Classical NLPTAL classique

From tasks and rules to machine learning, with term extraction followed from rules to large language models.Des tâches et des règles à l'apprentissage automatique, avec l'extraction de termes suivie des règles aux grands modèles de langue.

What to expectÀ quoi s'attendre

Before large language models, a program had to be told exactly what to count, match or check. This module follows a few tasks of natural language processing: how each one was made measurable, what each method does well, where it fails, and how the task is done today.Avant les grands modèles de langue, il fallait dire précisément à un programme quoi compter, apparier ou vérifier. Ce module suit quelques tâches du traitement automatique de la langue : comment chacune a été rendue mesurable, ce que chaque méthode fait bien, où elle échoue, et comment la tâche se fait aujourd'hui.

PrerequisitesPréalables

The first two chapters of the foundations module. Nothing to install, and no mathematics beyond counting and dividing.Les deux premiers chapitres du module sur les fondements. Rien à installer, et pas de mathématiques au-delà de compter et de diviser.

StructureStructure

A tour of the tasks of the field, then four of them in detail. Term extraction comes last, followed through every approach up to large language models.Un tour d'horizon des tâches du domaine, puis quatre d'entre elles en détail. L'extraction de termes vient en dernier, suivie à travers toutes les approches jusqu'aux grands modèles de langue.

Print / PDFImprimer / PDF

Concepts in this moduleLes concepts de ce moduleaccuracyexactitude accuracyexactitude evaluationévaluation The share of all decisions of a system that are correct, true positives and true negatives together.Part de toutes les décisions d'un système qui sont correctes, vrais positifs et vrais négatifs ensemble. · ambiguityambiguïté ambiguityambiguïté linguisticslinguistique The property of a stretch of language that allows more than one interpretation.Propriété d'un segment de langue qui autorise plus d'une interprétation. · annotationannotation data annotationannotation des données datadonnées The process of adding labels or other structured information, such as categories, tags, transcriptions, or marked regions, to data so that it can be used to train or evaluate a machine learning system.Processus consistant à ajouter aux données des étiquettes ou d'autres informations structurées, comme des catégories, des balises, des transcriptions ou des zones marquées, pour qu'elles puissent servir à entraîner ou à évaluer un système d'apprentissage automatique. · automatic term extractionextraction automatique de termes automatic term extraction (ATE)extraction automatique de termes NLPTAL The identification, by a program, of candidate terms in a text or a corpus, for a person to validate.Repérage, par un programme, de candidats terminologiques dans un texte ou un corpus, en vue de leur validation par une personne. · candidate termcandidat terminologique candidate termcandidat terminologique NLPTAL A unit that a term extraction program proposes as a possible term, before a person has validated it.Unité qu'un programme d'extraction automatique de termes propose comme terme possible, avant qu'une personne ne l'ait validée. · comparable corpuscorpus comparable comparable corpuscorpus comparable corporacorpus A corpus containing texts in two or more languages (or language varieties) matched on subject, genre or communicative function, whose components are typically written originally in each language rather than translated: press articles written independently in French and in English on the same events, for instance.Corpus réunissant des textes en deux ou plusieurs langues (ou variétés de langue) appariés par sujet, genre ou fonction de communication, et dont les composantes sont généralement rédigées à l'origine dans chaque langue plutôt que traduites : par exemple des articles de presse rédigés indépendamment en français et en anglais sur les mêmes événements. · computational linguisticslinguistique informatique computational linguistics (CL)linguistique informatique NLPTAL The interdisciplinary study of human language from a computational perspective, including the development of computational models of linguistic phenomena.Étude interdisciplinaire du langage humain dans une perspective computationnelle, y compris l'élaboration de modèles computationnels des phénomènes linguistiques. · computer-assisted translationtraduction assistée par ordinateur computer-assisted translation (CAT)traduction assistée par ordinateur (TAO) CAT toolsTAO Software that assists a human translator during the translation process, commonly by dividing texts into segments and providing functions such as translation-memory retrieval, terminology management, consistency checks and file management.Logiciel qui assiste un traducteur humain pendant le processus de traduction, généralement en divisant les textes en segments et en offrant des fonctions comme la recherche en mémoire de traduction, la gestion terminologique, les vérifications de cohérence et la gestion des fichiers. · context windowfenêtre contextuelle context windowfenêtre contextuelle language modelsmodèles de langue "The amount of input (like text) that an AI system can process at one time during a task. Think of it as a model's short-term memory. A model can only consider so much text when generating its next response, and once the conversation exceeds its context window, the model starts 'forgetting' prior responses." (Stanford HAI).Quantité d'entrée (du texte, par exemple) qu'un système d'IA peut traiter à la fois pendant une tâche ; en quelque sorte, la mémoire à court terme du modèle. Un modèle ne peut considérer qu'une quantité limitée de texte pour générer sa prochaine réponse et, quand la conversation dépasse sa fenêtre contextuelle, il commence à « oublier » les réponses antérieures (d'après Stanford HAI, traduction libre). · contextual embeddingplongement contextuel contextual embeddingplongement contextuel embeddingsplongements A numerical representation generated for a particular occurrence of a token by taking account of the other tokens available to the model.Représentation