Translationese, Machine Translationese, ...
Type de document :
Autre communication scientifique (congrès sans actes - poster - séminaire...): Communication dans un congrès avec actes
Titre :
Translationese, Machine Translationese, Post-editese, et invisibilité des futur(e)s traducteurs/trices
Auteur(s) :
Titre de la manifestation scientifique :
Colloque AFFUMT : Former aux métiers de la traduction aujourd'hui et demain
Organisateur(s) de la manifestation scientifique :
AFFUMT - Association française des formations universitaires aux métiers de la traduction
Ville :
en ligne
Pays :
France
Date de début de la manifestation scientifique :
2021-04-08
Mot(s)-clé(s) :
Traduction - traductologie
Didactique de la traduction
Traduction professionnelle
Didactique de la traduction
Traduction professionnelle
Discipline(s) HAL :
Sciences de l'Homme et Société/Linguistique
Résumé en anglais : [en]
En dehors de quelques cas particuliers, la majeure partie des projets de traduction spécialisée actuels exige des traducteurs qu’ils soient invisibles, et du texte cible qu’il se lise comme s’il avait été rédigé en langue ...
Lire la suite >En dehors de quelques cas particuliers, la majeure partie des projets de traduction spécialisée actuels exige des traducteurs qu’ils soient invisibles, et du texte cible qu’il se lise comme s’il avait été rédigé en langue originale. Cette invisibilité requiert alors une forme d’homogénéisation linguistique entre langue traduite et langue originale, sorte de saint graal par définition inatteignable, comme l’ont montré de nombreuses études dans le cadre de la traductologie de corpus (corpus-based translation studies en anglais, cf. Laviosa 2002) en mettant au jour grâce à des analyses de corpus des différences linguistiques systémiques entre langue originale et langue traduite pour toute une série de langues et de phénomènes linguistiques. Ces différences intra-langagières ont parfois été expliquées par l’influence des « universaux de traduction » définis par Baker (1993) inter alia, très fortement remis en question depuis, mais aussi par l’interférence de la langue source, ouvrant ainsi la voie à l’identification d’un translationese qu’il conviendrait de corriger pour une qualité optimale. Avec le développement de la traduction automatique (TA) neuronale ces dernières années, il semble important de mettre également au jour les différences entre les traductions ainsi obtenues, qu’elles soient brutes ou post-éditées, et la langue originale. Dans le cadre de la formation des futurs traducteurs et d’une approche des outils de TA que nous qualifierons de « raisonnée » (Loock 2019), il s’agit alors de leur montrer en quoi les systèmes de traduction automatique actuels, malgré une priorité donnée à la fluidité de la langue cible, produisent une langue qui diffère de la langue originale. Pour cela, une analyse de textes traduits automatiquement réunis en corpus, post-édités ou non, et selon les méthodes de la linguistique de corpus, permet de mettre au jour les différences linguistiques avec la langue originale, et donc ce que l’on peut définir comme du machine translationese (ou MTese) et du post-editese (cf. par exemple Daems et al. 2017, Loock 2018/2020, Toral 2019). L’objectif final est d’amener les étudiants à prendre conscience de leur plus-value de traducteur humain/biotraducteur par rapport à la machine.Avec cette communication, nous souhaitons montrer comment l’intégration de telles analyses de corpus pour des traductions automatiques avec l’anglais pour langue source et le français pour langue cible à l’aide de différents outils en ligne, et l’utilisation de ces différents concepts, peuvent servir d’outil de sensibilisation et permettre in fine une meilleure formation des futurs traducteurs.Lire moins >
Lire la suite >En dehors de quelques cas particuliers, la majeure partie des projets de traduction spécialisée actuels exige des traducteurs qu’ils soient invisibles, et du texte cible qu’il se lise comme s’il avait été rédigé en langue originale. Cette invisibilité requiert alors une forme d’homogénéisation linguistique entre langue traduite et langue originale, sorte de saint graal par définition inatteignable, comme l’ont montré de nombreuses études dans le cadre de la traductologie de corpus (corpus-based translation studies en anglais, cf. Laviosa 2002) en mettant au jour grâce à des analyses de corpus des différences linguistiques systémiques entre langue originale et langue traduite pour toute une série de langues et de phénomènes linguistiques. Ces différences intra-langagières ont parfois été expliquées par l’influence des « universaux de traduction » définis par Baker (1993) inter alia, très fortement remis en question depuis, mais aussi par l’interférence de la langue source, ouvrant ainsi la voie à l’identification d’un translationese qu’il conviendrait de corriger pour une qualité optimale. Avec le développement de la traduction automatique (TA) neuronale ces dernières années, il semble important de mettre également au jour les différences entre les traductions ainsi obtenues, qu’elles soient brutes ou post-éditées, et la langue originale. Dans le cadre de la formation des futurs traducteurs et d’une approche des outils de TA que nous qualifierons de « raisonnée » (Loock 2019), il s’agit alors de leur montrer en quoi les systèmes de traduction automatique actuels, malgré une priorité donnée à la fluidité de la langue cible, produisent une langue qui diffère de la langue originale. Pour cela, une analyse de textes traduits automatiquement réunis en corpus, post-édités ou non, et selon les méthodes de la linguistique de corpus, permet de mettre au jour les différences linguistiques avec la langue originale, et donc ce que l’on peut définir comme du machine translationese (ou MTese) et du post-editese (cf. par exemple Daems et al. 2017, Loock 2018/2020, Toral 2019). L’objectif final est d’amener les étudiants à prendre conscience de leur plus-value de traducteur humain/biotraducteur par rapport à la machine.Avec cette communication, nous souhaitons montrer comment l’intégration de telles analyses de corpus pour des traductions automatiques avec l’anglais pour langue source et le français pour langue cible à l’aide de différents outils en ligne, et l’utilisation de ces différents concepts, peuvent servir d’outil de sensibilisation et permettre in fine une meilleure formation des futurs traducteurs.Lire moins >
Langue :
Français
Comité de lecture :
Oui
Audience :
Internationale
Vulgarisation :
Non
Collections :
Source :