Large language models as translatorsLes grands modèles de langue comme traducteurs
TRA6008 To read for S7À lire pour la S7
Translation as one task among many
A large language model 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. was not built to translate. It was trained to continue text, in many languages, and a translation is the plausible continuation of a text that asks for one (Figure 6figure 6).
- One prompt. The instruction and the source go in together as one prompt 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. , and the most plausible continuation is a translation.
- No separate encoder encoderencodeur deep learningapprentissage profond The component of a neural network that processes an input and converts it into internal representations that can be used by another component or by a task-specific output layer.Composant d'un réseau de neurones qui traite une entrée et la convertit en représentations internes utilisables par un autre composant ou par une couche de sortie propre à la tâche. . Large language models are decoders decoderdécodeur deep learningapprentissage profond A neural-network component or architecture used to generate an output sequence.Composant ou architecture de réseau de neurones servant à générer une séquence de sortie. , which read one running text containing both languages (see also the Encoders and decoders page, in the Language as numbers module) (voir aussi la page Encodeurs et décodeurs, dans le module Le langage en nombres).
- Pretraining 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. . The ability comes from the multilingual text the model was trained on, which includes translations.
- Fine-tuning 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. . Large language models built for general use can already translate well in some conditions, but a developer can specialize one further for translation by giving it more translation data, for instance parallel corpora 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. , through fine-tuning (Kocmi et al., 2025) (see also the Fine-tuning chapter, in the LLM lifecycle module) (voir aussi le chapitre Affinage, dans le module Cycle de vie des GML).
- The prompt. What it says about the text, the reader and the terms can change the continuation (see also the Prompting an LLM for translation page) (voir aussi la page Rédiger une requête de traduction pour un GML).
Three kinds of translation system
Three kinds of system translate text today: encoder-decoder systems, general large language models and specialized large language models. WMT, the Conference on Machine Translation, compared all three in the yearly shared task 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. of its 2025 edition (Kocmi et al., 2025) (see also the WMT shared task chapter) (voir aussi le chapitre La tâche partagée WMT).
| Kind of system | What it is | Examples in the 2025 edition |
|---|---|---|
| Encoder-decoder neural system | a network built for translation only, trained on parallel corpora | systems such as NLLB; the online services, evaluated anonymously, do not say which kind they are |
| General large language model | a model built for many tasks, prompted to translate | Gemini 2.5 Pro, GPT-4.1, Claude 4 |
| Specialized large language model | a large language model fine-tuned on translation data, sometimes with retrieved examples, a dictionary or a choice among several candidate translations | most participants’ submissions, among them the small open-weight model open-weight modelmodèle à poids ouverts AIIA An AI model whose trained parameters, commonly called weights, are made available for others to download.Modèle d'IA dont les paramètres entraînés, appelés poids, sont offerts au téléchargement. Shy-hunyuan-MT |
- Most teams that took part in 2025 fine-tuned a large language model rather than building an encoder-decoder from scratch (Kocmi et al., 2025).
- Some everyday services moved the same way: DeepL describes its model as a large language model specialized for translation, and Google Translate has used Gemini for some languages since December 2025.DeepL Help Center, “About DeepL’s language model”, read 8 October 2026. Google, “Google Translate gets new Gemini AI translation models”, 12 December 2025, read 8 October 2026. Microsoft’s translation service still uses standard neural machine translation by default (Microsoft Learn, read 8 October 2026).
- A translation service and a chatbot can now differ mainly in specialization: one system built and tuned for translation alone, against a general model that you prompt.
In 2024 and 2025, the best system in WMT’s human ranking was a general model (Kocmi et al., 2024b, 2025) (see also the trend across editions page) (voir aussi la page La tendance d'une édition à l'autre), but comparing the general models with the specialized ones is harder than the ranking suggests. Most specialized systems at WMT 2025 were built on open-weight models of a few billion to a few tens of billions of parameters parameterparamètre de modèle machine learningapprentissage automatique A numerical value learned during a model's training and used in its computations.Valeur numérique apprise pendant l'entraînement d'un modèle et utilisée dans ses calculs. , and many entered the constrained track, which limits a model to 20 billion parameters with its weights weightpoids machine learningapprentissage automatique A real number attached to one input of a computing unit, learned during training, that sets how much that input counts towards the unit's output.Nombre réel attaché à une entrée d'une unité de calcul, appris pendant l'entraînement, qui détermine l'importance de cette entrée dans la sortie de l'unité. released (see also the WMT general translation task page) (voir aussi la page La tâche générale de traduction de WMT). The general models at the top of the ranking, Gemini 2.5 Pro, GPT-4.1 and Claude 4, disclose neither their size nor their training data (Kocmi et al., 2025). A specialized system ranked below them is therefore smaller as well as specialized, and with the general models’ size unknown, the effect of the specialization cannot be separated from the effect of the size.