numérique générée pour une occurrence particulière d'un jeton en tenant compte des autres jetons accessibles au modèle. · corpuscorpus corpuscorpus corporacorpus A collection of written texts, speech recordings or transcribed language assembled for analysis or use in language technology (plural: corpora).Ensemble de textes écrits, d'enregistrements de parole ou de langue transcrite réuni pour l'analyse ou pour les technologies langagières. · deterministicdéterministe deterministicdéterministe computinginformatique Describes a process, algorithm, or system that, under the same initial conditions and with the same input, always produces the same output.Se dit d'un processus, d'un algorithme ou d'un système qui, dans les mêmes conditions initiales et avec la même entrée, produit toujours la même sortie. · elementélément elementélément XMLXML The building block of an XML document: an opening tag, the content it delimits and a closing tag, or a single empty-element tag when there is no content.Unité de base d'un document XML : une balise ouvrante, le contenu qu'elle délimite et une balise fermante, ou une seule balise d'élément vide quand il n'y a pas de contenu. · F1 scorescore F1 F1 scorescore F1 evaluationévaluation The harmonic mean of precision and recall: a single number between 0 and 1 that is high only when both are high.Moyenne harmonique de la précision et du rappel : un seul nombre entre 0 et 1, qui n'est élevé que si les deux le sont. · featureattribut featureattribut machine learningapprentissage automatique A property or representation of an observation that a machine-learning model uses as input when making a prediction.Propriété ou représentation d'une observation qu'un modèle d'apprentissage automatique utilise en entrée pour produire une prédiction. · fine-tuningaffinage fine-tuningaffinage machine learningapprentissage automatique Further training of a pretrained model on new data to adapt it for a particular task, domain, or intended behaviour.Poursuite de l'entraînement d'un modèle préentraîné sur un jeu de données généralement plus restreint et spécialisé, afin de l'adapter à une tâche ou à un domaine particulier. · gold standardétalon de référence gold standardétalon de référence evaluationévaluation The best available reference dataset, annotation, measurement or procedure against which a system's results are evaluated.Meilleur jeu de données, annotation, mesure ou procédure de référence disponible pour évaluer les résultats d'un système. · hallucinationfabulation de l'IA hallucinationfabulation de l'IA language modelsmodèles de langue Content generated by an AI model that is factually incorrect or fabricated, even though it may sound plausible.Contenu généré par un modèle d'IA qui est factuellement inexact ou fabriqué, même s'il peut sembler plausible. · interchange formatformat d'échange interchange formatformat d'échange exchange formatsformats d'échange A documented way of organizing and representing data so that it can be transferred between different systems or applications. In translation technology, TMX is primarily used to exchange translation-memory data, TBX to exchange terminological data, and XLIFF to move localizable content, translations, and related workflow information. A standardized format facilitates interoperability, but successful exchange may still depend on the versions, optional features, and metadata supported by each tool.Manière documentée d'organiser et de représenter des données afin qu'elles puissent être transférées entre différents systèmes ou applications. En technologies de la traduction, TMX sert principalement à échanger des données de mémoire de traduction, TBX à échanger des données terminologiques, et XLIFF à transporter du contenu localisable, ses traductions et les informations de flux de travail associées. Un format normalisé facilite l'interopérabilité, mais la réussite de l'échange peut dépendre des versions, des fonctionnalités facultatives et des métadonnées que prend en charge chaque outil. · language technologytechnologie langagière language technologytechnologie langagière NLPTAL The field that builds usable tools and services out of the computational processing of human language, such as machine translation systems, terminology tools, speech interfaces and writing aids. By extension, the term also names those tools themselves.Domaine consacré à la conception d'outils et de services utilisables à partir du traitement informatique de la langue humaine : systèmes de traduction automatique, outils terminologiques, interfaces vocales, aides à la rédaction. Par extension, le terme désigne aussi ces outils eux-mêmes. · large language modelgrand modèle de langue large language model (LLM)grand modèle de langue (GML) language modelsmodèles de langue A neural-network language model, usually based on the transformer architecture, that is trained on very large amounts of text and contains many learned parameters.Modèle de langue à réseau de neurones, habituellement fondé sur l'architecture des transformeurs, entraîné sur de très grandes quantités de texte et comptant de très nombreux paramètres appris. · lemmalemme lemmalemme linguisticslinguistique The base or dictionary form under which the inflected forms of a word are grouped: go, goes, went and gone share the lemma go.Forme de base, ou forme de dictionnaire, sous laquelle sont regroupées les formes fléchies d'un mot : va, allons, allait et allé partagent le lemme aller. · machine learningapprentissage automatique machine learning (ML)apprentissage automatique machine learningapprentissage automatique An approach to artificial intelligence in which a model is trained on data or experience so that its adjustable parameters come to reflect patterns relevant to a task.Approche de l'intelligence artificielle dans laquelle un modèle est entraîné sur des données ou sur l'expérience, de sorte que ses paramètres ajustables en viennent à refléter des régularités pertinentes pour une tâche. · machine translationtraduction automatique machine translation (MT)traduction automatique (TA) translationtraduction The use of a computer system to produce content in a target language that conveys content expressed in a source