soi-m\u00eame. Elle dispose de \u00ab\u00a0correspondances historiques\u00a0\u00bb dans son ensemble d’apprentissage, o\u00f9 elles sont essentiellement int\u00e9gr\u00e9es dans le r\u00e9seau de neurones gr\u00e2ce \u00e0 l’apprentissage automatique. Ce r\u00e9seau c\u00e9r\u00e9bral peut sortir des sentiers battus, ce qui lui permet de traduire de nouveaux textes qu\u2019il n\u2019a jamais rencontr\u00e9s auparavant. Et c’est une grande diff\u00e9rence face \u00e0 la m\u00e9moire de traduction, qui ne peut pas.<\/span><\/p>\n

La correspondance approximative est essentiellement un simple <\/span>algorithme<\/span><\/i>de comparaison, qui ne peut pas produire la traduction finale. Mais parce que nous connaissons pr\u00e9cis\u00e9ment son fonctionnement, nous pouvons compter avec confiance sur les correspondance approximatives qu’il g\u00e9n\u00e8re. La capacit\u00e9 de la m\u00e9moire de traduction \u00e0 produire un score de confiance \u00e9lev\u00e9 provient de son algorithme pr\u00e9visible et direct.<\/span><\/p>\n

La traduction automatique a la capacit\u00e9 de produire une traduction finale, ce qui est plut\u00f4t impressionnant. Cependant, le hic, c\u2019est que nous ne savons pas tr\u00e8s bien comment il a donn\u00e9 ses r\u00e9sultats. Le fonctionnement des r\u00e9seaux neuronaux derri\u00e8re la traduction automatique op\u00e8re d’une mani\u00e8re un peu opaque, ce qui en fait en partie un myst\u00e8re.<\/span><\/p>\n

C’est exactement pourquoi tant d’efforts et de ressources ont \u00e9t\u00e9 consacr\u00e9s au d\u00e9veloppement d’un algorithme fiable de score des r\u00e9sultats de traduction automatique. Chez Phrase, c’est un pivot de notre domaine de recherche depuis de nombreuses ann\u00e9es. L’algorithme a \u00e9volu\u00e9 de mani\u00e8re significative au fil du temps, rempla\u00e7ant notamment l’\u00e9valuation de la qualit\u00e9 de la traduction automatique (MTQE) originale, qui se concentrait sur l’estimation de la distance d’\u00e9dition n\u00e9cessaire pour corriger la sortie de la traduction automatique. Il est depuis pass\u00e9 au score de qualit\u00e9 de performance de Phrase (QPS), qui int\u00e8gre des donn\u00e9es de post-\u00e9dition humaine et des \u00e9valuations structur\u00e9es align\u00e9es sur le syst\u00e8me MQM, standard du secteur.<\/span><\/p>\n

Essentiellement, le <\/span>Phrase QPS<\/span><\/a> est con\u00e7u pour imiter une notation attendue d’un linguiste utilisant le syst\u00e8me MQM. Cela signifie que le score refl\u00e8te une \u00e9valuation compl\u00e8te et humaine de la qualit\u00e9 de la traduction, l’\u00e9valuant avec la m\u00eame rigueur et les m\u00eames crit\u00e8res qu’un linguiste professionnel. C\u2019est le type de donn\u00e9es sur lequel nous l\u2019entra\u00eenons.<\/span><\/p>\n

Comment savoir si les scores de Phrase QPS sont fiables ? C’est l\u00e0 que le graphique que nous avons mentionn\u00e9 pr\u00e9c\u00e9demment entre en jeu. Il d\u00e9montre une corr\u00e9lation solide entre les scores QPS d’un segment et son temps d’\u00e9dition. Il montre que les scores \u00e9lev\u00e9s requi\u00e8rent une intervention moindre des linguistes. Essentiellement, plus le score est \u00e9lev\u00e9, moins les r\u00e9visions co\u00fbteuses et chronophages sont n\u00e9cessaires. Ce genre de corr\u00e9lation est exactement ce que nous voulons voir : elle confirme que l\u2019algorithme de notation fait sa t\u00e2che efficacement. Et malgr\u00e9 le fait d’\u00eatre un nouveau dans le domaine, il a sa place en tant que partenaire de confiance dans notre bo\u00eete \u00e0 outils d’automatisation.<\/span><\/p>\n\t\t<\/div>\n\t<\/div>\n<\/div>\n\n\n\n

\n\n\t\n\t
\n\t\t
\n\t\t\t

\"\"<\/p>\n\t\t<\/div>\n\t<\/div>\n<\/div>\n\n\n\n

\n\n\t\n\t
\n\t\t
\n\t\t\t

En regardant plus loin les donn\u00e9es, nous voyons quelque chose d\u2019assez int\u00e9ressant : Les scores de correspondance approximative ne battent la traduction automatique uniquement lorsque la correspondance est parfaite \u00e0 100 ou 101. Cela vient bouleverser la l\u00e9gitimit\u00e9 de la r\u00e8gle du seuil de 70% de m\u00e9moire de traduction que l’industrie avait adopt\u00e9. On dirait que cette r\u00e8gle ne tiendra peut-\u00eatre pas la route \u00e0 moins que les correspondances ne soient presque parfaites, ce qui donne d\u00e9finitivement \u00e0 cette norme un nouveau jour moins flatteur. Il est peut-\u00eatre temps de repenser \u00e0 quel point nous d\u00e9pendons de cette r\u00e8gle des 70%.<\/span><\/p>\n

