Nouvelle publication de la professeure Iulia Mihalache
Meaning-Making Process and Error Dynamics in ChatGPT-Mediated Translation
L’intégration de la traduction automatique (TA) dans l’environnement professionnel des traducteurs a progressivement transformé la profession en une activité davantage centrée sur la postédition et l’évaluation de contenus générés par des machines. À mesure que les moteurs de traduction automatique gagnent en sophistication, notamment avec l’essor des modèles neuronaux et génératifs, la formation en traduction doit s’adapter afin de doter les étudiants des compétences cognitives, linguistiques, technologiques et autres compétences complémentaires, spécifiquement requises pour la postédition (PE). En effet, l’interaction entre les processus de traduction humaine et de traduction automatique exige une articulation étroite entre compétence traductionnelle, littératie numérique et un ensemble de compétences stratégiques telles que « l’apprentissage autonome, la pensée critique et les capacités en résolution de problèmes » (Yamada, 2019), essentielles à l’autonomie et à l’agilité du traducteur.
Cette étude, réalisée en collaboration avec la professeure María-José Varela Salinas de l’Université de Málaga, explore les dynamiques de construction du sens et les mécanismes d’erreur dans un contexte de traduction médiée par ChatGPT-4.5.
À partir de la postédition de la traduction allemand-espagnol (DE-ES) d’un texte du domaine économique, réalisée par 20 étudiants en traduction et Interprétation de l’Université de Málaga, nous avons analysé 132 erreurs en distinguant systématiquement celles générées par l’IA de celles introduites par les étudiants mêmes lors de la postédition. Les résultats indiquent que la méconnaissance de la terminologie du domaine constitue le principal facteur de risque tout au long du processus de traduction et de postédition (34,1 % des erreurs recensées). Plus de la moitié des erreurs observées (50,8 %) sont attribuables à la sortie automatique générée par ChatGPT, tandis que 21,2 % résultent d’interventions effectuées par les étudiants lors de la postédition.
À part le fait de souligner la nécessité de renforcer les compétences en analyse et prise de décision en postédition, l’étude contribue aussi à combler une lacune importante dans la recherche sur la postédition, encore largement centrée sur les paires de langues incluant l’anglais, en proposant une analyse approfondie de la combinaison allemand-espagnol. Finalement, bien que l’étude s’applique au domaine de la traduction, les résultats ne concernent pas uniquement les traducteurs en formation : ils s’appliquent également à toute personne ayant recours à des outils d’IA générative pour traiter ou produire des textes spécialisés, la compréhension du domaine demeurant essentielle pour détecter et corriger les erreurs terminologiques.
Auteures : la professeure Iulia Mihalache, du Département des sciences sociales, Université du Québec en Outaouais et María-José Varela Salinas, Université de Málaga
Référence bibliographique complète : Mihalache, Iulia, & Varela Salinas, María-José (2026). Meaning-Making Process and Error Dynamics in ChatGPT-Mediated Translation. Proceedings of the 26th Annual Conference of the European Association for Machine Translation, Volume 1: Research – Technical, Research – Translators and Users, p. 665-678. DOI: 10.26116/9789403901404.