Progress on two messages
When I present machine translation systems, I want to show where they still fail now that they have become good, and they often fail on specialized terms. So I wrote a short message of my own, full of dressage vocabulary, and I translate it again each time I update my examples. Over the years this has become a timeline of one text through several generations of systems. The first message is in Dutch, from when I worked mostly with Dutch-speaking audiences; I added an English message, to translate into French, when I started at a French-speaking university. I translated both myself as the reference.
The timeline is anecdotal: one message in each direction, a few runs of each system, judged by me. It still shows how the systems changed, and how differently each one handles text of this kind. In 2023 all three services were neural translation systems (see also the Neural translation page) (voir aussi la page La traduction neuronale). DeepL and Google Translate have since added large language models, as described above, so their later outputs, made with the free versions, may or may not come from one.DeepL, “DeepL’s next-gen LLM”, last updated 16 July 2024, read 13 October 2026: Pro users “can switch between the next-gen LLM and ‘classic’ model”. Google, “Google Translate gets new Gemini AI translation models”, 12 December 2025, read 8 October 2026. eTranslation, the European Commission’s service, was used without its AI enhancement option. It is a good system, but it is trained on the translations of the EU institutions, where dressage rarely comes up, so a message like this one is far from the text it learned from (see also the Strengths and limits of neural translation page) (voir aussi la page Forces et limites de la traduction neuronale).European Commission, “eTranslation”: “a neural machine translation tool trained on EU professional translation data”, read 13 October 2026.
Each term in the outputs is marked correct (correctcorrect), acceptable or partly right (acceptable or partly rightacceptable ou en partie juste) or wrong (wrongfaux).
Dutch into English
The Dutch message is Ik zal haar eerst aan de longe nemen om te leren lichtrijden op het buitenbeen. Zorg dat ze een tok heeft en ik doe alvast getten om. Heb jij nog een sjabrak? It contains aan de longe nemen (to lunge; here, to give a riding lesson on a horse on the lunge), lichtrijden op het buitenbeen (to post the trot on the correct diagonal), tok (a riding hat), getten (protective boots for the horse’s legs) and sjabrak (a saddle pad).
| System | Date | longe | lichtrijden | op het buitenbeen | tok | getten | sjabrak |
|---|---|---|---|---|---|---|---|
| Reference | lunge | post (the trot) | on the correct diagonal | riding hat | boots | saddle pad | |
| Google Translate | 2023 | take her on (acceptable or partly rightacceptable ou en partie juste) the lunge (correctcorrect) | ride light (wrongfaux) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | tok (wrongfaux) | getten (wrongfaux) | shabrack (acceptable or partly rightacceptable ou en partie juste) |
| 2025 | lunging (correctcorrect) | ride lightly (wrongfaux) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | riding helmet (correctcorrect) | saddle pads (wrongfaux) | saddle pad (correctcorrect) | |
| 2026‑10 | lunge (correctcorrect) | rise (correctcorrect) | to the outside leg (acceptable or partly rightacceptable ou en partie juste) | helmet (correctcorrect) | brushing boots (correctcorrect) | saddle pad (correctcorrect) | |
| DeepL | 2023 | take her on (acceptable or partly rightacceptable ou en partie juste) the lunge (correctcorrect) | ride lightly (wrongfaux) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | tok (wrongfaux) | getten (wrongfaux) | shawl (wrongfaux) |
| 2025 | take her on (acceptable or partly rightacceptable ou en partie juste) the lunge (correctcorrect) | ride lightly (wrongfaux) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | bridle (wrongfaux) | stirrups (wrongfaux) | saddlecloth (correctcorrect) | |
| 2026‑10 | lunging (correctcorrect) | move lightly (wrongfaux) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | halter (wrongfaux) | girth (wrongfaux) | saddle pad (correctcorrect) | |
| eTranslation | 2023 | take her to (wrongfaux) the lung (wrongfaux) | ride light (wrongfaux) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | tok (wrongfaux) | I’m going to get it (wrongfaux) | shabrak (acceptable or partly rightacceptable ou en partie juste) |
