La traduction automatique (TA) est une technologie d'intelligence artificielle qui utilise des ordinateurs pour convertir automatiquement une langue naturelle en une autre. Cette technologie combine linguistique, modélisation statistique et apprentissage profond, permettant au système d'analyser les informations sémantiques d'un texte source et de générer des expressions correspondantes dans la langue cible. Elle constitue l'un des axes de recherche importants dans le domaine du traitement automatique du langage naturel.

La traduction automatique a une longue histoire, les recherches remontant au milieu du XXe siècle. Les premières méthodes reposaient principalement sur des systèmes de traduction automatique à base de règles, utilisant des règles linguistiques et des dictionnaires rédigés manuellement. Par la suite, la traduction automatique statistique (TAS), exploitant de vastes corpus bilingues pour apprendre les correspondances entre les mots et les expressions, est devenue la méthode dominante vers l'an 2000. Avec le développement de l'apprentissage profond, la traduction automatique neuronale (TAN) a progressivement émergé comme une nouvelle approche technologique. En 2015, des chercheurs de l'Université de Montréal et de l'Université Jacobs ont publié un article… Traduction automatique neuronale par apprentissage conjoint de l'alignement et de la traduction Cet article propose un modèle de traduction automatique neuronale basé sur un encodeur-décodeur et des mécanismes d'attention. En apprenant conjointement les relations d'alignement des mots et le processus de traduction, il est devenu une étude représentative et importante dans le domaine de la traduction automatique neuronale.

Comparée aux méthodes statistiques traditionnelles, la traduction automatique neuronale (TAN) exploite mieux le contexte, améliorant ainsi la qualité des traductions pour les phrases longues et les contextes complexes. Ces dernières années, les systèmes de traduction sont passés progressivement de l'entraînement d'un modèle par paire de langues à des modèles multilingues à grande échelle comme NLLB, capables de couvrir plus de deux cents langues (dont de nombreuses langues à faibles ressources). Les modèles de langage généralistes commencent également à prendre en charge directement des tâches de traduction interlingue, sans nécessiter d'entraînement spécialisé pour des paires de langues spécifiques. Cette technologie est aujourd'hui largement utilisée dans la recherche multilingue, la communication internationale, le commerce électronique transfrontalier, la localisation de contenu, la traduction assistée et le traitement de l'information multilingue.