language.Utilisation d'un système informatique pour produire, dans une langue cible, un contenu qui rend un contenu exprimé dans une langue source. · n-gramn-gramme n-gramn-gramme corporacorpus A sequence of n consecutive items from a text, usually words: bigrams (n = 2), trigrams (n = 3), and so on.Suite de n éléments consécutifs d'un texte, généralement des mots : bigrammes (n = 2), trigrammes (n = 3), etc. · named entity recognitionreconnaissance d'entités nommées named entity recognition (NER)reconnaissance d'entités nommées (REN) NLPTAL The task of finding the spans of a text that are proper names, and labelling the category, most often a person, a location or an organization.Tâche qui consiste à repérer dans un texte les segments qui sont des noms propres, et à en étiqueter la catégorie, le plus souvent une personne, un lieu ou une organisation. · namespaceespace de noms namespaceespace de noms XMLXML A name, written as a URI, that says which vocabulary an element or attribute belongs to.Nom, écrit sous la forme d'un URI, qui indique à quel vocabulaire appartient un élément ou un attribut. · natural language processingtraitement automatique de la langue natural language processing (NLP)traitement automatique de la langue (TAL) NLPTAL An interdisciplinary field that develops and studies computational methods for analyzing, processing, and generating human language.Domaine interdisciplinaire qui développe et étudie des méthodes computationnelles pour analyser, traiter et générer le langage humain. · neural networkréseau de neurones neural network (NN)réseau de neurones (RNA) machine learningapprentissage automatique A machine-learning model composed of interconnected layers of small computational units.Modèle d'apprentissage automatique composé de couches interconnectées de petites unités de calcul. · noisebruit noisebruit evaluationévaluation The items a system returns that are not correct: in term extraction, the candidates that are not terms.Éléments trouvés par un système qui ne sont pas corrects : en extraction de termes, les candidats qui ne sont pas des termes. · normalizationnormalisation normalizationnormalisation NLPTAL The processing that reduces the variation in a text that is irrelevant to a task, for instance by putting every word in lowercase, removing accents, unifying quotation marks or grouping the forms of a word, so that fewer distinct forms remain to count or to match.Traitement qui réduit la variation d'un texte sans rapport avec la tâche, par exemple en mettant tous les mots en minuscules, en supprimant les accents, en unifiant les guillemets ou en regroupant les formes d'un mot, de sorte qu'il reste moins de formes distinctes à compter ou à apparier. · parallel corpuscorpus parallèle parallel corpuscorpus parallèle corporacorpus A corpus of texts in one language together with their translations into one or more other languages, usually aligned sentence by sentence so that each segment can be viewed next to its equivalent.Corpus de textes dans une langue accompagnés de leurs traductions vers une ou plusieurs autres langues, généralement alignés phrase par phrase de façon à afficher chaque segment en regard de son équivalent. · part-of-speech taggingétiquetage morphosyntaxique part-of-speech tagging (POS tagging)étiquetage morphosyntaxique NLPTAL The task of taking a sequence of tokenized words and a tagset, and assigning to each word one tag naming its grammatical class, such as noun or verb.Tâche qui consiste à prendre une suite de mots segmentés et un jeu d'étiquettes, puis à attribuer à chaque mot une étiquette nommant sa classe grammaticale, par exemple nom ou verbe. · plain texttexte brut plain texttexte brut text encodingencodage du texte Text represented as a sequence of characters alone, with no formatting or layout of its own. A plain-text file opens in any text editor, whatever produced it, which is why interchange formats are written this way: markup languages record structure inside plain text, by writing that structure as characters in the text itself.Texte représenté par la seule suite de ses caractères, sans mise en forme ni mise en page propre. Un fichier en texte brut s'ouvre dans n'importe quel éditeur de texte, quel que soit le logiciel qui l'a produit, ce qui explique que les formats d'échange s'écrivent ainsi : les langages de balisage consignent la structure à l'intérieur du texte brut, en l'écrivant sous forme de caractères dans le texte lui-même. · pre-trainingpréentraînement pre-trainingpréentraînement language modelsmodèles de langue An initial stage in which a model learns general patterns and reusable representations from a large dataset, often through self-supervised learning, before any later adaptation for particular tasks or uses.Étape initiale au cours de laquelle un modèle apprend des régularités générales et des représentations réutilisables à partir d'un grand jeu de données, souvent par apprentissage autosupervisé, avant toute adaptation ultérieure à des tâches ou à des usages particuliers. · promptrequête promptrequête promptingrequêtes Input given to a generative AI system to specify a task, provide context, or otherwise guide its output.Entrée fournie à un système d'IA générative pour préciser une tâche, donner du contexte ou orienter la sortie. · regular expressionexpression rationnelle regular expression (regex)expression rationnelle regular expressionsexpressions rationnelles A pattern describing a set of character strings, built from literal characters and metacharacters with special meanings; used to search, filter and transform text by structure rather than by exact wording.Motif décrivant un ensemble de chaînes de caractères, formé de caractères littéraux et de métacaractères à signification spéciale ; sert à chercher, filtrer et transformer du texte selon sa structure plutôt que selon une formulation exacte. · rule-based systemsystème à base de règles rule-based systemsystème à base de règles AIIA A system whose behaviour is fixed by rules that people wrote, most often of the form "if this condition, then this action", so that every output can be traced to the rule that produced it.Système dont le comportement est fixé par des règles écrites par des personnes, le plus