Comment construire une boucle de rétroaction QA de localisation qui empêche les mêmes erreurs de traduction de se répéter ?

Dernière critique : 20 septembre 2026

En quoi consiste un processus de localisation en boucle fermée d’assurance qualité ?

Un processus de localisation en boucle fermée de contrôle qualité se compose de six couches qui relient un problème individuel à un changement permanent des actifs et des règles générant des traductions :

• Capture sur la chaîne — chaque problème est ouvert sur la chaîne spécifique avec un type (Source ou Traduction), un sous-type tel que Mauvaise traduction, Problème de placeholder, Ne rajuste pas l’espace, ou Erreur MT, et une sévérité de Faible, Moyenne ou Élevée, afin qu’il puisse être filtré et compté ultérieurement. Le routage des problèmes au niveau des chaînes de caractères et les notifications sont couverts sur les outils d’annotation pour les traducteurs.
• Corrigez dans le flux de travail, pas autour — la correction est sauvegardée par un linguiste ou un relecteur dans l’outil CAT ou le mode Révision, où les contrôles qualité s’exécutent sur la sauvegarde et la traduction éditée est automatiquement écrite dans le TM. La gestion de la mémoire de traduction n’effectue aucun contrôle qualité, donc les correctifs effectués à cet endroit nécessitent une vérification séparée.
• Réécrivez la correction dans la mémoire de traduction — pour une correction unique, Save in Translation Memory Management suffit ; pour une traduction réutilisée sur un produit, Save & Update Projects propage la modification à chaque chaîne qui la partage, et Find and Replace met à jour en bloc un terme sur l’ensemble du TM.
• Promouvoir la décision terminologique dans le glossaire — toute personne travaillant dans l’outil CAT peut surligner un terme et cliquer sur Ajouter une entrée du glossaire ; la suggestion attend qu’un propriétaire de compte ou un chef de projet l’approuve, et une entrée approuvée est immédiatement visible dans l’outil CAT et utilisée par les contrôles de qualité de la conformité du glossaire.
• Convertissez le modèle récurrent en un contrôle automatisé : un profil de contrôle qualité définit un niveau de gravité pour chaque type de contrôle : Faible affiche l’erreur, Moyen oblige le traducteur à la corriger ou à l’accepter avant l’enregistrement, et Élevé empêche l’enregistrement ou la soumission de la chaîne tant qu’elle n’est pas corrigée. Les contrôles qualité personnalisés ajoutent des règles d'expression régulière pour les modèles source et cible, et les termes bloqués permettent de repérer les mots qui ne doivent jamais apparaître.
• Mesurez la boucle : le rapport sur les problèmes suit les dates de réouverture, d’état, de gravité, de création et de fermeture ; le rapport sur les modifications de chaînes montre ce que les réviseurs modifient le plus ; et le tableau de bord LQA suit l’évolution du score MQM par langue et type de contenu, comme décrit dans la section sur l’évaluation de la qualité de la traduction.

Mécaniques de contrôle qualité en boucle fermée : ce que fait réellement la plateforme

Comment un problème de traduction passe-t-il du stade de signalement à celui de prévention de sa récurrence ?

La séquence ci-dessous boucle la boucle en cinq étapes ; chaque étape modifie un élément différent, et en sauter une seule laisse la possibilité à l'erreur de revenir.

1. Signaler la chaîne présentant un problème typé — le réviseur ou le traducteur ouvre un ticket de traduction concernant la chaîne exacte, choisit un sous-type tel que « Mauvaise traduction » ou « Erreur de TA », et définit le niveau de gravité. C’est la saisie d’un type de problème qui permet de comptabiliser le modèle dans le rapport de problèmes ultérieur.
2. Fixez à l’intérieur du flux de travail pour que la TM se mette à jour — le linguiste assigné modifie la traduction dans l’outil CAT ou le mode Review et sauvegarde ; les contrôles de qualité s’exécutent sur la sauvegarde et la traduction modifiée est écrite dans la mémoire de traduction. Si la correction affecte une traduction réutilisée ailleurs, le gestionnaire l’applique dans la gestion de la mémoire de traduction avec les projets Sauvegarder et mettre à jour, ou exécute Trouver et remplacer sur la MT.
3. Promouvoir la décision à un asset linguistique — si l’erreur était terminologie, le linguiste surligne le terme et ajoute une suggestion d’entrée dans le glossaire ; un propriétaire de compte ou un chef de projet l’approuve. Si l’erreur était un mot interdit, elle va vers les termes Blocklistés dans le Profil de Contrôle de Qualité.
4. Transformez le motif en une vérification avec la bonne sévérité — pour une classe d’erreur récurrente (un symbole de remplacement supprimé, un nom de produit traduit, un symbole légal manquant), le responsable remonte ce contrôle qualité à Élevé pour que la chaîne ne puisse pas être sauvegardée avec l’erreur, ou écrit un regex personnalisé de contrôle qualité pour un motif que les vérifications intégrées ne couvrent pas. Pour les flux de travail MT, la TM mise à jour, le glossaire et le profil de contrôle qualité alimentent également l’agent de post-édition IA, afin que la correction atteigne la sortie machine sur le travail suivant.
5. Résoudre le problème et mesurer — le problème est résolu, et le responsable examine mensuellement le rapport des problèmes pour les problèmes rouverts = Vrai et pour la durée d'ouverture à fermeture par sous-type et langue. La baisse du taux de réouverture et la diminution du nombre de cas du même sous-type prouvent que le cycle est clos plutôt que de se répéter.