| 2025 | take her to (wrongfaux) the lungs (wrongfaux) | ride lightly (wrongfaux) | on the outer leg (acceptable or partly rightacceptable ou en partie juste) | tok (wrongfaux) | I’ll get the hell out of here (wrongfaux) | shabrak (acceptable or partly rightacceptable ou en partie juste) | |
| 2026‑10 | take her on (acceptable or partly rightacceptable ou en partie juste) the lunge (correctcorrect) | light riding (wrongfaux) | on the outer leg (acceptable or partly rightacceptable ou en partie juste) | tok (wrongfaux) | I’ll get bitten on (wrongfaux) | shabrak (acceptable or partly rightacceptable ou en partie juste) | |
| ChatGPT | 2023‑02 | take her on (acceptable or partly rightacceptable ou en partie juste) a lunge line (correctcorrect) | ride light (wrongfaux) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | martingale (wrongfaux) | getting ready (wrongfaux) | saddle pad (correctcorrect) |
| 2023‑03 | lunge (correctcorrect) | ride with (wrongfaux) | the correct diagonal (correctcorrect) on the outside leg (acceptable or partly rightacceptable ou en partie juste) | helmet (correctcorrect) | leg wraps (correctcorrect) | saddle pad (correctcorrect) | |
| 2023‑03 (GPT-4) | lunge (correctcorrect) | post (correctcorrect) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | cup (wrongfaux) | gaiters (wrongfaux) | saddle pad (correctcorrect) | |
| 2024‑03 | take her on (acceptable or partly rightacceptable ou en partie juste) the lunge (correctcorrect) | post (correctcorrect) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | jockstrap (wrongfaux) | gaiters (wrongfaux) | saddle pad (correctcorrect) | |
| 2024‑05 | lunge (correctcorrect) | post (correctcorrect) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | helmet (correctcorrect) | protective boots (correctcorrect) | saddle pad (correctcorrect) | |
| 2025‑09 | lunge (correctcorrect) | post (correctcorrect) | on the outside diagonal (correctcorrect) | helmet (correctcorrect) | boots (correctcorrect) | saddle pad (correctcorrect) | |
| 2026‑01 | lunge (correctcorrect) | rising trot (correctcorrect) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | riding helmet (correctcorrect) | my gaiters (wrongfaux) | saddle pad (correctcorrect) | |
| 2026‑01, second run | lunge (correctcorrect) | rise (correctcorrect) | on the outside foreleg (acceptable or partly rightacceptable ou en partie juste) | riding hat (correctcorrect) | my half chaps (wrongfaux) | saddle pad (correctcorrect) | |
| 2026‑10 | lunge line (correctcorrect) | post (correctcorrect) | on the outside diagonal (correctcorrect) | riding helmet (correctcorrect) | brushing boots (correctcorrect) | saddle pad (correctcorrect) |
- Riding words that do not belong. Several outputs replaced a term with riding vocabulary that has nothing to do with the message, as if any word from the domain would do: a martingale (ChatGPT, 2023), a bridle and stirrups (DeepL, 2025), a halter and a girth (DeepL, 2026).
- Word for word, or not at all. In 2023 all three services left tok and getten untranslated or turned them into something else (eTranslation’s I’m going to get it). Every service output but Google Translate’s of 2026 rendered lichtrijden as ride light, ride lightly, move lightly or light riding.
- The services moved apart. By 2026-10 Google Translate had almost every term right, DeepL’s output had changed without improving, and eTranslation had found only the lunge.
- ChatGPT improved, but not steadily. In 2023-02 it produced a martingale and getting ready; a month later it already had the helmet, the leg wraps and the correct diagonal, while GPT-4, released that month, gave the rider a cup. Most terms were right by 2024-05 and all of them by 2025-09. Neither output of 2026-01 had the correct diagonal, and both turned getten into something the speaker wears; in 2026-10 every term was right again. A newer system can get a term wrong that an older one got right.
English into French
The English message is I’ll start her on the lunge line to learn to post the trot on the correct diagonal. When you take her to him, make sure to explain his cribbing and to clean his feathers and treat his frogs to avoid thrush. How are your lead changes going? Are you doing flying changes yet? It has a dressage term in every clause.
