TROL – Traduire l’oralité à l’ère de l’Intelligence Artificielle
Summary
Excerpt
Table Of Contents
- Couverture
- Page de titre
- Page de droits d’auteur
- Page de dédicace
- Table des matières
- Liste des tableaux et des figures
- L’oral au prisme des nouvelles technologies « intelligentes ». Une introduction (Maria Margherita Mattioda, Ilaria Cennamo, Vincenzo Lambertini)
- 1. L’oral à l’interface homme-machine : vers une oralité « augmentée » ?
- 2. À l’origine de ce volume : un questionnement collectif
- 3. À l’intérieur de ce volume : un aperçu des contributions
- Références bibliographiques
- Première Partie Oralité, IA, transcription et traduction automatique de la parole
- Interprétation et technologies : d’où partons-nous ? (Caterina Falbo)
- Introduction
- 1. Technologie et modes d’interprétation
- 1.1 L’interprétation consécutive
- 1.2 L’interprétation simultanée
- 2. Développements technologiques récents
- 2.1 Les outils pour faciliter le travail des interprètes
- 2.2 Interpréter… ailleurs
- 3. Quelques réflexions et interrogations supplémentaires
- Références bibliographiques
- Traduzione diamesica e intelligenza artificiale (Carlo Eugeni)
- 1. Ripercussioni sulla teoria, la didattica e le professioni della sottotitolazione in tempo reale
- 2. Aspetti teorici della traduzione diamesica
- 2.1 Studi linguistici
- 2.2 Studi traduttologici
- 2.3 Definizione
- 2.4 Lingua scritta e lingua parlata
- 3. Traduzione diamesica e intelligenza artificiale
- 4. Le professioni della traduzione diamesica
- 5. La formazione in sottotitolazione in tempo reale
- Conclusioni
- Riferimenti bibliografici
- L’intonation et la transcription de la parole spontanée par apprentissage profond (Philippe Martin)
- 1. Introduction : transcrire l’oralité
- 2. Exemples de transcription automatique de parole spontanée
- 3. Segmentation en groupes accentuels
- 4. Structure prosodique
- 5. Whisper Fine Tuning
- 6. Quelques suggestions…
- Références bibliographiques
- Un chatbot pour l’évaluation des composantes prosodiques de la parole (Antonio Romano, Valentina De Iacovo)
- Introduction
- 1. Un chatbot MALL
- 1.1 Fonctionnement du point de vue de l’utilisateur
- 1.2 Résultats partiels
- 1.3 Phases successives
- 2. Automatisation et performances actuelles
- 3. Matériaux collectés
- 3.1 Voix des locuteurs natifs
- 3.2 Voix des apprenants
- 4. Débit de parole et qualité générale
- 4.1 Classification automatique des productions des utilisateurs sur la base du débit de parole
- 4.2 Discussions
- Conclusions
- Références bibliographiques
- Quand l’oral se mêle à la traduction automatique neuronale entre le français et l’italien (Vincenzo Lambertini, Maria Margherita Mattioda)
- Introduction
- 1. TAN, multilinguisme et langues romanes
- 2. Traitement de l’oralité par l’humain et par la machine
- 2.1 Oralité : quels défis pour l’homme et pour la machine
- 2.2 Fonctionnement des systèmes de RAPTAN
- 3. Évaluation de la RAPTAN entre le français et l’italien
- 4. Les corpus d’étude
- 4.1 Corpus A : IDFI (Interprétation de Dialogue Français-Italien)
- 4.2 Corpus B : les textes radiophoniques
- 5. Analyse des erreurs en RAPTAN entre le français et l’italien
- 5.1 Erreurs dues à la RAP
- 5.1.1 Erreurs dues à l’absence de ponctuation en RAP
- 5.1.2 Mauvaise discrimination des homophones
- 5.1.3 Mauvaise segmentation
- 5.1.4 Non-discrimination des paires minimales
- 5.1.5 Erreurs dues à des phénomènes relevant de l’oralité
- 5.2 Erreurs dues à la TAN
- 5.2.1 Mauvaise reconnaissance et traduction des tics de langage
- 5.2.2 Mauvais traitement des formes d’adresse
- 5.2.3 Interférences français-italien et influence de l’anglais
- 5.2.4 Phraséologie et terminologie
- 6. Conclusion
- Références bibliographiques
- Annexe : Conventions de transcription
- Deuxième Partie Oralité, IA, société et médiation
- Intelligence artificielle et sécurité nationale : stratégies de développement et éthique (James Archibald)
- Toile de fond
- 1. Les enjeux
- 2. Les retombées pratiques
- 3. Les enjeux de la sécurité
- 4. La mise en œuvre
- 5. La formation
- 6. Mandats
- 7. Devoirs envers la profession
- Conclusion
- Références bibliographiques
- L’oralité en entreprise : réflexions autour de la/sa traduction (automatique) (Dardo de Vecchi)
- 1. À la recherche de l’oral en entreprise
- 2. Un oral inattendu à l’écrit
- 3. Un oral peu audible
- 4. Un corpus de l’oral en entreprise : à quelles fins ?
