LA MACHINE POLYGLOTTE : UNE THÉORIE EN ACTE

Abdelhamid Ibn El Farouk 

Deux articles portant sur l’intelligence artificielle et la traduction m’ont été soumis il y a quelques mois pour évaluation. Le sujet, pour les spécialistes, n’a évidemment rien de surprenant : depuis l’apparition des grands modèles de langage (Large Language Models), il est devenu difficile de parler de traduction sans rencontrer sur son chemin, tôt ou tard, l’intelligence artificielle. Ce qui m’a surpris se trouvait ailleurs, dans les bibliographies desdits articles : des références à l’IA, à l’informatique, à la linguistique computationnelle et au traitement automatique du langage, mais pratiquement aucune aux travaux scientifiques produits depuis plusieurs décennies en traductologie. N’est-elle pas comme son nom l’indique cette discipline scientifique qui a pour objet la traduction, ses processus, ses produits, ses acteurs et les conditions dans lesquelles elle s’exerce ?

Ce constat m’a conduit à m’interroger sur les raisons de cette absence et à formuler l’hypothèse suivante : si les chercheurs qui travaillent aujourd’hui sur l’intelligence artificielle et la traduction peuvent – peut-être à leur insu – faire abstraction de la traductologie, c’est probablement parce que les progrès spectaculaires de la traduction automatique ont, pour l’essentiel, été réalisés en dehors de ce champ interdisciplinaire par excellence. Il restait toutefois à vérifier que ces deux articles ne constituaient pas des exceptions. Un examen plus large de la littérature scientifique consacrée à la traduction automatique montre rapidement qu’ils sont loin de l’être. Par exemple, l’un des articles fondateurs qui ont le plus marqué la traduction automatique, « Attention Is All You Need », présenté lors de la 31e Conference on Neural Information Processing Systems (NIPS 2017, Long Beach) en fournit une illustration particulièrement frappante : dans ses quinze pages comme dans sa bibliographie, la traductologie est pratiquement absente : aucun des principaux représentants de la discipline n’y est cité, alors même que l’article comporte quarante références.

Les grandes ruptures technologiques qui permettent aujourd’hui d’obtenir en quelques secondes des traductions d’une qualité parfois extraordinaire ne sont venues ni des théories de l’équivalence, ni de la théorie interprétative, ni de la traductologie fonctionnelle, ni des approches descriptives ou sociologiques de la traduction, encore moins d’approches éclectiques dites interdisciplinaires ; elles sont venues principalement de l’informatique, des statistiques, de la linguistique computationnelle et, plus récemment, de l’apprentissage automatique.

La machine n’a peut-être pas beaucoup lu les traductologues ; elle a, en revanche, énormément lu les traducteurs. Car derrière les « données » dont nous parlons si commodément se trouvent des textes et, parmi eux, d’innombrables traductions produites par des êtres humains. Les corpus qui ont nourri la traduction statistique puis neuronale ne sont pas venus de nulle part. Des traducteurs avaient auparavant cherché un mot, hésité entre deux formulations, pris la décision d’en choisir une, déplacé une phrase, inversé un ordre, utilisé une tournure affirmative là où la source présentait une négation rhétorique, résolu une ambiguïté, choisi une équivalence. Une partie du savoir traductif humain s’est ainsi trouvée incorporée dans les données sans nécessairement passer par la théorie qui cherchait à l’expliquer.

La distinction est essentielle. Dire que la traduction automatique s’est développée sans théorie serait absurde : on imagine facilement qu’elle repose sur des constructions mathématiques et informatiques d’une sophistication extrême. Dire qu’elle s’est développée sans traduction humaine serait tout aussi faux. Mais constater que ses avancées déterminantes n’ont pas eu pour moteur principal les théories élaborées dans le cadre de la traductologie ne peut manquer d’interroger la discipline sur la portée même de ses théories.

Depuis plusieurs décennies, la traductologie a construit un appareil conceptuel considérable. Elle a interrogé l’équivalence et la fidélité, le sens et la lettre, la fonction du texte, les normes, l’intraduisible, la position du traducteur, priorité à la langue source ou la langue cible, les rapports entre traduction, langue, culture et pouvoir. Mais voici que des machines parviennent à produire des traductions de plus en plus convaincantes sans que ces grandes théories traductologiques aient constitué leur principe d’organisation et de fonctionnement. À bien y réfléchir, la situation, n’est pourtant pas entièrement nouvelle. De fait, jadis et naguère, de grands traducteurs ont produit des traductions remarquables sans avoir jamais eu besoin de connaître les théories de la traductologie ; il est vrai qu’étant donné la jeunesse de la discipline, la grande majorité d’entre eux n’étaient déjà plus de ce monde lorsqu’elle vit le jour. 