souvent de la forme « si cette condition, alors cette action », de sorte que chaque résultat peut être rapporté à la règle qui l'a produit. · segmentationsegmentation segmentationsegmentation CAT toolsTAO The operation of dividing translatable content into segments, which correspond roughly to sentences, titles and other separate text elements.Opération qui consiste à diviser le contenu à traduire en segments, qui correspondent plus ou moins aux phrases, aux titres et aux autres éléments textuels séparés. · sentence segmentationsegmentation en phrases sentence segmentationsegmentation en phrases NLPTAL The task of dividing a text into sentences, which comes down to deciding, for each full stop or other end mark, whether it ends a sentence.Tâche qui consiste à découper un texte en phrases, ce qui revient à décider, pour chaque point ou autre marque finale, s'il termine une phrase. · shared tasktâche partagée shared tasktâche partagée evaluationévaluation A public evaluation exercise in which every participating team is given the same task, the same data and the same scoring, so that their systems can be compared directly.Exercice d'évaluation public où toutes les équipes participantes reçoivent la même tâche, les mêmes données et la même notation, de sorte que leurs systèmes se comparent directement. · silencesilence silencesilence evaluationévaluation The correct items a system fails to return: in term extraction, the terms of the gold standard that were not proposed.Éléments corrects qu'un système ne trouve pas : en extraction de termes, les termes de la référence qui n'ont pas été proposés. · stemmingracinisation stemmingracinisation NLPTAL A rough form of normalization that cuts the endings off words by rule, so that the forms of one word usually share a stem, which need not be a word of the language.Forme grossière de normalisation qui coupe les terminaisons des mots selon des règles, de sorte que les formes d'un mot partagent le plus souvent une racine, qui n'est pas forcément un mot de la langue. · stop wordmot vide stop wordmot vide NLPTAL A very frequent word, such as an article, a preposition or a pronoun, that a system is set to ignore because it says little about the content of a text.Mot très fréquent, comme un article, une préposition ou un pronom, qu'un système est réglé pour ignorer parce qu'il renseigne peu sur le contenu d'un texte. · supervised (machine) learningapprentissage supervisé supervised (machine) learningapprentissage supervisé machine learningapprentissage automatique A form of machine learning in which a model learns from labelled examples.Forme d'apprentissage automatique dans laquelle un modèle apprend à partir d'exemples étiquetés. · tagsetjeu d'étiquettes tagsetjeu d'étiquettes NLPTAL The set of labels available to a part-of-speech tagger or to an annotation task, from which exactly one is given to each word.Ensemble des étiquettes dont dispose un étiqueteur morphosyntaxique ou une tâche d'annotation, et dont exactement une est attribuée à chaque mot. · termterme termterme terminologyterminologie A word or group of words that designates a concept in a specialized domain.Mot ou groupe de mots qui désigne un concept dans un domaine spécialisé. · termbasebase terminologique termbasebase terminologique terminologyterminologie A database of terminological entries organized by concept, grouping the terms of several languages with metadata such as definitions, domains and usage status.Base de données d'entrées terminologiques organisée par concept, contenant les termes de plusieurs langues et des métadonnées comme des définitions, des domaines et des marques d'usage. · TermBase eXchangeTermBase eXchange TermBase eXchange (TBX)TermBase eXchange (TBX) exchange formatsformats d'échange The XML-based standard (ISO 30042) for exchanging termbases: each concept entry can gather the terms of several languages plus rich metadata such as definitions, part of speech, domain and usage notes.Norme fondée sur XML (ISO 30042) pour échanger des bases terminologiques : chaque entrée conceptuelle peut contenir les termes de plusieurs langues et des métadonnées riches comme des définitions, la partie du discours, le domaine et des notes d'usage. · termhooddegré de termitude termhooddegré de termitude terminologyterminologie The degree to which a unit of language is related to the concepts of a specialized domain.Degré auquel une unité de la langue se rattache aux concepts d'un domaine spécialisé. · token¹occurrence de mot token¹occurrence de mot linguisticslinguistique An individual occurrence of a word or another countable element in a text.Apparition individuelle d'un mot ou d'un autre élément dénombrable dans un texte. · token²jeton textuel² token²jeton textuel² language modelsmodèles de langue A unit of text that a language model processes or generates.Unité de texte qu'un modèle de langue traite ou génère. Un jeton peut correspondre à un mot entier, à une partie de mot, à un signe de ponctuation ou à une séquence plus petite de caractères ou d'octets. · tokenization¹segmentation en unités lexicales tokenization¹segmentation en unités lexicales linguisticslinguistique The process of dividing running text into individual units that can be counted, annotated or analyzed.Processus de découpage d'un texte suivi en unités individuelles pouvant être comptées, annotées ou analysées. · training corpusbase d'apprentissage training corpusbase d'apprentissage datadonnées A collection of text or other language data used to estimate or update a model's parameters during training or pretraining.Collection de textes ou d'autres données langagières servant à estimer ou à mettre à jour les paramètres d'un modèle pendant l'entraînement ou le préentraînement. · training setjeu de données d'entraînement training setjeu de données d'entraînement machine learningapprentissage automatique The portion of a dataset used to train a machine-learning model.Portion d'un jeu de données servant à entraîner un modèle d'apprentissage automatique. · translation memorymémoire de traduction translation memory (TM)mémoire de traduction (MT) CAT toolsTAO A bilingual database of previously translated source segments and their corresponding target segments, which