LE ROLE DES TRADUCTEURS EN TANT QU'INGENIEURS DE PROMPT A L'ERE DE L'INTELLIGENCE ARTIFICIELLE
Abstract
L’objectif de cette étude est de déterminer le rôle principal des traducteurs en tant qu’ingénieurs de prompt à partir des outils de traduction automatique assistés par l’intelligence artificielle tels que ChatGPT et Gemini. D’une part la discussion sur l’existence de la traduction automatique bouleverse le secteur de traduction, d’autre part les traducteurs continuent à expérimenter les nouveautés numériques et les outils récents de la traduction. Cependant, l’utilisation de ces derniers exige certaines compétences spécifiques. La capacité à formuler des prompts précis en fait partie et elle joue un rôle crucial au moment de l’opération traductive avec l’intelligence artificielle. De ce fait, cette étude analysera les compétences nécessaires des traducteurs pour formuler des prompts efficaces, l'importance de comprendre le contexte culturel et linguistique, ainsi que l'impact de ces technologies sur la pratique traditionnelle de la traduction. En explorant ces aspects, cette étude vise à mettre en lumière comment les traducteurs peuvent optimiser leur travail et s'adapter aux nouvelles exigences du marché, tout en préservant la qualité et la nuance des traductions en tant qu’ingénieurs de prompt. Dans ce contexte, nous avons demandé à ces outils de traduire du français vers le turc, les textes sur l’actualité atteints avec la recherche aléatoire. Par conséquence ; selon les textes produits par les prompts variés, les défis possibles confrontés par les traducteurs en matière d’ingénierie des prompts ont été mis en lumière et une étude de base et un cadre de prompt pour les chercheurs et les professionnels du secteur ont été proposés.
Keywords
Traduction Automatique, Ingénierie de Prompt, Intelligence Artificielle, Traducteur, Technologie
References
- Baars, M. J. (2024). Prompt engineering for beginners. Independently Published (Baars Media).
- Gao, Y., Wang, R. & Hou, F. (2023). How to design translation prompts for ChatGPT: An empirical study. arXiv:2304.02182.
- Gardner, H. (1985). The mind’s new science. New York : Basic Books.
- Hue, S. (2024). Prompting ChatGPT for translation: A comparative analysis of translation brief and persona prompts. arXiv:2403.00127.
- Johnson, R. L. & Whitelock, P. (2003). Machine translation as an expert task. In (Eds., Nirenburg, S, Somers, H. & Wilks, Y.) Readings in machine translation (233-237). États-Unis: The MIT Press.
- Phoenix, J. & Taylor, M. (2024). Prompt Engineering for generative AI. États-Unis: O’Reilly.
- Plassard, F. (2005). Sens ou représentation? Étude comparative de la compréhension selon les modèles de la lecture et le modele interpétatif de la traduction. In (Eds: Israël, F. & Lederer, M.), la Théorie interpr”tative de la traduction: convergences mises en perspectives (99-133). Paris-Caen : Lettre Modernes Minard.
- Quah, C. K.(2006). Translation and technology. Angleterre: Palgrave Macmillan.
- Seleskovitch, D. & Lederer, M. (1986). Interpréter pour traduire. Paris: Didier.
- Seleskovitch, D. & Lederer, M. (1989). Pédagogie raisonnée de l’interprétation. Paris: Didier.