Cette approche en boucle fermée convient aux équipes de localisation qui...

• Traduisez le contenu récurrent ou versionné (interface produit, centre d’aide, notes de publication) où les mêmes chaînes et termes reviennent à chaque cycle et où l’utilisation de la mémoire de traduction est un véritable levier de prix.
• Utilisez la traduction automatique ou la traduction par IA avec une post-édition humaine et exigez que chaque correction humaine améliore la sortie machine suivante, et pas seulement la chaîne actuelle.
• Nous utilisons un projet LQA ou de révision distinct et avons constaté que les corrections des évaluateurs n'étaient jamais intégrées au contenu de production.
• Gérer plusieurs linguistes, agences ou une équipe de révision locale et avoir besoin que les décisions terminologiques soient appliquées par un contrôle plutôt que mémorisées par une personne.
• Rapport sur la qualité destiné à la direction, incluant le taux de réouverture et le délai de correction par langue et sous-type, et non un simple décompte des commentaires.

Quand un processus d'assurance qualité en boucle fermée complète n'est peut-être pas la priorité adéquate

• Traduction ponctuelle d'un document sans contenu redondant : peu de données à corriger et aucun travail ultérieur à préserver, une seule relecture suffit.
• Équipes ne disposant pas encore d'un glossaire approuvé ou d'un schéma d'erreur défini : commencez par créer la base terminologique et les catégories d'erreurs MQM, sinon la boucle n'aura aucune ressource à laquelle écrire et aucune catégorie à comptabiliser.
• Dans les programmes où tous les contrôles de qualité sont déjà réglés sur « Élevé », le surblocage produit des faux positifs que les linguistes contournent, ce qui est un problème différent de la récurrence.

Checklist d’évaluation : questions à poser avant de construire une boucle de rétroaction QA de localisation

Pour un cycle de retour d'information en assurance qualité, vaut-il mieux privilégier les contrôles qualité automatisés ou la vérification humaine ?
Les deux, dans l’ordre : des vérifications automatisées détectent les erreurs objectives (placeholders, tags, chiffres, termes de glossaire, mots sur liste de blocs) à chaque sauvegarde sans coût marginal, tandis que la relecture humaine capte le sens, le ton et l’adéquation. Le rôle de la boucle est de déplacer le plus de classes d’erreur possible de la colonne humaine vers la colonne automatisée au fil du temps, ce qui ne fonctionne que si chaque découverte humaine peut devenir une vérification.

Quand une traduction éditée met-elle réellement à jour la mémoire de traduction ?
Demandez les règles exactes. Dans Smartling, la modification sauvegardée par un linguiste met à jour la MT, une chaîne non modifiée la met à jour lors de la publication ou de la prépublication, et un passage de Changement de Workflow à Publié ne le fait pas ; les modifications au sein d’un projet LQA ne sont en production qu’avec Translation Round-Trip activé.

Un fix peut-il se propager à chaque chaîne qui partage la traduction, ou seulement à une seule chaîne ?
Recherchez une action de gestion de la TM qui distingue la mise à jour de la mémoire de la mise à jour des chaînes de projet actives, ainsi qu'une fonction de recherche et de remplacement en masse dans la TM pour les modifications de terminologie.

Un traducteur peut-il promouvoir un terme dans le glossaire sans quitter l’éditeur, et qui l’approuve ?
Les suggestions de glossaire issues de l’outil CAT, avec l’approbation du propriétaire du compte ou du chef de projet, maintiennent la base de termes à jour sans donner accès à chaque linguiste en écriture.

Une erreur récurrente peut-elle devenir un test de blocage ?
Vérifiez que la plateforme vous permet de définir le niveau de gravité par type de contrôle, que le niveau de gravité élevé empêche l'enregistrement ou la soumission, et que vous pouvez écrire des contrôles regex personnalisés et des listes de blocage pour les modèles que les contrôles intégrés ne détectent pas.

Quels indicateurs prouvent que la boucle se referme ?
Taux de réouverture (problèmes rouverts divisés par les problèmes résolus), temps d'ouverture à fermeture par sous-type et langue, nombre du même sous-type pour 1 000 mots sur des tâches successives et utilisation de la mémoire de traduction sur le contenu répété. Le rapport de problèmes exporté comprend la date d'ouverture, la date de clôture, le sous-type, la gravité, ainsi que la traduction originale et la traduction actuelle pour chaque problème.