| System | Date | lunge line | post the trot on the correct diagonal | cribbing | feathers | frogs | thrush | flying changes |
|---|---|---|---|---|---|---|---|---|
| Reference | à la longe | le trot enlevé sur le bon diagonal | fait un tic à l’appui | fanons | fourchettes | pourriture de la fourchette | changements de pied en l’air | |
| Google Translate | 2025 | à la longe (correctcorrect) | placer le trot sur la bonne diagonale (wrongfaux) | s’accroupit (wrongfaux) | plumes (wrongfaux) | fourchettes (correctcorrect) | grives (wrongfaux) | changements de pied en vol (wrongfaux) |
| 2026‑10 | à la longe (correctcorrect) | trotter enlevé (correctcorrect) sur la bonne diagonale (wrongfaux) | tic d’appui (acceptable or partly rightacceptable ou en partie juste) | fanons (correctcorrect) | fourchettes (correctcorrect) | pourrissement (acceptable or partly rightacceptable ou en partie juste) | au galop (acceptable or partly rightacceptable ou en partie juste) | |
| DeepL | 2025 | à la longe (correctcorrect) | prendre le trot dans la bonne diagonale (wrongfaux) | fait des crèches (wrongfaux) | plumes (wrongfaux) | grenouilles (wrongfaux) | muguet (wrongfaux) | changements en vol (wrongfaux) |
| 2026‑10 | à la longe (correctcorrect) | se lever au trot (acceptable or partly rightacceptable ou en partie juste) sur la bonne diagonale (wrongfaux) | problème de mordillage (wrongfaux) | crins (acceptable or partly rightacceptable ou en partie juste) | sabots (acceptable or partly rightacceptable ou en partie juste) | pourriture de la fourchette (correctcorrect) | changements au galop (acceptable or partly rightacceptable ou en partie juste) | |
| eTranslation | 2026‑10 | ligne de fente (wrongfaux) | poser le trot sur la bonne diagonale (wrongfaux) | cribbing (wrongfaux) | plumes (wrongfaux) | grenouilles (wrongfaux) | muguet (wrongfaux) | changements de vol (wrongfaux) |
| ChatGPT | 2025‑01 (GPT-4o) | sur la longe (acceptable or partly rightacceptable ou en partie juste) | trotter en levée (acceptable or partly rightacceptable ou en partie juste) sur la bonne diagonale (wrongfaux) | tic à l’appui (cribbing) (correctcorrect) | fanons (correctcorrect) | fourchettes (correctcorrect) | pourriture (correctcorrect) | changements de pied au vol (wrongfaux) |
| 2026‑02 (GPT-5.2) | à la longe (correctcorrect) | trotter enlevé sur le bon diagonal (correctcorrect) | tic à l’appui (correctcorrect) | fanons (correctcorrect) | fourchettes (correctcorrect) | pourriture de fourchette (correctcorrect) | changements de pied (correctcorrect) au temps (wrongfaux) (en l’air (correctcorrect)) | |
| 2026‑10 | à la longe (correctcorrect) | trotter enlevé sur le bon diagonal (correctcorrect) | tique à l’appui (correctcorrect) | fanons (correctcorrect) | fourchettes (correctcorrect) | pourriture de la fourchette (correctcorrect) | changements de pied en l’air (correctcorrect) |
- In 2025 the services translated the words. Both rendered post the trot word for word and flying changes as en vol. Google Translate turned feathers into plumes and thrush into grives, the bird; DeepL turned frogs into grenouilles, the animal, and thrush into muguet, the yeast infection of the human mouth that English also calls thrush.
- By 2026-10 the services had moved apart. Google Translate had most of the riding terms, apart from la bonne diagonale, where riders say le bon diagonal, and two forms close to the term without being it, tic d’appui and pourrissement. DeepL found the lunge and the thrush, but turned cribbing into mordillage, feathers into crins, horsehair in general, and frogs into sabots, the whole hoof. eTranslation still translated the words: a ligne de fente for the lunge line, plumes, grenouilles and muguet, and cribbing left as it was.
- ChatGPT had most of the riding terms without being told the domain. In 2025-01, ChatGPT-4o already had tic à l’appui, fanons and fourchettes, but not the trot or the flying changes. In 2026-02, ChatGPT-5.2 had every term right except au temps, which names a different flying change, and in 2026-10 every term was right (see also the Prompting an LLM for translation page) (voir aussi la page Rédiger une requête de traduction pour un GML).
La traduction, une tâche parmi d’autres
Un grand 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. n’a pas été conçu pour traduire. Il a été entraîné à prolonger du texte, dans de nombreuses langues, et une traduction est la suite plausible d’un texte qui en demande une (Figure 6figure 6).
- Une seule requête. La consigne et la source entrent ensemble dans une même requête 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. , et la suite la plus plausible est une traduction.
- Pas d’encodeur encoderencodeur deep learningapprentissage profond The component of a neural network that processes an input and converts it into internal representations that can be used by another component or by a task-specific output layer.Composant d'un réseau de neurones qui traite une entrée et la convertit en représentations internes utilisables par un autre composant ou par une couche de sortie propre à la tâche. séparé. Les grands modèles de langue sont des décodeurs decoderdécodeur deep learningapprentissage profond A neural-network component or architecture used to generate an output sequence.Composant ou architecture de réseau de neurones servant à générer une séquence de sortie. , qui lisent un seul texte courant contenant les deux langues (see also the Encoders and decoders page, in the Language as numbers module) (voir aussi la page Encodeurs et décodeurs, dans le module Le langage en nombres).
- Le préentraînement 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. . La capacité vient des textes multilingues sur lesquels le modèle a été entraîné, qui comprennent des traductions.
