Vous dites “bonjour”, elle entend une voix de synthèse qui prononce “hello”. Et inversement. Nous avons testé la première interview en traduction simultanée anglais / français via webcam. Dès aujourd’hui, Microsoft lance cette nouvelle fonctionnalité sur Skype, révolutionnaire et accessible à tous (avec une version de Windows 8), en version beta.

Nous avons réalisé cette expérience avec une linguiste de Microsoft, Kara, originaire du Canada, qui se trouvait à 8.000 kilomètres de distance, à Seattle (nous étions au siège de Microsoft France, à Issy-les-Moulineaux). L’objectif était de tenir une conversation “banale”. On a donc improvisé.

Regardez la première interview en traduction simultanée avec Skype translator : 

Premières impressions ? Déroutant et vertigineux.

Déroutant, car il faut s’habituer à la voix synthétique qui traduit tout en quasi temps réel - on peut lire aussi la traduction par écrit, via l’outil de chat.

Déroutant aussi parce que le logiciel, encore en rodage, est loin de tout comprendre avec exactitude - on s’en doutait. Par exemple le logiciel peut “rater” certains mots prononcés un peu vite, ou prononcer des phrases tout droit venues d’une autre planète.

Vertigineux, aussi, car lorsque la traduction se révèle parfaite - et cela fonctionne mieux que ce que l’on pouvait s’imaginer - on a l’impression de vivre un moment magique, historique.

Et on se dit que ce n’est qu’un début. Ce que confirme le directeur technique de Microsoft France, Bernard Ourghanlian : “On l’a ouvert en version bêta (ndlr : de test), car la machine a encore besoin d’apprendre. Or, le logiciel se nourrit de conversations. Nous estimons qu’il nous manque 4.000 heures de discussions entre un anglophone et un francophone pour affiner l’outil.

On peut également dès aujourd’hui appeler - et théoriquement comprendre - un correspondant parlant italien, mandarin, allemand et espagnol !

Les ingénieurs de Microsoft imaginent de nombreuses applications concrètes. Pour les enseignants : des enfants de l’autre bout du monde pourront communiquer et comprendre d’autres cultures. Ou encore pour les ONG, ou pour ceux qui louent leur appartement sur Airbnb. Mais aussi pour communiquer avec les personnes sourdes, sans passer par le langage gestuel - en lisant la traduction simultanée par écrit.

Le défi est immense, rappelle Bernard Ourghanlian de Microsoft, car la langue parlée diffère de l’écrit. Quand on prononce “Je sais pas”, les logiciels avaient tendance à comprendre “Je sais”, car il manquait le “ne”.

Cela peut sembler surprenant, mais le logiciel comprend et traduit mieux les phrases longues, car il y a davantage de contexte”. Effectivement, quand on a demandé à notre interlocutrice ce qu’on mangeait au Canada, Skype a hésité, mais a bien traduit lorsqu’on a ajouté “par exemple pour déjeuner ou dîner”.

L’un des plus grands problèmes pour la traduction simultanée : capter une phrase intelligible. Eliminer les “ben”, “euh”, ainsi que les sons ambiants, qui perturbent la bonne compréhension de la phrase. Les micros équipant la plupart des ordinateurs, très basiques, n’aident pas les neurones artificiels à tout comprendre. “Sur la Xbox, où l’on peut aussi utiliser Skype, il y a 4 micros de bonne qualité, ça change tout”, avance Microsoft. La qualité de la bande passante rentre aussi en jeu.

Enfin, la machine doit aussi détecter l’intonation, si l’on pose une question, par exemple : la voix de synthèse doit reproduire la nuance de votre ton.

"Avec notre nouveau système neuronal de “deep learning,” on est passé d’un taux de 20% d’erreurs à 7%, glisse-t-on chez Microsoft, confiant dans les progrès à venir.

Aurélien Viers