#TQ2024 : Traduction & Qualité 2024 | Post-édition : Analyse, Réflexion et Application

Après les éditions 2008, 2010, 2012, 2014, 2016, 2018, 2020 et 2022, il s'agit de la neuvième journée d'études consacrée à la question de la qualité en traduction. Les éditions de 2018 (https://tq2018.sciencesconf.org/), et de 2020 (https://tq2020.sciencesconf.org/) furent consacrées à l'utilisation de la traduction automatique par les traducteurs professionnels, et de la relation entre la traduction humaine et la traduction machine. L'édition de 2022 (https://tq2022.sciencesconf.org/) eut pour objectif de démystifier l'utilisation des traducteurs automatiques en ligne par les étudiants qui ne se destinent pas nécessairement à la traduction professionnelle mais qui utilisent ces outils dans le cadre de leurs études en langues. Puisque les outils de traduction automatique peuvent produire des traductions qui sont de meilleure qualité ou de moins bonne qualité que le produit de traducteurs humains selon le contexte et les critères d'analyse, les traducteurs doivent apprendre à travailler main dans la main avec la machine (Hernandez Morin & Barbin, 2021). TQ2024 aura donc comme thématique la révision et la post-édition. Ces tâches, qui occupent une place grandissante dans le métier de la traduction, nécessitent des compétences tantôt similaires, tantôt différentes (Robert, Ureel, & Schrijver, 2023). En contexte académique, la post-édition peut permettre à des étudiants d'obtenir de meilleures notes (Schumacher & Sutera, 2022), mais nécessite tout de même une attention accrue dans des cours de langue et de traduction car les étudiants sont souvent incapables de détecter les erreurs produites par la machine (Volkart, Girletti, Gerlach, Mutal, & Bouillon, 2022). L'utilisation de la traduction neuronale nécessite donc le développement chez les étudiants d'un sens critique et d'un métalangage sophistiqué, ce qui rend encore plus nécessaire l'enseignement des langues (Bénard, Bordet, & Kübler, 2022). La post-édition fait partie des compétences qui doivent être maîtrisées non seulement par les étudiants mais aussi par les professionnels dont le métier est en train d'évoluer avec la technologie (Varela Salinas & Burbat, 2023). La journée d'études fera donc intervenir des professionnels du secteur ainsi que des universitaires qui travaillent sur cette question. Références Bénard, M., Bordet, G., & Kübler, N. (2022). Réflexions sur la traduction automatique et l'apprentissage en langues de spécialité. ASp, 81‑98. Hernandez Morin, K., & Barbin, F. (2021). Collaboration homme-machine dans la traduction des métadonnées en SHS : expérience de traduction automatique post-éditée pour quatre revues françaises. La main de Thôt. Robert, I., Ureel, J. J., & Schrijver, I. (2023). Translation, translation revision and post-editing competence models : Where are we now? In G. Massey, E. Huertas-Barros, & D. Katan (Éds.), The human translator in the 2020s (p. 44‑59). London ; New York: Routledge Taylor Francis Group. Schumacher, P., & Sutera, A. (2022). Analyse Comparative de post-édition et de traduction humaine en contexte académique. In C. Expósito Castro, M. del M. Ogea Pozo, & F. Rodríguez Rodríguez (Éds.), Theory and practice of translation as a vehicle for knowledge transfer. Universidad de Sevilla. Varela Salinas, M.-J., & Burbat, R. (2023). Google Translate and DeepL : Breaking taboos in translator training: Observational study and analysis. Ibérica, 243‑266. Volkart, L., Girletti, S., Gerlach, J., Mutal, J. D., & Bouillon, P. (2022). Source or target first? Comparison of two post-editing strategies with translation students. Journal of Data Mining & Digital Humanities.