Machine translations tested against gendered languages ​​Case study: English to French translation on Google Translate and DeepL platforms Traductions automatiques à l’épreuve des langues genrées Étude de cas : traduction de l’anglais vers le français sur les plateformes Google Traduction et DeepL En Fr

Résumé En Fr

Machine translation (MT) occupies a crucial place in the landscape of modern language technologies in a context of increased globalization. By relying on sophisticated algorithms and deep neural networks, MT systems such as Google Translate and DeepL enable fast and accessible translation. However, these systems face significant limitations when dealing with structures with grammatical and cultural complexity, particularly with regard to gender-related dimensions. We attempt to explore the challenges of machine translation in gendered languages ​​through a comparative study of the performance of Google Translate and DeepL for the translation from English to French, based on the issue of job titles, representative of gender stereotypes. Based on a rigorous analysis of the results obtained from our corpus intentionally designed to question the capacities of these platforms to take into account gender indicators, this research highlights the limits of current systems, in particular their inability to respond to the contextual and cultural requirements of gendered languages.

La traduction automatique (TA) occupe une place cruciale dans le paysage des technologies linguistiques modernes dans un contexte de mondialisation accrue. En s’appuyant sur des algorithmes sophistiqués et des réseaux neuronaux profonds, les systèmes de TA tels que Google Traduction et DeepL permettent une traduction rapide et accessible. Cependant, ces systèmes se heurtent à des limites importantes lorsqu’ils traitent des structures avec une complexité grammaticale et culturelle, particulièrement en ce qui concerne les dimensions liées au genre. Nous essayons d’explorer les enjeux de la traduction automatique dans les langues genrées à travers une étude comparative des performances de Google Traduction et de DeepL pour la traduction de l’anglais vers le français en nous basant sur la question des noms de métier, représentatifs des stéréotypes genrés. En se fondant sur une analyse rigoureuse des résultats obtenus à partir de notre corpus conçu intentionnellement pour interroger les capacités de ces plateformes à prendre en compte des indicateurs de genre, cette recherche met en lumière les limites des systèmes actuels, notamment leur incapacité à répondre aux exigences contextuelles et culturelles des langues genrées.