a translation-memory system searches to propose exact or similar matches for new source text.Base de données bilingue de segments source déjà traduits et de leurs segments cibles correspondants, dans laquelle un système de mémoire de traduction cherche des correspondances exactes ou similaires pour un nouveau texte source. · typetype typetype linguisticslinguistique A distinct linguistic form found in a text or corpus, counted only once regardless of how many times it occurs.Forme linguistique distincte relevée dans un texte ou un corpus, comptée une seule fois quel que soit son nombre d'apparitions. · unithooddegré de figement unithooddegré de figement terminologyterminologie The degree to which a sequence of words forms a stable unit.Degré auquel une suite de mots forme une unité stable. fine-tuningaffinage fine-tuningaffinage machine learningapprentissage automatique Further training of a pretrained model on new data to adapt it for a particular task, domain, or intended behaviour.Poursuite de l'entraînement d'un modèle préentraîné sur un jeu de données généralement plus restreint et spécialisé, afin de l'adapter à une tâche ou à un domaine particulier. · ambiguityambiguïté ambiguityambiguïté linguisticslinguistique The property of a stretch of language that allows more than one interpretation.Propriété d'un segment de langue qui autorise plus d'une interprétation. · annotationannotation data annotationannotation des données datadonnées The process of adding labels or other structured information, such as categories, tags, transcriptions, or marked regions, to data so that it can be used to train or evaluate a machine learning system.Processus consistant à ajouter aux données des étiquettes ou d'autres informations structurées, comme des catégories, des balises, des transcriptions ou des zones marquées, pour qu'elles puissent servir à entraîner ou à évaluer un système d'apprentissage automatique. · machine learningapprentissage automatique machine learning (ML)apprentissage automatique machine learningapprentissage automatique An approach to artificial intelligence in which a model is trained on data or experience so that its adjustable parameters come to reflect patterns relevant to a task.Approche de l'intelligence artificielle dans laquelle un modèle est entraîné sur des données ou sur l'expérience, de sorte que ses paramètres ajustables en viennent à refléter des régularités pertinentes pour une tâche. · supervised (machine) learningapprentissage supervisé supervised (machine) learningapprentissage supervisé machine learningapprentissage automatique A form of machine learning in which a model learns from labelled examples.Forme d'apprentissage automatique dans laquelle un modèle apprend à partir d'exemples étiquetés. · featureattribut featureattribut machine learningapprentissage automatique A property or representation of an observation that a machine-learning model uses as input when making a prediction.Propriété ou représentation d'une observation qu'un modèle d'apprentissage automatique utilise en entrée pour produire une prédiction. · training corpusbase d'apprentissage training corpusbase d'apprentissage datadonnées A collection of text or other language data used to estimate or update a model's parameters during training or pretraining.Collection de textes ou d'autres données langagières servant à estimer ou à mettre à jour les paramètres d'un modèle pendant l'entraînement ou le préentraînement. · termbasebase terminologique termbasebase terminologique terminologyterminologie A database of terminological entries organized by concept, grouping the terms of several languages with metadata such as definitions, domains and usage status.Base de données d'entrées terminologiques organisée par concept, contenant les termes de plusieurs langues et des métadonnées comme des définitions, des domaines et des marques d'usage. · noisebruit noisebruit evaluationévaluation The items a system returns that are not correct: in term extraction, the candidates that are not terms.Éléments trouvés par un système qui ne sont pas corrects : en extraction de termes, les candidats qui ne sont pas des termes. · candidate termcandidat terminologique candidate termcandidat terminologique NLPTAL A unit that a term extraction program proposes as a possible term, before a person has validated it.Unité qu'un programme d'extraction automatique de termes propose comme terme possible, avant qu'une personne ne l'ait validée. · corpuscorpus corpuscorpus corporacorpus A collection of written texts, speech recordings or transcribed language assembled for analysis or use in language technology (plural: corpora).Ensemble de textes écrits, d'enregistrements de parole ou de langue transcrite réuni pour l'analyse ou pour les technologies langagières. · comparable corpuscorpus comparable comparable corpuscorpus comparable corporacorpus A corpus containing texts in two or more languages (or language varieties) matched on subject, genre or communicative function, whose components are typically written originally in each language rather than translated: press articles written independently in French and in English on the same events, for instance.Corpus réunissant des textes en deux ou plusieurs langues (ou variétés de langue) appariés par sujet, genre ou fonction de communication, et dont les composantes sont généralement rédigées à l'origine dans chaque langue plutôt que traduites : par exemple des articles de presse rédigés indépendamment en français et en anglais sur les mêmes événements. · parallel corpuscorpus parallèle parallel corpuscorpus parallèle corporacorpus A corpus of texts in one language together with their translations into one or more other languages, usually aligned sentence by sentence so that each segment can be viewed next to its equivalent.Corpus de textes dans une langue accompagnés de leurs traductions vers une ou plusieurs autres langues, généralement alignés phrase par phrase de façon à afficher chaque segment en regard de son équivalent. · unithooddegré de figement unithooddegré de figement terminologyterminologie The degree to which a sequence of words forms a stable unit.Degré auquel une suite de mots forme une unité stable. · termhooddegré