Analyse de la qualité des traductions automatiques du français vers l’anglais, d’Expressions Poly-Lexicales (EPL) à partir d’un corpus parallèle
Résumé
Cette étude s’attache à évaluer la qualité d’un système de traduction probabiliste état de l’art, LIG-Moses (Potet, 2010), du français vers l’anglais, de la traduction d’expressions poly-lexicales, décrites selon Tutin et al. (2015), dans un document technique, à l’aide de la typologie d’erreurs de Vilar et al. (2006). Nous nous attachons à montrer si l’outil est utilisable par des apprenants pour la traduction d’EPL. De plus, les travaux de Hamilton (2015) ont montré que sur un corpus d’apprenants de L2, pour les erreurs d’acceptabilité textuelle, les erreurs de mise en phrase (i.e locutions figées, expressions idiomatiques, locutions semi-figée, collocations et unités multi-mots, ce qui correspond à la notion d’EPL que nous adoptons dans cet article) ont la plus haute fréquence soit 25,58%. Il s’agit donc d’étudier les types d’erreurs commis par l’outil de Traduction Automatique lors de la traduction d’EPL afin de guider les apprenants sur le choix de l’outil étudié pour la traduction d’EPL en fonction de leur niveau de connaissance de la langue. Après avoir décrit les différents éléments de notre étude, nous montrons que bien que traduites correctement à hauteur de 80%, les EPL qui n’ont pas été traduites correctement ne peuvent être corrigées que par des apprenants ayant un bon niveau de compétence dans la langue cible et une bonne connaissance du domaine du document.
Abstract
This study aims at the quality assessment of a state-of-the-art probabilistic machine translation system, LIG-Moses (Potet, 2010), from French to English, of multiword expression translations, described according to Tutin et al. (2015), in a technical document, using the error typology of Vilar et al. (2006). We focus on showing if the presented tool is relevant for learners when translating MWEs. Hamilton’s (2015) work showed that on a corpus of L2 learners, for textual acceptability errors, sentence errors (i.e. fixed phrases, idiomatic expressions, semi-fixed phrases, collocations and multi-word units, which corresponds to the notion of MWEs that we adopt in this article) have the highest frequency at 25.58%. The aim is therefore to study the types of errors made by the Machine Translation tool when translating MWEs in order to guide learners in choosing the tool studied for MWE translations according to their level of knowledge of the language. After describing the various elements of our study, we show that although the system translates correctly 80% of MWEs, the ones that have not been translated correctly can only be corrected by learners with a good level of competence in the target language and a good knowledge of the document field.
Lire le chapitre

PDF de 14 pages, tel qu’imprimé dans l’ouvrage, pages 311 à 324. En libre accès.
Pas encore de consultation enregistrée.