Hadi Dolatabadi; Esmaeel Farnoud
Résumé
La traduction automatique (TA) occupe une place cruciale dans le paysage des technologies linguistiques modernes dans un contexte de mondialisation accrue. En s’appuyant sur des algorithmes sophistiqués et des réseaux neuronaux profonds, les systèmes de TA tels que Google Traduction ...
La traduction automatique (TA) occupe une place cruciale dans le paysage des technologies linguistiques modernes dans un contexte de mondialisation accrue. En s’appuyant sur des algorithmes sophistiqués et des réseaux neuronaux profonds, les systèmes de TA tels que Google Traduction et DeepL permettent une traduction rapide et accessible. Cependant, ces systèmes se heurtent à des limites importantes lorsqu’ils traitent des structures avec une complexité grammaticale et culturelle, particulièrement en ce qui concerne les dimensions liées au genre. Nous essayons d’explorer les enjeux de la traduction automatique dans les langues genrées à travers une étude comparative des performances de Google Traduction et de DeepL pour la traduction de l’anglais vers le français en nous basant sur la question des noms de métier, représentatifs des stéréotypes genrés. En se fondant sur une analyse rigoureuse des résultats obtenus à partir de notre corpus conçu intentionnellement pour interroger les capacités de ces plateformes à prendre en compte des indicateurs de genre, cette recherche met en lumière les limites des systèmes actuels, notamment leur incapacité à répondre aux exigences contextuelles et culturelles des langues genrées.