Le problème de qualité qui devient plus difficile à mesure que la traduction IA accélère

La traduction par IA a résolu le problème de vitesse. Les équipes d’entreprise peuvent désormais traduire des millions de mots en heures plutôt qu’en semaines. Mais surveiller la qualité de la traduction à ce volume est un tout autre défi, et un défi que les processus manuels n’ont jamais été conçus pour gérer. La réponse est un score de qualité automatisé intégré directement dans le flux de traduction : des agents IA qui évaluent la sortie par type d’erreur et gravité à l’aide du score multidimensionnel Quality Metrics (MQM), fonctionnant à la même vitesse que la traduction elle-même plutôt que comme une étape de revue qui la suit. La reconnaissance de Smartling en tant que lauréat du Machine Translation Innovation Award lors de la 9e édition annuelle des AI Breakthrough Awards reflète précisément le travail de l’entreprise sur ce problème. Ce prix, sélectionné parmi plus de 5 000 nominations dans plus de 20 pays, reconnaît l’infrastructure que Smartling a construite pour rendre la traduction de l’IA fiable à l’échelle des entreprises, et pas seulement rapidement.

Pourquoi la surveillance de la qualité de la traduction se brise au volume

L’assurance qualité linguistique traditionnelle (LQA) fonctionne en faisant évaluer par des évaluateurs formés un échantillon de contenu traduit, enregistrer les erreurs selon une taxonomie définie et générer un score de qualité. C’est un processus rigoureux, mais il a été conçu pour des programmes traduisant des dizaines de milliers de mots par mois, pas des dizaines de millions.

À l’échelle de l’entreprise, trois choses se produisent que la LQA traditionnelle ne peut pas résoudre :

• La couverture devient statistiquement insuffisante. Échantillonner de 5 à 10 % du contenu peut détecter des erreurs systématiques, mais il passe à côté des problèmes de chaîne qui affectent le plus l’expérience client. Une affirmation hallucinée sur un produit sur une seule page très visible peut causer de réels dommages, peu importe la performance du reste du programme.
• Le délai de traitement crée un délai de publication. Si la révision humaine de LQA ajoute des jours à un flux de travail, la cadence de contenu qui rend la traduction par IA précieuse est compromise. La vitesse et la qualité deviennent un compromis plutôt qu’une combinaison.
• Le retour d’information n’arrive pas à temps à l’IA. Lorsque des problèmes de qualité sont identifiés après la publication d’un contenu, l’IA qui a produit le résultat problématique est déjà passée à autre chose. La correction existe dans un document de révision, pas dans le système qui s’occupera de la prochaine tâche de traduction.

La solution n’est pas plus de critiques humains. Il s’agit d’une surveillance de la qualité qui fonctionne à la même vitesse et à la même échelle que la traduction par IA elle-même.

Agents IA qui surveillent la qualité à chaque étape

L’approche de Smartling utilise une suite d’agents IA qui gèrent chacun une fonction qualité spécifique dans le flux de traduction. Chaque agent prend des décisions autonomes à son rythme mais fait intervenir les humains pour des examens à enjeux élevés.

Agent LQA : score instantané MQM sans intervention humaine

L’agent d’assurance qualité linguistique (LQA) fournit une évaluation instantanée de qualité sur le contenu traduit en utilisant un score MQM qui correspond au jugement humain, sans nécessiter qu’un évaluateur humain examine un échantillon. L’agent LQA évalue continuellement les traductions et signale le contenu qui est en dessous des seuils de qualité définis, fournissant un signal de qualité qui informe le routage, l’escalade et le reporting des programmes à un rythme qui suit la production de traduction par l’IA. Pour situer ce que ce score MQM signifie en pratique : la traduction humaine alimentée par IA (AIHT) de Smartling atteint systématiquement des scores MQM de 98 ou plus, dépassant la référence industrielle de 95 à 97 pour la traduction humaine traditionnelle de la plupart des prestataires de services linguistiques.

Agent de révision de publications IA : détecter les erreurs avant qu’elles n’atteignent les clients

L’agent de post-édition IA agit plus tôt dans le flux de travail, corrigeant les erreurs grammaticales, ajustant la formalité et détectant les hallucinations avant que le contenu ne soit publié ou examiné par un humain. Cet agent traite les problèmes de qualité les plus courants dans la traduction générée par les grands modèles de langage (LLM) : erreurs de fluidité, incohérences tonales et résultats fabriqués mais plausibles qui rendent les hallucinations des LLM particulièrement difficiles à détecter uniquement par lecture.

