L'IA apprend à traduire toute seule

Ce n'est pas de la science-fiction, ni un simple discours marketing. Depuis des années, des chercheurs documentent des formes de capacités multilingues « émergentes ». Des travaux de Google sur la traduction neuronale ont montré que des modèles entraînés sur de nombreuses paires de langues pouvaient effectuer des traductions « zéro-shot ». C'est-à-dire entre des paires de langues pour lesquelles ils n'avaient jamais été directement entraînés. C'était une première faille majeure dans l'idée qu'il fallait enseigner explicitement chaque nouvelle langue. Depuis, les grands modèles de langage, nourris avec d'immenses volumes de données provenant d'Internet, ont poussé l'idée encore plus loin. Les systèmes de type GPT, les modèles multilingues de Meta et les modèles ouverts comme les variantes de Llama ont montré qu'ils peuvent souvent traduire, résumer et répondre à des questions dans plusieurs langues, même si la traduction n'était pas leur tâche principale.

Les preuves sont plus fortes pour les langues les plus répandues. L'anglais, l'espagnol, le français, l'allemand, le chinois, l'arabe et quelques autres dominent les textes en ligne que ces systèmes absorbent. Des recherches menées par des institutions comme DeepMind, Google, Meta et de grandes universités ont montré à plusieurs reprises qu'augmenter la quantité de données multilingues améliore les capacités d'un système dans différentes langues. Autrement dit, un modèle qui apprend suffisamment de choses sur de nombreuses langues peut parfois faire le lien entre elles sans qu'on lui fournisse des exemples directs pour chaque paire. Le résultat peut paraître presque magique. Demandez au système de transposer une idée d'une langue à une autre, et il y arrive souvent.

Mais il faut nuancer le titre séduisant selon lequel l'IA apprendrait par elle-même. D'abord, les faits : ces modèles n'apprennent pas à partir de rien. Ils sont entraînés sur des océans de textes produits par des humains, souvent extraits du web, de livres, de code et d'autres grandes bases de données. Ils n'inventent pas le langage. Ensuite, l'opinion : dire qu'ils « apprennent seuls » est un raccourci pratique, mais qui peut être trompeur. En réalité, le modèle extrait des schémas à partir d'une exposition multilingue si vaste que la traduction devient un effet secondaire de l'apprentissage général des langues. C'est moins romantique, mais peut-être plus important en pratique.

Pourquoi cela se produit-il ? Parce que la traduction n'est pas qu'une simple correspondance de dictionnaire. C'est une reconnaissance de schémas liés au sens, à la syntaxe, au contexte et à la connaissance du monde. Les grands modèles sont incroyablement doués pour extraire ces schémas lorsqu'on leur donne assez de données et de puissance de calcul. Si un système voit les mêmes noms, événements, produits, lieux et concepts répétés dans plusieurs langues, il commence à construire des représentations internes qui les relient. Les chercheurs parlent souvent d'un « espace sémantique partagé ». Le terme semble abstrait, mais l'idée est simple : le modèle commence à considérer les idées comme transférables d'une langue à l'autre.

Cela change l'économie de l'IA. Les systèmes de traduction traditionnels exigeaient une collecte minutieuse de données parallèles, ce qui est coûteux et souvent difficile pour les langues moins parlées. Si les modèles généralistes peuvent acquérir des compétences de traduction à partir de textes multilingues mixtes, les entreprises peuvent lancer des produits plus rapidement et à moindre coût. C'est pourquoi cette tendance est importante bien au-delà des laboratoires. Elle touche la recherche en ligne, le service client, la modération des réseaux sociaux, le commerce international, les outils éducatifs et les assistants vocaux. La traduction n'est plus une fonction isolée. Elle devient une capacité intégrée des systèmes d'IA généralistes.

