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.
Roya Khalasi; Marjan Farjah
Résumé
Le fait qu’au contraire du persan le français est une langue genrée implique des problèmes pour la traduction automatique des pronoms sujets de 3e personne depuis le persan vers le français. Dans la présente étude, nous voudrions vérifier l’accord ...
Le fait qu’au contraire du persan le français est une langue genrée implique des problèmes pour la traduction automatique des pronoms sujets de 3e personne depuis le persan vers le français. Dans la présente étude, nous voudrions vérifier l’accord des pronoms sujets de 3e personne dans le système de traduction en ligne de Google Translate persan-français de 50 extraits tirés d’une collection d’écrits de Sadegh Hedayat, choisis et compilés par Mohammad Baharlou (1994). Notre objectif principal est de savoir à quel point la traduction automatique des pronoms sujets de 3e personne offerte par Google Translate est correcte ou incorrecte, et aussi quelles sont les raisons pour les traductions erronées ; nous supposons que le phénomène de pro-drop et l’ellipse linguistique des pronoms en persan ainsi que le manque de traduction interphrastique aux systèmes de traduction automatique impactent la qualité de traduction des pronoms étudiés. Par conséquent, nous allons mener une recherche basée sur l’analyse statistique-descriptive des données en nous appuyant sur la théorie du Liage chomskyienne. D’après les résultats obtenus, Google a traduit ces pronoms avec 44% de précision (y compris des pronoms bien traduits (40%) et certains pronoms non traduits (4%)); en effet, il a offert une traduction correcte dans les cas où l’antécédent était dans la même phrase que le pronom, ou s’il se plaçait dans la phrase précédant celle du pronom, il était traduit par un syntagme nominal masculin.