Cette vitalit\u00e9 des technologies linguistiques (\u00abLanguageTech\u00bb) s\u2019explique en partie par l\u2019arriv\u00e9e de nouveaux proc\u00e9d\u00e9s. En traduction automatique par exemple, trois m\u00e9thodes ont vu le jour depuis les ann\u00e9es 1950. Il y a d\u2019abord eu la m\u00e9thode dite linguistique \u00abLes plus simples de ces syst\u00e8mes informatiques traduisaient mot-\u00e0-mot avec un dictionnaire bilingue\u00bb, explique Pierrette Bouillon, doyenne de la Facult\u00e9 de traduction et d\u2019interpr\u00e9tation de l\u2019Universit\u00e9 de Gen\u00e8ve. L\u2019approche statistique, fond\u00e9e sur des corpus de textes, a ensuite \u00e9merg\u00e9. \u00abLa machine apprend \u00e0 partir de traductions d\u00e9j\u00e0 existantes, d\u00e9coupe la phrase \u00e0 traduire en segments, puis choisit la traduction des segments la plus probable.\u00bb Aujourd\u2019hui, les g\u00e9ants du web misent sur les r\u00e9seaux de neurones. \u00abDans un syst\u00e8me de r\u00e9seaux de neurones, la machine se nourrit aussi de corpus de textes, mais fait de l\u2019apprentissage profond. Les mots y sont repr\u00e9sent\u00e9s num\u00e9riquement. Le syst\u00e8me peut ainsi \u00e9tablir des relations entre les mots et mieux g\u00e9n\u00e9raliser. Il a aussi une meilleure notion de contexte, car il ne choisit pas la traduction d\u2019un mot sur la base des quelques mots qui pr\u00e9c\u00e8dent, mais il prend en compte toute la phrase source et cible\u00bb<\/p>\n
En Europe, l\u2019Allemande DeepL tire profit de ces fameux r\u00e9seaux de neurones. Apr\u00e8s son premier succ\u00e8s avec le moteur de recherche de traductions Linguee (plus de dix milliards de demandes depuis sa cr\u00e9ation en 2010), elle a lanc\u00e9 en 2017 un service dans sept langues, cens\u00e9 concurrencer Google Traduction. \u00abLe traducteur automatique de DeepL est une tr\u00e8s grande r\u00e9ussite et ce, pour deux raisons, souligne Fran\u00e7ois Yvon, professeur \u00e0 l’Universit\u00e9 Paris Sud et chercheur au Centre national de la recherche scientifique (CNRS). Contrairement \u00e0 Google qui se base sur toutes les donn\u00e9es pr\u00e9sentent dans ses applications, il travaille \u00e0 partir d\u2019un corpus de grande qualit\u00e9, notamment des textes des institutions de l’UE, que la soci\u00e9t\u00e9 utilisait d\u00e9j\u00e0 sur son moteur de recherche de traduction Linguee. Deuxi\u00e8mement, son interface se distingue par sa fluidit\u00e9 et sa r\u00e9activit\u00e9.\u00bb<\/p>\n
![\"\"](\"https:\/\/largeur.com\/wp-content\/uploads\/2018\/10\/img_du_jour_27092018.jpg\")
<\/p>\n
Reconnaissance vocale et adaptive learning<\/em><\/strong><\/p>\n Dans le domaine de l\u2019apprentissage des langues, les applications linguistiques sont \u00e0 l\u2019avant-garde de l\u2019adaptive learning<\/em>\u00a0– cr\u00e9ation de supports d\u2019apprentissage qui changent en fonction des besoins de chaque apprenant – et de la reconnaissance vocale. \u00abNous utilisons d\u00e9j\u00e0 la reconnaissance vocale pour identifier le niveau de l\u2019\u00e9tudiant\u00bb, annonce ainsi Marc Vicente, directeur de l\u2019acad\u00e9mie d\u2019anglais en ligne ABA English. La m\u00e9thode de la soci\u00e9t\u00e9 barcelonaise, qui compte plus de 80 employ\u00e9s et anticipe un revenu net de 12 millions d\u2019euros en 2018 (+25% par rapport \u00e0 2017), repose sur trois piliers. \u00abNos \u00e9tudiants regardent des films en streaming avec des sc\u00e9narios du quotidien. Ils pratiquent des activit\u00e9s de grammaire, de prononciation et d\u2019\u00e9coute, etc. Enfin, ils re\u00e7oivent les explications d\u2019un professeur particulier.