AT LANGUAGEWORLD

Nous participons, en tant que conférenciers, à la conférence annuelle de linguistique informatique.

Lors d'une session du WMT'19, Joel Escudé, linguiste informaticien chez AT Language Solutions, a présenté les conclusions de ses recherches sur les biais sexistes dans l'apprentissage des moteurs de traduction.

Pour la première fois, AT Language Solutions a participé activement aux sessions parallèles du Workshop on Machine Translation dans le cadre de la 57e conférence annuelle de l'Association de linguistique informatique (ACL2019). Cette conférence, tenue du 28 juillet au 2 août à Florence, est l’événement de référence du secteur. Outre les grands promoteurs de la traduction neuronale et de l'intelligence artificielle, tels que Google IA, Amazon ou Facebook, de nombreux groupes de recherche de prestigieuses universités internationales ont participé aux sessions, ainsi que des entreprises développant des technologies de traduction neuronale, telles qu’AT.

Même si AT avait déjà participé au développement du WMT'19, en apportant des données pour la vérification de l'une des tâches, notre participation à cette conférence nous a permis, à cette occasion, de mettre à jour les connaissances sur les avancées de cette industrie innovante, de développer des opportunités relationnelles et d'optimiser la visibilité de notre marque.

D'autre part, notre linguiste informaticien, Joel Escudé, est intervenu lors d'une des sessions du workshop parallèle consacré aux biais sexistes, en exposant les conclusions de sa thèse dans un article. Pour entraîner les moteurs de traduction neuronale, il est nécessaire de les alimenter avec des millions de segments de textes, qui souvent contiennent des biais sexistes. À travers la soumission de ces textes, le système « apprend » et les perpétue. L’hypothèse à prouver lors des recherches était la suivante : si l'on forçait certaines conditions au moyen de deux tactiques, on observerait une réduction des biais sexistes dans le résultat des traductions obtenues. Lors de cette session, la méthode suivie a été présentée ainsi que le résultat, qui montre que malgré les conditions forcées, il a été possible de maintenir l’intégrité du système et de réduire légèrement le biais sexiste. Les conclusions de cette étude peuvent servir comme point de départ pour des recherches futures et donner lieu à des améliorations substantielles pour un langage plus exact et naturel dans la traduction neuronale. Pour plus d'informations techniques sur la méthode suivie lors des recherches ainsi que les résultats obtenus, vous pouvez consulter l'article original.

La linguistique informatique, notamment en ce qui concerne la traduction neuronale, progresse de façon exponentielle et une demande accrue de services basés sur l'intelligence artificielle est attendue dans un futur proche. Ce secteur, bien que fortement concurrentiel en matière de lancement d’avancées, a su jusqu’à présent constituer également une communauté de recherche très collaborative et active, à travers la création de groupes de travail qui fournissent des rétroactions enrichissantes aux recherches d'autres collègues et partagent des connaissances pour améliorer l'apprentissage des moteurs. Chez AT, nous sommes fiers d'appartenir à cette communauté et nous espérons continuer d'apporter de la valeur à de tels événements, ainsi que tirer profit des conclusions présentées pour conserver notre leadership dans le domaine des solutions technologiques adaptées aux besoins de traduction de chaque client.