de termitude termhooddegré de termitude terminologyterminologie The degree to which a unit of language is related to the concepts of a specialized domain.Degré auquel une unité de la langue se rattache aux concepts d'un domaine spécialisé. · deterministicdéterministe deterministicdéterministe computinginformatique Describes a process, algorithm, or system that, under the same initial conditions and with the same input, always produces the same output.Se dit d'un processus, d'un algorithme ou d'un système qui, dans les mêmes conditions initiales et avec la même entrée, produit toujours la même sortie. · elementélément elementélément XMLXML The building block of an XML document: an opening tag, the content it delimits and a closing tag, or a single empty-element tag when there is no content.Unité de base d'un document XML : une balise ouvrante, le contenu qu'elle délimite et une balise fermante, ou une seule balise d'élément vide quand il n'y a pas de contenu. · namespaceespace de noms namespaceespace de noms XMLXML A name, written as a URI, that says which vocabulary an element or attribute belongs to.Nom, écrit sous la forme d'un URI, qui indique à quel vocabulaire appartient un élément ou un attribut. · gold standardétalon de référence gold standardétalon de référence evaluationévaluation The best available reference dataset, annotation, measurement or procedure against which a system's results are evaluated.Meilleur jeu de données, annotation, mesure ou procédure de référence disponible pour évaluer les résultats d'un système. · part-of-speech taggingétiquetage morphosyntaxique part-of-speech tagging (POS tagging)étiquetage morphosyntaxique NLPTAL The task of taking a sequence of tokenized words and a tagset, and assigning to each word one tag naming its grammatical class, such as noun or verb.Tâche qui consiste à prendre une suite de mots segmentés et un jeu d'étiquettes, puis à attribuer à chaque mot une étiquette nommant sa classe grammaticale, par exemple nom ou verbe. · accuracyexactitude accuracyexactitude evaluationévaluation The share of all decisions of a system that are correct, true positives and true negatives together.Part de toutes les décisions d'un système qui sont correctes, vrais positifs et vrais négatifs ensemble. · regular expressionexpression rationnelle regular expression (regex)expression rationnelle regular expressionsexpressions rationnelles A pattern describing a set of character strings, built from literal characters and metacharacters with special meanings; used to search, filter and transform text by structure rather than by exact wording.Motif décrivant un ensemble de chaînes de caractères, formé de caractères littéraux et de métacaractères à signification spéciale ; sert à chercher, filtrer et transformer du texte selon sa structure plutôt que selon une formulation exacte. · automatic term extractionextraction automatique de termes automatic term extraction (ATE)extraction automatique de termes NLPTAL The identification, by a program, of candidate terms in a text or a corpus, for a person to validate.Repérage, par un programme, de candidats terminologiques dans un texte ou un corpus, en vue de leur validation par une personne. · hallucinationfabulation de l'IA hallucinationfabulation de l'IA language modelsmodèles de langue Content generated by an AI model that is factually incorrect or fabricated, even though it may sound plausible.Contenu généré par un modèle d'IA qui est factuellement inexact ou fabriqué, même s'il peut sembler plausible. · context windowfenêtre contextuelle context windowfenêtre contextuelle language modelsmodèles de langue "The amount of input (like text) that an AI system can process at one time during a task. Think of it as a model's short-term memory. A model can only consider so much text when generating its next response, and once the conversation exceeds its context window, the model starts 'forgetting' prior responses." (Stanford HAI).Quantité d'entrée (du texte, par exemple) qu'un système d'IA peut traiter à la fois pendant une tâche ; en quelque sorte, la mémoire à court terme du modèle. Un modèle ne peut considérer qu'une quantité limitée de texte pour générer sa prochaine réponse et, quand la conversation dépasse sa fenêtre contextuelle, il commence à « oublier » les réponses antérieures (d'après Stanford HAI, traduction libre). · interchange formatformat d'échange interchange formatformat d'échange exchange formatsformats d'échange A documented way of organizing and representing data so that it can be transferred between different systems or applications. In translation technology, TMX is primarily used to exchange translation-memory data, TBX to exchange terminological data, and XLIFF to move localizable content, translations, and related workflow information. A standardized format facilitates interoperability, but successful exchange may still depend on the versions, optional features, and metadata supported by each tool.Manière documentée d'organiser et de représenter des données afin qu'elles puissent être transférées entre différents systèmes ou applications. En technologies de la traduction, TMX sert principalement à échanger des données de mémoire de traduction, TBX à échanger des données terminologiques, et XLIFF à transporter du contenu localisable, ses traductions et les informations de flux de travail associées. Un format normalisé facilite l'interopérabilité, mais la réussite de l'échange peut dépendre des versions, des fonctionnalités facultatives et des métadonnées que prend en charge chaque outil. · large language modelgrand modèle de langue large language model (LLM)grand modèle de langue (GML) language modelsmodèles de langue A neural-network language model, usually based on the transformer architecture, that is trained on very large amounts of text and contains many learned parameters.Modèle de langue à réseau de neurones, habituellement fondé sur l'architecture des transformeurs, entraîné sur de très grandes quantités de texte et comptant de très nombreux paramètres appris. · token²jeton textuel² token²jeton textuel² language modelsmodèles de langue A unit of text that a language model processes or generates.Unité de texte qu'un modèle de langue