\u00bb Avec un million d\u2019\u00e9tudiants actifs chaque mois, l\u2019entreprise est bien implant\u00e9e au Br\u00e9sil, en Italie, en Espagne, en France, au Mexique et aux \u00c9tats-Unis. Elle vise aussi d\u00e9sormais la Russie, la Turquie et la Chine.<\/p>\n Lalilo, start-up qui soutient l\u2019apprentissage de la lecture et de l\u2019\u00e9criture en fran\u00e7ais et en anglais, va encore plus loin. Laurent Jolie, co-fondateur et dipl\u00f4m\u00e9 de l\u2019\u00c9cole polytechnique (l\u2019X) r\u00e9sume son produit: \u00abLe meilleur moyen d\u2019apprendre est de lire tr\u00e8s souvent \u00e0 voix haute. Or, dans une grande classe avec un seul enseignant, il est difficile pour les \u00e9l\u00e8ves de tous s\u2019exercer \u00e0 la lecture.\u00bb Avec Lalilo, les \u00e9tudiants peuvent lire \u00e0 voix haute, m\u00eame si le professeur ne se trouve pas \u00e0 c\u00f4t\u00e9 d\u2019eux. \u00abLa machine sera capable d\u2019analyser leurs discours et de reconna\u00eetre leurs erreurs d\u2019\u00e9locution. Elle pourra ensuite adapter les exercices qu\u2019elle leur propose.\u00bb<\/p>\n Vers la disparition des professionnels?<\/strong><\/p>\n Les machines remplaceront-elles enseignants et traducteurs? La plupart des outils europ\u00e9ens ne visent pas \u00e0 remplacer le travail des professionnels, mais le compl\u00e8te, selon Marc Vicente: \u00abLes applications qui promettent d\u2019apprendre une langue avec dix minutes d\u2019exercices ludiques par jour ne suffisent pas. L\u2019immersion et le contact avec un sp\u00e9cialiste sont indispensables.\u00bb<\/p>\n Du c\u00f4t\u00e9 de la traduction et de l\u2019interpr\u00e9tation, on sait que les nouveaux outils ne sont pas parfaits. \u00abS\u2019il s\u2019agit du sens minoritaire d\u2019un mot, le syst\u00e8me se trompera presque \u00e0 chaque fois, pr\u00e9cise Fran\u00e7ois Yvon. De m\u00eame, le traducteur automatique ne parvient pas \u00eatre coh\u00e9rent dans un texte entier.\u00bb Pierrette Bouillon cite, entre autres, les omissions ou les probl\u00e8mes de ponctuation parmi les limites des traducteurs automatiques neuronaux. \u00abCes outils constituent un gain de temps et un bon point de d\u00e9part, mais la post-\u00e9dition par un professionnel se r\u00e9v\u00e8le toujours n\u00e9cessaire\u00bb.<\/p>\n Le secteur du traitement des langues a encore de beau jour devant lui. Le march\u00e9 global des traducteurs automatiques pourrait atteindre 983 millions de dollars d\u2019ici 2022 (avec une croissance annuelle moyenne de 14,6%) et celui de l\u2019apprentissage en ligne des langues devrait augmenter de 18,97% en moyenne par ann\u00e9e entre 2017 et 2021. \u00abLe nombre de chercheurs et d\u2019industriels actifs dans le domaine pourrait augmenter dans toute l\u2019Europe, avec l\u2019adoption le 11 septembre dernier d\u2019une r\u00e9solution sur l\u2019\u00e9galit\u00e9 des langues \u00e0 l\u2019\u00e8re num\u00e9rique\u00bb, avance Fran\u00e7ois Yvon. Le Parlement europ\u00e9en, qui communique lui-m\u00eame dans 24 langues, y appelle \u00e0 d\u00e9velopper de nouveaux programmes de recherche et d\u2019\u00e9ducation en mati\u00e8re de communication num\u00e9rique et de technologies linguistiques. Il insiste en particulier sur le r\u00f4le b\u00e9n\u00e9fique de ces derni\u00e8res pour la croissance et la soci\u00e9t\u00e9.<\/p>\n _______<\/p>\n