- Conclusion
- Références bibliographiques
- Speech Processing and Language Models in the Medical Field (Mathieu Guidere)
- Introduction
- 1. NLP and AI in Healthcare
- 1.1 Dimensions of Speech Analysis
- 1.2 Methodological Approaches
- 2. Speech Processing and Language Models in Diagnosis
- 2.1 Phenotyping in Precision Psychiatry
- 2.2 Linguistic Markers of Mental Disorders
- 3. Speech Processing and Language Models in Therapy
- 3.1 Speech-Based Monitoring of Treatment Progress
- 3.2 Personalization of Therapeutic Interventions
- 3.3 Enhancing Therapeutic Communication
- Conclusion
- References
- Réseaux de neurones et interactions en EHPAD (Marie Lefelle, Mouny Samy Modeliar)
- Contexte général
- 1. La formation professionnelle
- 2. Les personnes âgées et l’Intelligence Artificielle
- 3. Le corpus de base et les variables
- 4. La seconde collecte de données et le questionnaire
- 5. La modélisation des soins aux personnes âgées à l’aide des réseaux de neurone
- 5.1 La machine de Boltzmann restreinte
- 5.2 La machine de Boltzmann dans le contexte de l’étude des soins
- 5.3 Les résultats
- 6. Bilan et perspectives
- Références bibliographiques
- Strategic Approaches to Remote Interpreting in Healthcare: A Cross-Case Study with First-Time Interpreters in PCTO Projects (Nora Gattiglia, Alice Pagano)
- Introduction
- 1. Critical issues in video-mediated interpreting
- 1.1 Strategies
- 2. Using strategic role-plays in interpreters’ training
- 2.1 The cross-case study
- 3. Data collection and analysis
- 3.1 English-Italian role-plays
- 3.1.1 Peer assessment
- 3.2 French-Italian role-plays
- 3.2.1 Peer assessment
- 3.2.2 Peer assessment
- Conclusion
- References
- Parole e immagini in azione: il social robot Nao come mediatore di conoscenza (Giacomo Antonello, Lucrezia Bano, Sandro Brignone, Renato Grimaldi, Silvia Palmieri)
- Introduzione
- 1. Contesto e obiettivi
- 2. Progettazione e realizzazione del prototipo
- 3. Applicazioni e prospettive future
- 4. Alcune conclusioni
- Bibliografia e sitografia
- Focus sur les pratiques professionnelles
- Traduire l’oralité dans les formations LEA en France (Licia Bagini)
- 1. Les formations LEA à la Faculté des Lettres et Langues de l’Université de Poitiers
- 2. Le parcours Multilinguisme Traduction Appliquée et Economie Culturelle (MultiTAEC)
- 3. L’enseignement de l’interprétation en master MultiTAEC
- 4. L’interprétation consécutive avec prise de notes
- 5. Introduction à l’interprétation de liaison
- 6. L’utilisation de l’IA dans les cours d’interprétation
- 7. Une ouverture vers l’IA : oui, mais …
- En conclusion
- Références bibliographiques
- La traduction automatique au service linguistique d’ARTE (Nicolas Beckers)
- 1. Attention et intention
- 2. Plaisir et créativité
- 3. Implication intellectuelle et échange
- 4. Transfert culturel
- 5. Thématiques sensibles
- 6. Profondeur de champ
- 7. Adéquation image / texte
- 8. Sous-titrage
- 9. Difficulté d’anticipation
- 10. Voice-over
- Autrices et auteurs
Liste des tableaux et des figures
Tableau 1: Comparaison de la précision de classification des modèles appris pour chacun des 10 énoncés (R01-R10)
Table 2: Illustration of main strategies in video-mediated interpreting
Figure 1: Courbe mélodique de l’exemple
Figure 2: Inscription à CALL-UniTO
Figure 3: Options d’accès à CALL-UniTO
Figure 4: Test des boutons
Figure 5: Test de fonctionnement
Figure 6: Exemple de question
Figure 7: Exemple d’évaluation
Figure 8: Workflow du chatbot CALL-UniTO
Figure 9: Exemple de segmentation de l’énoncé “Non avere nessuna possibilità di agire come si vorrebbe.”