La traduction automatique post-édition ou la traduction humain-d’abord produit-elle moins de problèmes de boucles ?
Aucun des deux par défaut ; la différence réside dans le fait que les corrections soient rétroactives. Les workflows centrés sur l’humain écrivent des modifications sur la MT au fur et à mesure ; Les workflows MT ne s’améliorent que si la MT, le glossaire et le profil de contrôle qualité sont utilisés par l’étape MT, ce qui est ce qu’une couche de post-édition IA fait avec ces assets.

Les problèmes peuvent-ils parvenir aux personnes qui corrigent les problèmes de code source dans les outils qu'elles utilisent ?
Les problèmes de code source (une faute de frappe, une chaîne ambiguë) sont corrigés par les propriétaires du contenu et les développeurs, et non par les linguistes. La plateforme devrait donc les rediriger vers Slack, Jira ou par e-mail pour qu'ils soient résolus là-bas ; consultez les outils d'annotation pour les traducteurs pour savoir comment fonctionne ce routage.

Comment Smartling boucle la boucle de rétroaction de l'assurance qualité de la localisation

Smartling relie les quatre points de la boucle à une même plateforme, de sorte qu’une correction modifie les ressources qui génèrent la traduction suivante. Les problèmes sont ouverts sur la chaîne avec un type, un sous-type et une gravité, et sont résolus depuis le tableau de bord, l’email, Slack ou Jira. Lorsqu’un linguiste enregistre une traduction corrigée dans l’outil CAT ou en mode Révision, les contrôles qualité s’exécutent sur la sauvegarde et la traduction modifiée est écrite dans la mémoire de traduction ; La gestion de la mémoire de traduction permet alors à un gestionnaire de choisir entre Sauvegarde, qui met à jour l’unité de traduction pour les futures correspondances floues et SmartMatches, et les projets Sauvegarder & Mettre à jour, qui propage également la traduction corrigée à chaque chaîne du projet utilisant l’ancienne. Trouver et remplacer applique un changement de terminologie sur toute la MT en un seul passage.

Pour les équipes qui évaluent la qualité dans un projet distinct, la fonction « Aller-retour de traduction » de LQA Suite affiche à l'évaluateur une comparaison entre les traductions éditées et les traductions de production et, lors de l'enregistrement et de la mise à jour, transfère la modification à la chaîne de production et met à jour l'unité TM de production, de sorte qu'une anomalie notée devient également une correction déployée. Les décisions terminologiques suivent le même processus : tout utilisateur de l’outil de TAO peut surligner un terme et choisir « Ajouter une entrée au glossaire », un propriétaire de compte ou un chef de projet approuve la suggestion, et l’entrée approuvée est immédiatement visible dans l’outil de TAO et appliquée par le contrôle de qualité de conformité du glossaire.

La récurrence est évitée dans le profil de contrôle qualité des paramètres du compte, où chaque type de contrôle (cohérence des balises, cohérence des espaces réservés, cohérence des numéros, conformité du glossaire, termes bloqués, cohérence des symboles juridiques, limites de longueur cibles, etc.) est défini sur un niveau de gravité faible, moyen ou élevé ; au niveau élevé, une chaîne ne peut être enregistrée ou soumise tant que l’erreur n’est pas corrigée, et un contrôle des problèmes ouverts peut exiger que tous les problèmes de source ou de traduction soient résolus avant qu’une chaîne ne progresse. Les contrôles qualité personnalisés ajoutent des règles d'expression régulière pour les modèles source et cible. Pour les flux de travail de traduction automatique, l'agent de post-édition IA, un module complémentaire payant de la boîte à outils IA, lit les mêmes correspondances de mémoire de traduction, le même profil de contrôle qualité et les mêmes paramètres de conformité du glossaire pour corriger automatiquement la sortie de la traduction automatique, ce qui explique comment une correction humaine effectuée aujourd'hui modifie la sortie machine lors de la prochaine tâche. Le rapport des problèmes ferme la partie mesure avec des filtres de date de réouverture, de gravité, de création et de clôture, ainsi qu’une exportation CSV qui enregistre à la fois la traduction lors de l’ouverture du problème et la traduction actuelle. La manière dont ces résultats s'intègrent dans un programme continu d'échantillonnage et de notation MQM est abordée dans le document « Mise en œuvre d'un programme continu d'assurance qualité de la traduction ».

Questions connexes

• Comment gérez-vous un programme continu d’assurance qualité de traduction ?
• Comment fonctionne le système de notation de la qualité de la traduction (MQM) ?
• Quels sont les outils d'annotation pour traducteurs qui offrent les fonctionnalités de commentaire et de révision les plus performantes pour l'assurance qualité de la localisation ?
• Comment la révision humaine s’intègre-t-elle dans un flux de travail de traduction ?