- L’affinage 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. . Les grands modèles de langue généraux traduisent déjà bien dans certaines conditions, mais un développeur peut en spécialiser un davantage pour la traduction en lui fournissant plus de données de traduction, par exemple des corpus parallèles 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. , par affinage (Kocmi et al., 2025) (see also the Fine-tuning chapter, in the LLM lifecycle module) (voir aussi le chapitre Affinage, dans le module Cycle de vie des GML).
- La requête. Ce qu’elle dit du texte, du lecteur et des termes peut modifier la suite (see also the Prompting an LLM for translation page) (voir aussi la page Rédiger une requête de traduction pour un GML).
Trois types de systèmes de traduction
Trois types de systèmes traduisent aujourd’hui des textes : les systèmes encodeur-décodeur, les grands modèles de langue généraux et les grands modèles de langue spécialisés. WMT, la conférence sur la traduction automatique (Conference on Machine Translation), a comparé les trois dans la tâche 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. annuelle de son édition 2025 (Kocmi et al., 2025) (see also the WMT shared task chapter) (voir aussi le chapitre La tâche partagée WMT).
| Type de système | Ce que c’est | Exemples de l’édition 2025 |
|---|---|---|
| Système neuronal encodeur-décodeur | un réseau conçu uniquement pour la traduction, entraîné sur des corpus parallèles | des systèmes comme NLLB ; les services en ligne, évalués de façon anonyme, ne disent pas de quel type ils sont |
| Grand modèle de langue général | un modèle conçu pour de nombreuses tâches, à qui la requête demande de traduire | Gemini 2.5 Pro, GPT-4.1, Claude 4 |
| Grand modèle de langue spécialisé | un grand modèle de langue affiné sur des données de traduction, parfois avec des exemples retrouvés, un dictionnaire ou un choix parmi plusieurs traductions candidates | la plupart des systèmes soumis par les participants, dont le petit modèle à poids ouverts open-weight modelmodèle à poids ouverts AIIA An AI model whose trained parameters, commonly called weights, are made available for others to download.Modèle d'IA dont les paramètres entraînés, appelés poids, sont offerts au téléchargement. Shy-hunyuan-MT |
- La plupart des équipes participantes de 2025 ont affiné un grand modèle de langue plutôt que de construire entièrement un système encodeur-décodeur (Kocmi et al., 2025).
- Certains services courants ont pris la même direction : DeepL décrit son modèle comme un grand modèle de langue spécialisé en traduction, et Google Traduction utilise Gemini pour certaines langues depuis décembre 2025.Centre d’aide de DeepL, « About DeepL’s language model », consulté le 8 octobre 2026. Google, « Google Translate gets new Gemini AI translation models », 12 décembre 2025, consulté le 8 octobre 2026. Le service de traduction de Microsoft utilise encore par défaut une traduction automatique neuronale classique (Microsoft Learn, consulté le 8 octobre 2026).
- Un service de traduction et un agent conversationnel peuvent donc désormais différer surtout par leur spécialisation : un système conçu et réglé pour la seule traduction, face à un modèle général à qui l’on adresse une requête.
En 2024 et en 2025, le meilleur système du classement humain de WMT était un modèle général (Kocmi et al., 2024b, 2025) (see also the trend across editions page) (voir aussi la page La tendance d'une édition à l'autre), mais comparer les modèles généraux aux modèles spécialisés est plus difficile que le classement ne le laisse croire. La plupart des systèmes spécialisés de WMT 2025 reposaient sur des modèles à poids ouverts de quelques milliards à quelques dizaines de milliards de paramètres parameterparamètre de modèle machine learningapprentissage automatique A numerical value learned during a model's training and used in its computations.Valeur numérique apprise pendant l'entraînement d'un modèle et utilisée dans ses calculs. , et beaucoup participaient à la catégorie contrainte, qui limite un modèle à 20 milliards de paramètres et exige que ses poids weightpoids machine learningapprentissage automatique A real number attached to one input of a computing unit, learned during training, that sets how much that input counts towards the unit's output.Nombre réel attaché à une entrée d'une unité de calcul, appris pendant l'entraînement, qui détermine l'importance de cette entrée dans la sortie de l'unité. soient publiés (see also the WMT general translation task page) (voir aussi la page La tâche générale de traduction de WMT). Les modèles généraux en tête du classement, Gemini 2.5 Pro, GPT-4.1 et Claude 4, ne divulguent ni leur taille ni leurs données d’entraînement (Kocmi et al., 2025). Un système spécialisé classé derrière eux est donc plus petit en plus d’être spécialisé, et comme la taille des modèles généraux est inconnue, l’effet de la spécialisation ne peut pas être distingué de celui de la taille.
