Réimaginer
Localisation
pour l'ère de l'IA

Les rôles changent. Certains leaders de la localisation le savent déjà. D'autres sont sur le point de le découvrir. Anna Schlegel, qui a fait de la localisation une fonction stratégique au sein d'entreprises Fortune 500 et a opéré au niveau du gouvernement national, dit tout haut ce que la plupart des responsables de la localisation pressentent déjà mais n'ont pas encore pleinement pris en compte : la barre a été placée plus haut, les attentes ont changé et les responsables qui prospéreront à l'ère de l'IA seront ceux qui cesseront de vendre des économies de coûts et commenceront à s'approprier la salle. La bonne nouvelle, c'est que les compétences, les connaissances culturelles et la portée interfonctionnelle que les responsables de la localisation ont acquises au fil des ans sont exactement ce dont l'ère de l'IA a le plus besoin. Vous repartirez avec une vision claire de l'évolution du rôle, de ce qu'il faut faire pour rester en tête, et avec quelque chose de concret sur lequel agir - parce que ce moment appartient aux dirigeants qui sont prêts à le vivre.

Tous les fournisseurs affirment qu'ils proposent des traductions assistées par ordinateur. Rares sont ceux qui peuvent montrer à quoi cela ressemble réellement en production à l'échelle de l'entreprise, avec une qualité que vous pouvez mesurer et à laquelle vous pouvez faire confiance. Olga Beregovaya et Andrew Saxe, responsables des produits et de l'intelligence artificielle de Smartling, expliquent où va le paysage de la traduction, ce que Smartling construit en réponse et pourquoi la qualité est le problème le plus difficile à résoudre. La session se concentre sur ce qui est en cours d'expédition et sur ce qui est à venir : des RAG et des règles de style pour l'IA, aux nouveaux connecteurs qui intègrent la traduction dans les outils que vous utilisez déjà, en passant par la réponse de Smartling à l'écart croissant entre le volume de traduction de l'IA et le contrôle de la qualité.

Comment décidez-vous du contenu à automatiser, des flux de travail à repenser avec l'IA et des domaines dans lesquels l'IA n'est pas encore à la hauteur ? L'équipe de localisation de SumUp répond à ces trois questions. Dans cette session, ils présentent la matrice de contenu qu'ils ont construite pour orienter les décisions de traduction, le flux de travail entièrement automatisé qui a transformé la façon dont l'ingénierie expédie le contenu localisé, et les échecs qui ont aiguisé leur système nouvellement piloté par l'IA. Vous repartirez avec des décisions concrètes, des résultats réels et un cadre d'intégration de l'IA dans vos flux de travail de localisation qui tient la route dans la pratique.

Dans toutes les régions et tous les secteurs d'activité, les responsables de la localisation mènent le même combat : ils sont recrutés tardivement, s'efforcent de prouver le retour sur investissement à des parties prenantes qui utilisent des indicateurs différents et voient les dirigeants opter pour des outils d'IA génériques tout en rejetant l'expertise que les équipes de localisation ont accumulée au fil des ans. Ce panel réunit des praticiens qui sont passés de la réactivité à la proactivité - en établissant de solides relations avec les dirigeants, en traduisant l'impact de la localisation en chiffres concrets et en repositionnant leurs équipes d'une fonction d'assistance à un moteur stratégique de la croissance mondiale.

L'IA permet de traduire plus, plus vite - mais la vitesse sans structure crée ses propres problèmes : terminologie incohérente, dérive de la qualité, absence de piste d'audit et risque d'hallucination réelle. Cette session est un guide pratique sur ce que la gouvernance de l'IA signifie réellement dans un contexte de localisation : comment garder les mémoires de traduction et les glossaires connectés à la couche d'IA, ce que les contrôles de qualité continus détectent avant que le contenu ne soit expédié, et comment LQA Agent donne aux équipes le signal de contrôle continu dont elles ont besoin pour rester responsables de ce que l'IA produit.

La plupart des équipes marketing disposent déjà d'une traduction par IA - et la plupart d'entre elles pensent que c'est suffisant. Ce n'est pas le cas. Dervilla O'Reilly, responsable Web de la localisation et des opérations internationales chez Docusign, explique comment elle explique aux équipes marketing pourquoi il existe des flux de travail centralisés et formés à la marque et quels sont les risques réels de l'IA non gouvernée dans la pratique. Ce n'est qu'une partie de l'histoire. Le travail le plus difficile se situe en amont : adapter le contenu avant que l'IA ne le touche, et faire en sorte que l'hyperlocalisation fonctionne simultanément sur le web, les campagnes et le contenu des produits sur plusieurs marchés. Ajoutez à cela le défi d'établir la crédibilité du programme et la visibilité de la direction avec une équipe réduite - par le biais de relations, d'une priorisation intelligente et d'un cadre d'impact commercial qui rend chaque décision de localisation défendable - et vous commencez à voir ce qu'une localisation marketing de classe mondiale exige réellement.