Figure 10: Exemple d’alignement entre deux énoncés ayant des segments différents
Figure 11: Composition de l’archive de données recueillies
Figure 12: Graphiques de densité de probabilité groupés par type de voix de la BDn
Figure 13: Graphiques de densité de probabilité groupés par type de voix de la BDl
Figure 14: Comparaison de la précision de la classification appliquée à chaque énoncé par les modèles d’apprentissage
Figure 15: Relation entre la fluidité et le nombre de pauses pour les réalisations de la phrase 3
Figure 16: État global du soutien technologique pour les langues européennes sélectionnées (2022)
Figure 17: Proposition de grille de détection et catégorisation des erreurs en RAPTAN entre le français et l’italien
Figure 18: Capture d’écran de GT montrant la double solution de TAN-fr
Figure 19: La formation du soignant dans le questionnaire
Figure 20 : La situation de soin dans le questionnaire
Figure 21 : Les pathologies qui impactent le soin dans le questionnaire
Figure 22: La machine de Boltzmann
Figure 23: La machine de Boltzmann en EHPAD
Figure 24: La machine de Boltzmann restreinte binomiale
Figura 25: Una scheda didattica testuale viene esposta alla telecamera frontale del robot per memorizzare l’immagine
Figura 26: Una videata del software Choregraphe
Figura 27: Le schede didattiche dell’interazione programmata dal gruppo di ricerca, con contenuti testuali in inglese
Figura 28: Le schede didattiche dell’interazione programmata dal gruppo di ricerca, con volti iconici
Figura 29: La ricercatrice del Laboratorio mostra una scheda didattica a Nao
L’oral au prisme des nouvelles technologies « intelligentes ». Une introduction
1. L’oral à l’interface homme-machine : vers une oralité « augmentée » ?
L’impact de l’Intelligence Artificielle (IA) sur la société post Covid19 a été d’une telle portée que plusieurs instances scientifiques et institutionnelles l’ont considérée comme une sorte de quatrième révolution en raison de sa puissance de transformation et de modélisation de l’avenir de l’humanité (Le Cun 2019) ainsi qu’un véritable changement de paradigme global (Floridi 2017). Contrairement aux précédentes révolutions qui ont transformé le travail physique, l’IA intéresse presque tous les secteurs en remettant en question les modèles économiques et sociaux existants à travers l’automatisation de tâches intellectuelles allant jusqu’à toucher la créativité de l’être humain. En effet, selon la définition donnée par l’Union européenne, « L’IA désigne la possibilité pour une machine de reproduire des comportements liés aux humains, tels que le raisonnement, la planification et la créativité ». Bien que certaines technologies actuelles ne représentent que le fruit d’une longue évolution de systèmes existants in nuce et des recherches développées au cours des cinquante dernières années, les avancées en puissance de calcul, la disponibilité massive de données, l’émergence de nouveaux algorithmes complexes, tels que les réseaux de neurones, grâce au développement de l’apprentissage profond, ont permis des progrès majeurs dans le domaine de l’IA désormais au cœur de la transition numérique de nos sociétés contemporaines. L’arrivée fulgurante en 2022 de l’Intelligence artificielle générative (IAg) à l’instar de ChatGPT a considérablement enrichi le paysage des technologies intelligentes en élargissant leur champ d’utilisation. D’outils réservés aux spécialistes, elles sont devenues accessibles au grand public et diffusées massivement dans les pratiques quotidiennes (Beacco et al. 2021) au point qu’aujourd’hui l’IA devrait plutôt se décliner au pluriel pour la variété d’approches et de méthodes (Raus, Tonti 2025) et pour la multiplicité d’outils et d’applications qui viennent composer un véritable écosystème où tout un chacun est appelé à se repérer pour trouver la solution la plus adaptée à des besoins spécifiques (par exemple, IA polyvalentes ou IA spécialisées ou customisées). Plus particulièrement, ces avancées technologiques ont eu un impact majeur sur le langage et sur sa perception dans la société car le développement du traitement automatique du langage naturel (TALN) a profondément marqué les modes d’interaction entre humains et machines (Siri, Alexa par exemple). Longtemps considéré comme un défi complexe en raison de la richesse, de l’ambiguïté et de la variabilité des langues humaines, le langage est désormais au cœur des applications intelligentes les plus performantes. Comme Tavosanis (2018) l’a expliqué, l’un des tournants dans l’évolution de ces systèmes a été le passage de l’interaction homme-machine, essentiellement visuelle et médiée par le clavier, à une interaction de plus en plus vocale. Cette transition s’est notamment opérée grâce au développement de la reconnaissance vocale, de la transcription et de la traduction automatique, de la conversation simulée dont les prestations ont sensiblement augmenté suite au passage des architectures modulaires – comme celle d’Eliza et de systèmes similaires jusqu’en 2017 – à des modèles prédictifs de type transformer (LLM). Dans ces nouveaux environnements, on observe l’interdépendance mutuelle accrue de ces modèles dans différents types de systèmes de plus en plus accessibles grâce à leur déploiement sur des plateformes grand public. C’est ainsi qu’on a progressivement pris conscience que « les technologies […] sont en train de supprimer notre monopole de l’expression linguistique » (Grinbaum, 2023 : 12).
Details
- Pages
- 252
- Publication Year
- 2026
- ISBN (PDF)
- 9783034358811
- ISBN (ePUB)
- 9783034358828
- ISBN (Hardcover)
- 9783034347617
- DOI
- 10.3726/b23235
- Language
- Italian
- Publication date
- 2026 (April)
- Keywords
- Orality Artificial Intelligence translation linguistics
- Published
- Lausanne, Berlin, Bruxelles, Chennai, New York, Oxford, 2026. 252 p., 29 ill. b/n, 3 tab.
- Product Safety
- Peter Lang Group AG