traite ou génère. Un jeton peut correspondre à un mot entier, à une partie de mot, à un signe de ponctuation ou à une séquence plus petite de caractères ou d'octets. · tagsetjeu d'étiquettes tagsetjeu d'étiquettes NLPTAL The set of labels available to a part-of-speech tagger or to an annotation task, from which exactly one is given to each word.Ensemble des étiquettes dont dispose un étiqueteur morphosyntaxique ou une tâche d'annotation, et dont exactement une est attribuée à chaque mot. · training setjeu de données d'entraînement training setjeu de données d'entraînement machine learningapprentissage automatique The portion of a dataset used to train a machine-learning model.Portion d'un jeu de données servant à entraîner un modèle d'apprentissage automatique. · lemmalemme lemmalemme linguisticslinguistique The base or dictionary form under which the inflected forms of a word are grouped: go, goes, went and gone share the lemma go.Forme de base, ou forme de dictionnaire, sous laquelle sont regroupées les formes fléchies d'un mot : va, allons, allait et allé partagent le lemme aller. · computational linguisticslinguistique informatique computational linguistics (CL)linguistique informatique NLPTAL The interdisciplinary study of human language from a computational perspective, including the development of computational models of linguistic phenomena.Étude interdisciplinaire du langage humain dans une perspective computationnelle, y compris l'élaboration de modèles computationnels des phénomènes linguistiques. · translation memorymémoire de traduction translation memory (TM)mémoire de traduction (MT) CAT toolsTAO A bilingual database of previously translated source segments and their corresponding target segments, which a translation-memory system searches to propose exact or similar matches for new source text.Base de données bilingue de segments source déjà traduits et de leurs segments cibles correspondants, dans laquelle un système de mémoire de traduction cherche des correspondances exactes ou similaires pour un nouveau texte source. · stop wordmot vide stop wordmot vide NLPTAL A very frequent word, such as an article, a preposition or a pronoun, that a system is set to ignore because it says little about the content of a text.Mot très fréquent, comme un article, une préposition ou un pronom, qu'un système est réglé pour ignorer parce qu'il renseigne peu sur le contenu d'un texte. · n-gramn-gramme n-gramn-gramme corporacorpus A sequence of n consecutive items from a text, usually words: bigrams (n = 2), trigrams (n = 3), and so on.Suite de n éléments consécutifs d'un texte, généralement des mots : bigrammes (n = 2), trigrammes (n = 3), etc. · normalizationnormalisation normalizationnormalisation NLPTAL The processing that reduces the variation in a text that is irrelevant to a task, for instance by putting every word in lowercase, removing accents, unifying quotation marks or grouping the forms of a word, so that fewer distinct forms remain to count or to match.Traitement qui réduit la variation d'un texte sans rapport avec la tâche, par exemple en mettant tous les mots en minuscules, en supprimant les accents, en unifiant les guillemets ou en regroupant les formes d'un mot, de sorte qu'il reste moins de formes distinctes à compter ou à apparier. · token¹occurrence de mot token¹occurrence de mot linguisticslinguistique An individual occurrence of a word or another countable element in a text.Apparition individuelle d'un mot ou d'un autre élément dénombrable dans un texte. · contextual embeddingplongement contextuel contextual embeddingplongement contextuel embeddingsplongements A numerical representation generated for a particular occurrence of a token by taking account of the other tokens available to the model.Représentation numérique générée pour une occurrence particulière d'un jeton en tenant compte des autres jetons accessibles au modèle. · pre-trainingpréentraînement pre-trainingpréentraînement language modelsmodèles de langue An initial stage in which a model learns general patterns and reusable representations from a large dataset, often through self-supervised learning, before any later adaptation for particular tasks or uses.Étape initiale au cours de laquelle un modèle apprend des régularités générales et des représentations réutilisables à partir d'un grand jeu de données, souvent par apprentissage autosupervisé, avant toute adaptation ultérieure à des tâches ou à des usages particuliers. · stemmingracinisation stemmingracinisation NLPTAL A rough form of normalization that cuts the endings off words by rule, so that the forms of one word usually share a stem, which need not be a word of the language.Forme grossière de normalisation qui coupe les terminaisons des mots selon des règles, de sorte que les formes d'un mot partagent le plus souvent une racine, qui n'est pas forcément un mot de la langue. · named entity recognitionreconnaissance d'entités nommées named entity recognition (NER)reconnaissance d'entités nommées (REN) NLPTAL The task of finding the spans of a text that are proper names, and labelling the category, most often a person, a location or an organization.Tâche qui consiste à repérer dans un texte les segments qui sont des noms propres, et à en étiqueter la catégorie, le plus souvent une personne, un lieu ou une organisation. · promptrequête promptrequête promptingrequêtes Input given to a generative AI system to specify a task, provide context, or otherwise guide its output.Entrée fournie à un système d'IA générative pour préciser une tâche, donner du contexte ou orienter la sortie. · neural networkréseau de neurones neural network (NN)réseau de neurones (RNA) machine learningapprentissage automatique A machine-learning model composed of interconnected layers of small computational units.Modèle d'apprentissage automatique composé de couches interconnectées de petites unités de calcul. · F1 scorescore F1 F1 scorescore F1 evaluationévaluation The harmonic mean of precision and recall: a single number between 0 and 1 that is high only when both are high.Moyenne harmonique de la précision et du rappel : un seul nombre entre 0 et 1, qui n'est élevé que si les deux le sont. · segmentationsegmentation