La plupart des équipes produit considèrent la localisation comme un transfert en aval, c'est-à-dire quelque chose qui se produit après que les vraies décisions concernant le produit ont été prises. Michelle Kerr, directrice de la transformation des produits chez IHG Hotels & Resorts, explique comment son équipe a modifié cette hypothèse de fond en comble : en déplaçant la traduction en amont dans le CMS, en construisant une infrastructure qui achemine le contenu vers la bonne méthode de traduction à l'échelle, et en permettant au contenu d'être créé dans n'importe quelle langue plutôt que d'être traduit par défaut en anglais d'abord. Elle raconte également ce qui s'est passé lorsqu'une société de conseil a suggéré d'utiliser une solution LLM générique, et ce que ce moment a révélé sur les limites de l'IA générique pour les opérations de contenu complexes et à fort volume.

Le programme SkillsBuild d'IBM devait atteindre des apprenants dans un plus grand nombre de pays - rapidement. Mais la traduction automatique n'était pas la solution : le contenu était technique, les apprenants n'avaient que 14 ans et la qualité ne pouvait pas être compromise. Bruno Goncalves, Global Program Strategist et Learning Experience Global Head chez IBM, explique comment son équipe est passée d'un flux de travail manuel de copier-coller dans des documents Word à un système évolutif et humain qui gère 2 000 heures de contenu traduit dans 13 langues, avec une équipe deux fois moins nombreuse. Il aborde l'approche du traitement des fichiers SCORM/Rise/Storyline, la création d'une mémoire de traduction à partir de zéro pour le contenu L&D et la résolution du problème de la prise en charge de l'arabe de droite à gauche - un défi pour lequel les outils n'étaient pas conçus au départ.

Les plus grosses pertes d'un programme de localisation n'ont souvent rien à voir avec la traduction. Au contraire, ils se situent en amont : des travaux soumis avec des fautes de frappe, un contexte manquant ou sans documentation, un contenu qui pollue la mémoire de traduction et des boucles de retouches qui consomment la bande passante de l'équipe. Rossella Barry d'AllTrails et Verónica Celdrán de Taskrabbit expliquent comment elles ont abordé ces problèmes de front, en faisant de l'autorisation de la première tentative un indicateur de performance clé interfonctionnel et en appliquant des normes de soumission au sein des équipes, et comment elles ont rendu ce travail visible pour la direction.

L'appel à l'API est le 5% le plus simple de la construction d'un système de traduction. Les 95 autres% - l'intégration de la mémoire de traduction, l'application du glossaire, les contrôles de conformité, la maintenance des connecteurs et le réajustement rapide chaque fois qu'un nouveau modèle est livré - font partie de votre équipe, de façon permanente. Chris Dell a vécu les deux côtés de cette décision à l'échelle de l'entreprise, et a aidé d'autres personnes à prendre cette décision. Dans cette session, il partage le cadre décisionnel qu'il utilise pour évaluer le choix entre la création et l'achat, la manière dont il a contribué à l'alignement interne autour de l'argumentaire en faveur d'une plate-forme de localisation dédiée, et ce qu'il a appris sur le coût réel et la complexité d'une infrastructure de traduction bricolée qui ne devient visible qu'une fois que vous êtes déjà au cœur de l'action.

L'IA évolue plus vite que la plupart des équipes de localisation ne peuvent l'évaluer - et l'écart entre l'expérimentation et la mise à l'échelle réelle est l'endroit où la plupart des programmes sont bloqués. Dans ce panel de praticiens, les responsables de la localisation de Spotify, SAS, Rover.com et SumUp partagent ce qui fonctionne à grande échelle, leurs échecs et les leçons qu'ils en ont tirées, et comment ils prennent des décisions technologiques alors que le paysage change d'une semaine à l'autre. Attendez-vous à des exemples précis, à des échecs honnêtes et à une discussion franche sur ce que signifie réellement le rôle de l'équipe de localisation lorsque l'IA commence à s'approprier une plus grande partie de la production.