Les progrès sur deux messages
Quand je présente les systèmes de traduction automatique, je veux montrer où ils échouent encore maintenant qu’ils sont devenus bons, et ils échouent souvent sur les termes spécialisés. J’ai donc écrit un court message, rempli de vocabulaire du dressage, que je fais traduire de nouveau chaque fois que je mets mes exemples à jour. Au fil des ans, cela donne une chronologie d’un même texte à travers plusieurs générations de systèmes. Le premier message est en néerlandais, de l’époque où je travaillais surtout avec un public néerlandophone ; j’ai ajouté un message en anglais, à traduire en français, quand j’ai commencé à enseigner dans une université francophone. J’ai traduit les deux moi-même pour obtenir les références.
Cette chronologie est anecdotique : un message dans chaque sens, quelques essais de chaque système, jugés par moi. Elle montre tout de même comment les systèmes ont évolué, et à quel point chacun traite différemment un texte de ce genre. En 2023, les trois services étaient des systèmes de traduction neuronale (see also the Neural translation page) (voir aussi la page La traduction neuronale). DeepL et Google Traduction ont depuis ajouté des grands modèles de langue, comme on l’a vu plus haut, si bien que leurs résultats plus récents, obtenus avec les versions gratuites, viennent peut-être d’un tel modèle, peut-être pas.DeepL, « DeepL’s next-gen LLM », dernière mise à jour le 16 juillet 2024, consulté le 13 octobre 2026 : les utilisateurs de la version Pro « can switch between the next-gen LLM and ‘classic’ model » [ma traduction : « peuvent passer du grand modèle de langue de nouvelle génération au modèle “classique” »]. Google, « Google Translate gets new Gemini AI translation models », 12 décembre 2025, consulté le 8 octobre 2026. eTranslation, le service de la Commission européenne, a été utilisé sans son option d’amélioration par IA. C’est un bon système, mais il est entraîné sur les traductions des institutions de l’UE, où il est rarement question de dressage, si bien qu’un message comme celui-ci est loin des textes dont il a appris (see also the Strengths and limits of neural translation page) (voir aussi la page Forces et limites de la traduction neuronale).Commission européenne, « eTranslation » : « a neural machine translation tool trained on EU professional translation data » [ma traduction : « un outil de traduction automatique neuronale entraîné sur des données de traduction professionnelle de l’UE »], consulté le 13 octobre 2026.
Chaque terme des résultats est marqué comme correct (correctcorrect), acceptable ou en partie juste (acceptable or partly rightacceptable ou en partie juste) ou faux (wrongfaux).
Du néerlandais vers l’anglais
Le message néerlandais est Ik zal haar eerst aan de longe nemen om te leren lichtrijden op het buitenbeen. Zorg dat ze een tok heeft en ik doe alvast getten om. Heb jij nog een sjabrak? Il contient aan de longe nemen (travailler à la longe ; ici, donner une leçon à une cavalière sur un cheval tenu à la longe), lichtrijden op het buitenbeen (trotter enlevé sur le bon diagonal), tok (une bombe d’équitation), getten (des guêtres, qui protègent les membres du cheval) et sjabrak (un tapis de selle).
| Système | Date | longe | lichtrijden | op het buitenbeen | tok | getten | sjabrak |
|---|---|---|---|---|---|---|---|
| Référence | lunge | post (the trot) | on the correct diagonal | riding hat | boots | saddle pad | |
| Google Traduction | 2023 | take her on (acceptable or partly rightacceptable ou en partie juste) the lunge (correctcorrect) | ride light (wrongfaux) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | tok (wrongfaux) | getten (wrongfaux) | shabrack (acceptable or partly rightacceptable ou en partie juste) |
| 2025 | lunging (correctcorrect) | ride lightly (wrongfaux) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | riding helmet (correctcorrect) | saddle pads (wrongfaux) | saddle pad (correctcorrect) | |
| 2026‑10 | lunge (correctcorrect) | rise (correctcorrect) | to the outside leg (acceptable or partly rightacceptable ou en partie juste) | helmet (correctcorrect) | brushing boots (correctcorrect) | saddle pad (correctcorrect) | |
| DeepL | 2023 | take her on (acceptable or partly rightacceptable ou en partie juste) the lunge (correctcorrect) | ride lightly (wrongfaux) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | tok (wrongfaux) | getten (wrongfaux) | shawl (wrongfaux) |
| 2025 | take her on (acceptable or partly rightacceptable ou en partie juste) the lunge (correctcorrect) | ride lightly (wrongfaux) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | bridle (wrongfaux) | stirrups (wrongfaux) | saddlecloth (correctcorrect) | |