Il y a là une vision séduisante de démocratisation. Dans le meilleur des cas, des modèles capables de généraliser à travers les langues pourraient aider plus de gens à utiliser internet dans leur propre langue. Ils pourraient fournir une traduction à bas coût pour les écoles, les cliniques, les migrants et les petites entreprises. Dans les pays où de nombreuses langues locales ont peu de ressources numériques, c'est important. L'UNESCO et d'autres organisations mondiales alertent depuis longtemps sur l'exclusion numérique des langues peu présentes en ligne. Si l'IA abaisse cette barrière, le bénéfice est réel.

Maintenant, la dure vérité. Cette même tendance peut aussi aggraver les inégalités. Ces systèmes sont plus performants là où les données sont abondantes, et plus faibles là où on en a le plus besoin. La recherche sur le traitement multilingue du langage a montré un déséquilibre flagrant : un petit nombre de langues dominent les données, les tests et l'attention des ingénieurs. Les langues à faibles ressources, les langues autochtones et les dialectes sont souvent mal gérés ou ignorés. Un modèle peut sembler fluide dans une grande langue puis échouer lamentablement dans une langue régionale, ou réduire les nuances locales à des formes standardisées. Ce n'est pas un simple détail technique. C'est une question de pouvoir. La langue porte le droit, l'identité, la culture et la confiance. Une mauvaise traduction dans un hôpital, un tribunal ou une administration n'est pas une erreur sans conséquence.

Il y a un autre problème que l'industrie de l'IA aime ignorer. Si les modèles acquièrent des capacités de manière indirecte, il devient plus difficile de les tester et de les contrôler. Des développeurs peuvent ajuster un système pour un usage précis et se retrouver avec des capacités ou des défaillances inattendues dans d'autres domaines. Ce n'est pas toujours dangereux, mais c'est un vrai défi de gouvernance. Si une entreprise ne peut pas expliquer clairement quelles compétences linguistiques viennent de quelles données ou de quelles étapes d'entraînement, les régulateurs et les utilisateurs se retrouvent face à une boîte noire présentée dans une démo.

La réponse n'est ni la panique, ni un enthousiasme aveugle. C'est une transparence rigoureuse. Les entreprises devraient indiquer pour quelles langues leurs systèmes sont évalués de manière fiable et pour lesquelles ils ne le sont pas. Cela semble élémentaire, car ça l'est. Trop de produits d'IA vendent encore une compétence « multilingue » comme si elle était de qualité égale partout. Ce n'est pas le cas. Les tests publics devraient inclure plus de langues, surtout celles qui sont marginalisées numériquement. Les gouvernements et les universités devraient investir dans des données ouvertes et des outils d'évaluation pour les langues sous-représentées, avec le consentement et la participation des communautés locales. Si l'avenir de la traduction est façonné par des modèles géants, le public ne devrait pas avoir à accepter un système bâti uniquement autour des langues les plus rentables du monde.

Les développeurs doivent aussi cesser de prétendre que la taille seule suffit. Oui, des modèles plus grands peuvent découvrir d'impressionnants schémas entre les langues. Mais ils peuvent aussi absorber des biais, mal traduire des concepts sensibles ou effacer les nuances. Les traducteurs humains, les linguistes et les experts des communautés locales sont toujours importants. En fait, ils le sont encore plus lorsque les systèmes d'IA paraissent assez compétents pour tromper les acheteurs et les responsables, qui leur font alors une confiance excessive. Le danger n'est pas que la traduction par IA soit inutile. Le danger est qu'elle soit juste assez utile pour être utilisée sans précaution.

L'ancienne histoire était que les machines traduisent parce que les humains leur apprennent explicitement chaque étape. La nouvelle histoire est plus désordonnée et plus puissante. Les modèles d'IA peuvent développer une capacité de traduction comme effet secondaire d'un apprentissage massif du langage. C'est une véritable avancée technique. Ce pourrait aussi être une faille politique et culturelle. Quand une machine commence à faire le pont entre les langues sans qu'on lui dise directement comment, la réussite est réelle. La responsabilité aussi. La traduction ne concerne jamais seulement les mots. Il s'agit de savoir quel sens survit à la traversée.