Agent d’optimisation TM : qualité par cohérence

La qualité des traductions ne consiste pas seulement à détecter les erreurs dans les nouvelles traductions. Il s’agit aussi de garantir que les traductions approuvées soient réutilisées de manière cohérente dans tout le programme. L’Agent d’Optimisation TM analyse la mémoire de traduction et approuve automatiquement les traductions passées de haute qualité pour réutilisation, augmentant ainsi la cohérence et réduisant la dérive terminologique qui survient lorsque la même caractéristique produit ou le même terme réglementaire apparaît différemment selon les marchés.

Auto Selection : le bon moteur pour chaque corde

La surveillance de la qualité après la traduction est plus facile lorsque la sortie du premier passage est aussi forte que possible. L’Auto Select de Smartling redirige chaque chaîne vers le moteur le plus performant à partir d’un pool de plus de 20 LLM et moteurs de traduction automatique incluant Amazon Bedrock, Microsoft Azure, Google Vertex AI, OpenAI et DeepL, en sélectionnant automatiquement par paire de langues et type de contenu. Commencer par la meilleure sortie disponible pour chaque chaîne réduit le volume et la gravité des problèmes de qualité que les agents en aval doivent résoudre.

Ce que l’IA Breakthrough a reconnu

Le AI Breakthrough Award for Machine Translation Innovation récompense le travail de Smartling sur la construction d’infrastructures de traduction fiables à l’échelle des entreprises. Steve Johansson, directeur général chez AI Breakthrough, a décrit cette distinction directement :

« Smartling transforme la traduction en véritable infrastructure plutôt qu’en service autonome. Les NMT formés ne peuvent pas répondre au besoin des équipes mondiales de traduire des volumes de contenu multilingue à l’échelle de l’entreprise. Les processus traditionnels fragmentés entraînent des pertes de revenus, une qualité incohérente et des limitations dans l’automatisation des traductions à travers les outils et les marchés. Avec Smartling, il n’y a jamais eu de méthode plus facile ou intelligente pour la traduction. Le logiciel de traduction IA de Smartling combine automatisation, contrôle qualité et sécurité dans un flux de travail de bout en bout avec une validation humaine optionnelle pour une diffusion mondiale de contenus de haute qualité. »

AI Breakthrough fait partie de Tech Breakthrough, une plateforme d’intelligence de marché et de reconnaissance pour l’innovation technologique mondiale. Le programme a déjà reconnu des entreprises telles que Nvidia, Glean, Databricks et EY.

Intégrer la localisation dans les flux de travail de l’IA : le serveur Smartling MCP

Parallèlement à ses capacités d’agent IA, Smartling a lancé un serveur MCP (Model Context Protocol) pour l’industrie de la traduction. Le serveur MCP permet aux entreprises d’intégrer la localisation directement dans leurs applications IA et les flux de travail des développeurs, donnant aux équipes d’ingénierie l’accès aux capacités de traduction de Smartling, aux ressources linguistiques et aux contrôles qualité depuis des outils comme Claude Code ou des assistants IA personnalisés, sans avoir à changer de contexte vers une plateforme distincte.

Cela étend l’histoire de surveillance qualité au-delà de la plateforme Smartling elle-même. Les organisations qui développent des produits alimentés par l’IA peuvent intégrer directement l’infrastructure de traduction et de qualité de Smartling dans leurs pipelines de développement, en considérant la localisation comme une partie intégrante de la construction de leur produit plutôt que comme un processus en aval qui la suit.

Ce que cela signifie pour les programmes de localisation

Pour les responsables de la localisation qui évaluent comment étendre la surveillance qualité de la traduction à mesure que les volumes de production IA augmentent, la question pratique est de savoir si l’infrastructure de qualité suit le rythme de l’infrastructure de traduction. La vitesse et le volume sont en grande partie résolus. Les programmes qui maintiennent la qualité à cette vitesse sont ceux dont la surveillance est continue plutôt que périodique, automatisée plutôt que échantillonnée, et intégrée dans le flux de travail plutôt qu’appliquée après coup.

La combinaison de l’agent LQA, de l’agent de post-édition IA, de l’agent d’optimisation TM et de l’auto-sélection dans un seul flux de travail intégré est conçue pour offrir exactement cela. Les équipes d’entreprise utilisant l’AIHT de Smartling ont obtenu des résultats significatifs : IBM a réduit de moitié le temps de localisation et amélioré la qualité de traduction de 40 % dans plus de 170 pays, tandis qu’une entreprise de logiciels du Fortune 500 a économisé 3,4 millions de dollars en coûts de traduction en une seule année tout en maintenant la qualité sur plus de 20 millions de mots par an.

Découvrez comment fonctionne la plateforme de traduction IA de Smartling à smartling.com/demo.