Si tu as d\u00e9j\u00e0 abandonn\u00e9 la r\u00e8gle du seuil MT 70 %, tu as peut-\u00eatre d\u00e9j\u00e0 un coup d’avance. Mais dans <\/span>mon dernier poste<\/span><\/a>, je soulignais \u00e0 quel point la r\u00e8gle des 70% reste le seuil le plus couramment utilis\u00e9. Cette norme \u00e9tablie est associ\u00e9e \u00e0 une balise de prix \u00e9lev\u00e9e.<\/span><\/p>\n

Un autre point \u00e0 noter est que, que la traduction initiale ait \u00e9t\u00e9 faite par m\u00e9moire de traduction ou par traduction automatique, un segment mal pr\u00e9-traduit n\u00e9cessite g\u00e9n\u00e9ralement environ 20 \u00e0 25 secondes pour \u00eatre corrig\u00e9.<\/span><\/p>\n

Enfin, il est important de noter la raideur de la ligne rouge, qui indique une diminution d’environ 1 seconde du temps d’\u00e9dition par segment pour chaque r\u00e9duction de 1 point du Seuil QPS dans la pr\u00e9-traduction avec m\u00e9moire de traduction. Cela sugg\u00e8re qu’un l\u00e9ger abaissement du seuil de qualit\u00e9 pourrait permettre de gagner beaucoup de temps.<\/span><\/p>\n

Combien votre entreprise pourrait \u00e9conomiser ? Pr\u00e9parez-vous \u00e0 d\u00e9couvrir les secrets cach\u00e9s pour faire des \u00e9conomies sur les co\u00fbts ! D\u00e9couvrez les seuils optimaux pour la m\u00e9moire de traduction et le score QPS pour vos projets. Les r\u00e9ponses \u00e0 ces questions cruciales sont juste \u00e0 notre port\u00e9e.<\/span><\/p>\n\t\t<\/div>\n\t<\/div>\n<\/div>\n\n\n\n

\n\n\t\n\t
\n\t\t
\n\t\t\t
\n

\u00a0<\/p>\n\t\t<\/div>\n\t<\/div>\n<\/div>\n\n\n\n

\n\t
\n\t\t\t\t
\n\t\t\t

Rejoignez notre webinaire d’experts dans le domaine<\/h3>\n

Le 16 octobre 2024 \u00e0 16h30 CEST | 10h30 EDT<\/strong><\/span><\/p>\n

Rejoignez-nous pour un webinaire r\u00e9volutionnaire o\u00f9 nous contestons la d\u00e9pendance de l\u2019industrie au seuil de 70 % de m\u00e9moire de traduction de traduction (MT) pour les pr\u00e9-traductions. Nous vous r\u00e9v\u00e9lerons comment tirer parti de la traduction automatique pour des scores de m\u00e9moire de traduction compris entre 70 et 98 % afin d’am\u00e9liorer la productivit\u00e9 des traductions et acc\u00e9l\u00e9rer les d\u00e9lais des projets.<\/p>\n

Inscrivez-vous<\/a><\/p>\n\t\t<\/div>\n\t<\/div>\n<\/div>\n\n","protected":false},"excerpt":{"rendered":"

D\u00e9couvrez comment les outils d’analytiques avanc\u00e9s de Phrase TMS peuvent transformer l\u2019efficacit\u00e9 d’une entreprise. Explorez de puissants tableaux de bord, des informations personnalis\u00e9es et d\u2019importantes am\u00e9liorations \u00e0 venir pour am\u00e9liorer les processus et faire passer votre efficacit\u00e9 au niveau suivant.<\/p>\n","protected":false},"author":72,"featured_media":43487,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_stopmodifiedupdate":false,"_modified_date":"","_searchwp_excluded":"","footnotes":""},"categories":[2458],"class_list":["post-92982","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-gestion-des-traductions-fr"],"acf":[],"_links":{"self":[{"href":"https:\/\/phrase.com\/fr\/wp-json\/wp\/v2\/posts\/92982"}],"collection":[{"href":"https:\/\/phrase.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/phrase.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/phrase.com\/fr\/wp-json\/wp\/v2\/users\/72"}],"replies":[{"embeddable":true,"href":"https:\/\/phrase.com\/fr\/wp-json\/wp\/v2\/comments?post=92982"}],"version-history":[{"count":2,"href":"https:\/\/phrase.com\/fr\/wp-json\/wp\/v2\/posts\/92982\/revisions"}],"predecessor-version":[{"id":92984,"href":"https:\/\/phrase.com\/fr\/wp-json\/wp\/v2\/posts\/92982\/revisions\/92984"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/phrase.com\/fr\/wp-json\/wp\/v2\/media\/43487"}],"wp:attachment":[{"href":"https:\/\/phrase.com\/fr\/wp-json\/wp\/v2\/media?parent=92982"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/phrase.com\/fr\/wp-json\/wp\/v2\/categories?post=92982"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}