| 2026‑10 | lunging (correctcorrect) | move lightly (wrongfaux) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | halter (wrongfaux) | girth (wrongfaux) | saddle pad (correctcorrect) | |
| eTranslation | 2023 | take her to (wrongfaux) the lung (wrongfaux) | ride light (wrongfaux) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | tok (wrongfaux) | I’m going to get it (wrongfaux) | shabrak (acceptable or partly rightacceptable ou en partie juste) |
| 2025 | take her to (wrongfaux) the lungs (wrongfaux) | ride lightly (wrongfaux) | on the outer leg (acceptable or partly rightacceptable ou en partie juste) | tok (wrongfaux) | I’ll get the hell out of here (wrongfaux) | shabrak (acceptable or partly rightacceptable ou en partie juste) | |
| 2026‑10 | take her on (acceptable or partly rightacceptable ou en partie juste) the lunge (correctcorrect) | light riding (wrongfaux) | on the outer leg (acceptable or partly rightacceptable ou en partie juste) | tok (wrongfaux) | I’ll get bitten on (wrongfaux) | shabrak (acceptable or partly rightacceptable ou en partie juste) | |
| ChatGPT | 2023‑02 | take her on (acceptable or partly rightacceptable ou en partie juste) a lunge line (correctcorrect) | ride light (wrongfaux) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | martingale (wrongfaux) | getting ready (wrongfaux) | saddle pad (correctcorrect) |
| 2023‑03 | lunge (correctcorrect) | ride with (wrongfaux) | the correct diagonal (correctcorrect) on the outside leg (acceptable or partly rightacceptable ou en partie juste) | helmet (correctcorrect) | leg wraps (correctcorrect) | saddle pad (correctcorrect) | |
| 2023‑03 (GPT-4) | lunge (correctcorrect) | post (correctcorrect) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | cup (wrongfaux) | gaiters (wrongfaux) | saddle pad (correctcorrect) | |
| 2024‑03 | take her on (acceptable or partly rightacceptable ou en partie juste) the lunge (correctcorrect) | post (correctcorrect) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | jockstrap (wrongfaux) | gaiters (wrongfaux) | saddle pad (correctcorrect) | |
| 2024‑05 | lunge (correctcorrect) | post (correctcorrect) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | helmet (correctcorrect) | protective boots (correctcorrect) | saddle pad (correctcorrect) | |
| 2025‑09 | lunge (correctcorrect) | post (correctcorrect) | on the outside diagonal (correctcorrect) | helmet (correctcorrect) | boots (correctcorrect) | saddle pad (correctcorrect) | |
| 2026‑01 | lunge (correctcorrect) | rising trot (correctcorrect) | on the outside leg (acceptable or partly rightacceptable ou en partie juste) | riding helmet (correctcorrect) | my gaiters (wrongfaux) | saddle pad (correctcorrect) | |
| 2026‑01, deuxième essai | lunge (correctcorrect) | rise (correctcorrect) | on the outside foreleg (acceptable or partly rightacceptable ou en partie juste) | riding hat (correctcorrect) | my half chaps (wrongfaux) | saddle pad (correctcorrect) | |
| 2026‑10 | lunge line (correctcorrect) | post (correctcorrect) | on the outside diagonal (correctcorrect) | riding helmet (correctcorrect) | brushing boots (correctcorrect) | saddle pad (correctcorrect) |
- Des mots d’équitation hors de propos. Plusieurs résultats ont remplacé un terme par du vocabulaire d’équitation sans rapport avec le message, comme si n’importe quel mot du domaine faisait l’affaire : une martingale (ChatGPT, 2023), une bride et des étriers (DeepL, 2025), un licol et une sangle (DeepL, 2026).
- Mot à mot, ou pas du tout. En 2023, les trois services ont laissé tok et getten non traduits ou en ont fait autre chose (le I’m going to get it d’eTranslation). Tous les résultats des services, sauf celui de Google Traduction de 2026, ont rendu lichtrijden par ride light, ride lightly, move lightly ou light riding.
- Les services se sont éloignés les uns des autres. En 2026-10, Google Traduction avait presque tous les termes justes, le résultat de DeepL avait changé sans s’améliorer, et eTranslation n’avait trouvé que la longe.
- ChatGPT a progressé, mais pas de façon régulière. En 2023-02, il a produit une martingale et getting ready ; un mois plus tard, il avait déjà le casque, les bandes et le bon diagonal, tandis que GPT-4, sorti le même mois, équipait la cavalière d’une coquille (cup). La plupart des termes étaient justes en 2024-05 et tous en 2025-09. Aucun des deux résultats de 2026-01 n’avait le bon diagonal, et tous deux faisaient de getten quelque chose que porte la personne qui parle ; en 2026-10, tous les termes étaient de nouveau justes. Un système plus récent peut se tromper sur un terme qu’un système plus ancien traduisait correctement.
