Dans cet article, nous décrivons un outil permettant de déboguer les sorties et les poids d'attention des systèmes de traduction automatique neuronale (NMT) ainsi que d'améliorer les estimations de confiance concernant la sortie en fonction de l'attention. L'objectif de cet outil est d'aider les chercheurs et les développeurs à identifier les traductions faibles ou erronées produites par leurs systèmes NMT sans nécessiter des traductions de référence. Notre outil offre également la possibilité de comparer directement les sorties de traduction provenant de deux moteurs NMT différents ou de deux expériences. De plus, nous présentons un site web démonstration de notre outil, avec des exemples de bonnes et mauvaises traductions : http://attention.lielakeda.lv