L'analyse des journaux logiciels contribue à maintenir la santé des solutions logicielles et à assurer leur conformité et sécurité. Les systèmes logiciels existants sont composés de composants hétérogènes émettant des journaux dans divers formats. Une solution courante consiste à unifier ces journaux en utilisant des analyseurs construits manuellement, ce qui est fastidieux.À la place, nous explorons la possibilité d'automatiser cette tâche d'analyse en employant la traduction automatique (MT). Nous avons développé un outil capable de générer des enregistrements de journaux Apache synthétiques, que nous avons utilisés pour entraîner des modèles de traduction automatique basés sur les réseaux neuronaux récurrents. L'évaluation de ces modèles sur des journaux réels montre qu'ils peuvent apprendre le format des journaux Apache et analyser individuellement chaque enregistrement de journal. La distance d'édition relative médiane entre un enregistrement de journal réel et la prédiction de la traduction automatique est inférieure ou égale à 28 %. Ainsi, nous démontrons que l'analyse des journaux par une approche de traduction automatique est prometteuse.