segmentationsegmentation CAT toolsTAO The operation of dividing translatable content into segments, which correspond roughly to sentences, titles and other separate text elements.Opération qui consiste à diviser le contenu à traduire en segments, qui correspondent plus ou moins aux phrases, aux titres et aux autres éléments textuels séparés. · sentence segmentationsegmentation en phrases sentence segmentationsegmentation en phrases NLPTAL The task of dividing a text into sentences, which comes down to deciding, for each full stop or other end mark, whether it ends a sentence.Tâche qui consiste à découper un texte en phrases, ce qui revient à décider, pour chaque point ou autre marque finale, s'il termine une phrase. · tokenization¹segmentation en unités lexicales tokenization¹segmentation en unités lexicales linguisticslinguistique The process of dividing running text into individual units that can be counted, annotated or analyzed.Processus de découpage d'un texte suivi en unités individuelles pouvant être comptées, annotées ou analysées. · silencesilence silencesilence evaluationévaluation The correct items a system fails to return: in term extraction, the terms of the gold standard that were not proposed.Éléments corrects qu'un système ne trouve pas : en extraction de termes, les termes de la référence qui n'ont pas été proposés. · rule-based systemsystème à base de règles rule-based systemsystème à base de règles AIIA A system whose behaviour is fixed by rules that people wrote, most often of the form "if this condition, then this action", so that every output can be traced to the rule that produced it.Système dont le comportement est fixé par des règles écrites par des personnes, le plus souvent de la forme « si cette condition, alors cette action », de sorte que chaque résultat peut être rapporté à la règle qui l'a produit. · shared tasktâche partagée shared tasktâche partagée evaluationévaluation A public evaluation exercise in which every participating team is given the same task, the same data and the same scoring, so that their systems can be compared directly.Exercice d'évaluation public où toutes les équipes participantes reçoivent la même tâche, les mêmes données et la même notation, de sorte que leurs systèmes se comparent directement. · language technologytechnologie langagière language technologytechnologie langagière NLPTAL The field that builds usable tools and services out of the computational processing of human language, such as machine translation systems, terminology tools, speech interfaces and writing aids. By extension, the term also names those tools themselves.Domaine consacré à la conception d'outils et de services utilisables à partir du traitement informatique de la langue humaine : systèmes de traduction automatique, outils terminologiques, interfaces vocales, aides à la rédaction. Par extension, le terme désigne aussi ces outils eux-mêmes. · TermBase eXchangeTermBase eXchange TermBase eXchange (TBX)TermBase eXchange (TBX) exchange formatsformats d'échange The XML-based standard (ISO 30042) for exchanging termbases: each concept entry can gather the terms of several languages plus rich metadata such as definitions, part of speech, domain and usage notes.Norme fondée sur XML (ISO 30042) pour échanger des bases terminologiques : chaque entrée conceptuelle peut contenir les termes de plusieurs langues et des métadonnées riches comme des définitions, la partie du discours, le domaine et des notes d'usage. · termterme termterme terminologyterminologie A word or group of words that designates a concept in a specialized domain.Mot ou groupe de mots qui désigne un concept dans un domaine spécialisé. · plain texttexte brut plain texttexte brut text encodingencodage du texte Text represented as a sequence of characters alone, with no formatting or layout of its own. A plain-text file opens in any text editor, whatever produced it, which is why interchange formats are written this way: markup languages record structure inside plain text, by writing that structure as characters in the text itself.Texte représenté par la seule suite de ses caractères, sans mise en forme ni mise en page propre. Un fichier en texte brut s'ouvre dans n'importe quel éditeur de texte, quel que soit le logiciel qui l'a produit, ce qui explique que les formats d'échange s'écrivent ainsi : les langages de balisage consignent la structure à l'intérieur du texte brut, en l'écrivant sous forme de caractères dans le texte lui-même. · computer-assisted translationtraduction assistée par ordinateur computer-assisted translation (CAT)traduction assistée par ordinateur (TAO) CAT toolsTAO Software that assists a human translator during the translation process, commonly by dividing texts into segments and providing functions such as translation-memory retrieval, terminology management, consistency checks and file management.Logiciel qui assiste un traducteur humain pendant le processus de traduction, généralement en divisant les textes en segments et en offrant des fonctions comme la recherche en mémoire de traduction, la gestion terminologique, les vérifications de cohérence et la gestion des fichiers. · machine translationtraduction automatique machine translation (MT)traduction automatique (TA) translationtraduction The use of a computer system to produce content in a target language that conveys content expressed in a source language.Utilisation d'un système informatique pour produire, dans une langue cible, un contenu qui rend un contenu exprimé dans une langue source. · natural language processingtraitement automatique de la langue natural language processing (NLP)traitement automatique de la langue (TAL) NLPTAL An interdisciplinary field that develops and studies computational methods for analyzing, processing, and generating human language.Domaine interdisciplinaire qui développe et étudie des méthodes computationnelles pour analyser, traiter et générer le langage humain. · typetype typetype linguisticslinguistique A distinct linguistic form found in a text or corpus, counted only once regardless of how many times it occurs.Forme linguistique distincte relevée dans un texte ou un corpus, comptée une seule fois quel que soit son nombre d'apparitions.