On traduisait bien avant que James S. Holmes ne dessine en 1972 les contours du champ qu’il appelait Translation Studies, et l’on a continué à exceller dans cet art jusqu’à aujourd’hui sans nécessairement lire les traductologues. La compétence à traduire et le savoir théorique sur la traduction ont toujours été deux objets différents. La machine rend simplement cette dissociation beaucoup plus visible et, peut-être, beaucoup plus dérangeante.

Loin de nous l’idée d’en conclure que la traductologie serait devenue inutile. Ce serait une erreur de raisonnement que de l’affirmer. Car produire une traduction et penser la traduction ne sont pas exactement la même chose. Sans doute, sur l’échelle de l’utilité, la première dispose-t-elle d’un avantage considérable sur la seconde : penser la traduction ne saurait permettre à deux personnes ne partageant aucune langue de se comprendre.

Mais cette distinction elle-même mérite d’être interrogée. Car « Rien n’est aussi pratique qu’une bonne théorie », selon la formule prêtée au psychologue social Kurt Lewin. De fait, si l’on peut évaluer une théorie à son pouvoir applicatif, la réussite spectaculaire de la traduction automatique ne peut être tenue pour une simple prouesse technique. Parvenir à construire une machine capable de traduire suppose que l’on ait saisi quelque chose d’essentiel du fonctionnement des langues et de l’opération traductive elle-même. La traduction automatique, par son fonctionnement même et par les performances qu’elle atteint, produit donc aussi une connaissance sur la traduction. Elle montre, expérimentalement, que certaines dimensions de l’acte de traduire peuvent être modélisées, apprises et reproduites sans avoir été préalablement formulées dans les catégories de la traductologie.

Il faut alors prendre au sérieux ce que cette réussite nous apprend. Le passage des règles aux statistiques, puis aux réseaux neuronaux et aux mécanismes d’attention, n’est pas seulement l’histoire d’une amélioration des machines. Il révèle quelque chose de la traduction elle-même : que traduire peut, pour une part au moins, procéder de régularités apprises à partir d’innombrables exemples ; que le sens d’un élément se construit dans les relations qu’il entretient avec d’autres ; que toutes les composantes d’un énoncé n’ont pas à chaque moment la même pertinence dans la construction du sens ; et surtout qu’il est possible de produire une équivalence recevable sans avoir préalablement explicité toutes les règles qui permettent de l’obtenir. En ce sens, les spécialistes de l’intelligence artificielle n’ont pas seulement construit des machines à traduire, ils ont aussi élaboré une forme de connaissance opératoire de la traduction. La réussite technique devient alors elle-même une manière d’interroger l’objet par l’expérience. Et la question adressée à la traductologie devient autrement plus dérangeante : et si une partie des connaissances les plus nouvelles sur la traduction était aujourd’hui produite en dehors de la traductologie ?

Il serait toutefois injuste de donner à penser que la traductologie est restée étrangère à cette révolution. Depuis plusieurs décennies déjà, et avec une intensité croissante, des traductologues étudient la traduction automatique, la post-édition, l’effort cognitif, l’interaction humain-machine, la qualité, la créativité, la formation et l’évaluation des traducteurs et, désormais, les grands modèles de langage. Certains parlent même depuis longtemps d’un véritable « tournant technologique » de la discipline. Le paradoxe se situe donc ailleurs : la traductologie a abondamment étudié les technologies de traduction, leurs usages, leurs produits et leurs effets, mais les ruptures techniques qui ont rendu possibles les performances les plus spectaculaires de la traduction automatique ont été conçues pour l’essentiel hors d’elle. La question n’est donc plus de savoir si la traductologie doit s’intéresser à l’intelligence artificielle : elle le fait déjà. Elle est de savoir si elle est prête à reconnaître que les sciences qui ont appris aux machines à traduire ont peut-être, chemin faisant, produit elles aussi une connaissance de la traduction – et à se demander ce que cette connaissance venue d’ailleurs peut apprendre à la discipline sur son propre objet.