La Commission européenne facilite la traduction assistée par ordinateur et la rend plus accessible

La Commission européenne a franchi une nouvelle étape dans sa volonté de promouvoir le multilinguisme comme un élément essentiel de l'unité européenne dans la diversité. Son corpus, qui contient environ 1 million de phrases et leurs traductions de haute qualité dans 22 des 23 langues officielles de l'UE - y compris celles des nouveaux États membres -, est le plus grand jamais réuni dans autant de langues et est désormais librement accessible. Ce type de données est très recherché par les concepteurs de systèmes de traduction automatique dans lesquels le logiciel «apprend», à partir de textes traduits par l'homme, à traduire correctement des mots et des expressions remis en contexte. Ces données peuvent également faciliter le développement d'autres outils logiciels linguistiques tels que les correcteurs grammaticaux et orthographiques, les dictionnaires en ligne et les systèmes de catégorisation de textes multilingues.

Les institutions de l'UE possèdent un nombre de textes multilingues plus important que n'importe quelle autre organisation du fait de l'obligation de traduire le droit communautaire dans chacune des 23 langues officielles. Leurs services de traduction travaillent avec 253 combinaisons de paires de langues potentielles et traduisent environ 1,5 million de pages par an.

S'il existe de nombreuses traductions de textes anglais ou français sur l'Internet, les ressources sont plus rares pour des langues comme le letton ou le roumain et elles sont pratiquement inexistantes pour les combinaisons de deux langues pour lesquelles peu de ressources existent.

La Commission publie donc, grâce à la coopération de ses traducteurs et de ses chercheurs en interne, un vaste corpus de phrases extraites de documents juridiques couvrant les domaines technique, politique et social, disponibles en 22 langues. Dans ce recueil de traduction, il est possible de trouver des phrases et leur équivalent dans toutes les autres langues officielles. Seules les traductions en gaélique ne sont pas encore disponibles. La publication de ces données linguistiques constitue un bon exemple de la politique transparente menée par la Commission pour la réutilisation de ses informations et suit l'ouverture au public des bases de données documentaires et terminologiques de l'Union européenne, Eur-Lex et IATE.

La Commission possède une vaste expérience dans le développement d'outils pour le traitement de textes multilingues et se trouve à l'avant-garde du multilinguisme, en offrant au public la possibilité de rechercher des articles de presse dans 35 langues sur son site European Media Monitoring. Le volet «Technologies de l'information et de la communication» du 7e programme-cadre de recherche et de développement soutient la recherche sur la traduction automatique et sur d'autres technologies liées au langage.

Pour de plus amples informations sur les données de traduction