De l’anglais vers le français
Le message anglais est I’ll start her on the lunge line to learn to post the trot on the correct diagonal. When you take her to him, make sure to explain his cribbing and to clean his feathers and treat his frogs to avoid thrush. How are your lead changes going? Are you doing flying changes yet? Chaque proposition contient un terme d’équitation.
| Système | Date | lunge line | post the trot on the correct diagonal | cribbing | feathers | frogs | thrush | flying changes |
|---|---|---|---|---|---|---|---|---|
| Référence | à la longe | le trot enlevé sur le bon diagonal | fait un tic à l’appui | fanons | fourchettes | pourriture de la fourchette | changements de pied en l’air | |
| Google Traduction | 2025 | à la longe (correctcorrect) | placer le trot sur la bonne diagonale (wrongfaux) | s’accroupit (wrongfaux) | plumes (wrongfaux) | fourchettes (correctcorrect) | grives (wrongfaux) | changements de pied en vol (wrongfaux) |
| 2026‑10 | à la longe (correctcorrect) | trotter enlevé (correctcorrect) sur la bonne diagonale (wrongfaux) | tic d’appui (acceptable or partly rightacceptable ou en partie juste) | fanons (correctcorrect) | fourchettes (correctcorrect) | pourrissement (acceptable or partly rightacceptable ou en partie juste) | au galop (acceptable or partly rightacceptable ou en partie juste) | |
| DeepL | 2025 | à la longe (correctcorrect) | prendre le trot dans la bonne diagonale (wrongfaux) | fait des crèches (wrongfaux) | plumes (wrongfaux) | grenouilles (wrongfaux) | muguet (wrongfaux) | changements en vol (wrongfaux) |
| 2026‑10 | à la longe (correctcorrect) | se lever au trot (acceptable or partly rightacceptable ou en partie juste) sur la bonne diagonale (wrongfaux) | problème de mordillage (wrongfaux) | crins (acceptable or partly rightacceptable ou en partie juste) | sabots (acceptable or partly rightacceptable ou en partie juste) | pourriture de la fourchette (correctcorrect) | changements au galop (acceptable or partly rightacceptable ou en partie juste) | |
| eTranslation | 2026‑10 | ligne de fente (wrongfaux) | poser le trot sur la bonne diagonale (wrongfaux) | cribbing (wrongfaux) | plumes (wrongfaux) | grenouilles (wrongfaux) | muguet (wrongfaux) | changements de vol (wrongfaux) |
| ChatGPT | 2025‑01 (GPT-4o) | sur la longe (acceptable or partly rightacceptable ou en partie juste) | trotter en levée (acceptable or partly rightacceptable ou en partie juste) sur la bonne diagonale (wrongfaux) | tic à l’appui (cribbing) (correctcorrect) | fanons (correctcorrect) | fourchettes (correctcorrect) | pourriture (correctcorrect) | changements de pied au vol (wrongfaux) |
| 2026‑02 (GPT-5.2) | à la longe (correctcorrect) | trotter enlevé sur le bon diagonal (correctcorrect) | tic à l’appui (correctcorrect) | fanons (correctcorrect) | fourchettes (correctcorrect) | pourriture de fourchette (correctcorrect) | changements de pied (correctcorrect) au temps (wrongfaux) (en l’air (correctcorrect)) | |
| 2026‑10 | à la longe (correctcorrect) | trotter enlevé sur le bon diagonal (correctcorrect) | tique à l’appui (correctcorrect) | fanons (correctcorrect) | fourchettes (correctcorrect) | pourriture de la fourchette (correctcorrect) | changements de pied en l’air (correctcorrect) |
- En 2025, les services ont traduit les mots. Tous deux ont rendu post the trot mot à mot et flying changes par en vol. Google Traduction a rendu feathers par plumes et thrush par grives, l’oiseau ; DeepL a rendu frogs par grenouilles, l’animal, et thrush par muguet, la candidose de la bouche que l’anglais appelle aussi thrush.
- En 2026-10, les services s’étaient éloignés les uns des autres. Google Traduction avait la plupart des termes d’équitation, sauf la bonne diagonale, là où les cavaliers disent le bon diagonal, et deux formes proches du terme sans être le terme, tic d’appui et pourrissement. DeepL trouvait la longe et la pourriture de la fourchette, mais rendait cribbing par mordillage, feathers par crins, les poils du cheval en général, et frogs par sabots, le pied entier. eTranslation traduisait toujours les mots : une ligne de fente pour la longe, des plumes, des grenouilles et le muguet, et cribbing laissé tel quel.
- ChatGPT avait la plupart des termes d’équitation sans qu’on lui indique le domaine. En 2025-01, ChatGPT-4o avait déjà tic à l’appui, fanons et fourchettes, mais ni le trot ni les changements de pied en l’air. En 2026-02, ChatGPT-5.2 avait tous les termes justes sauf au temps, qui désigne un autre changement de pied, et en 2026-10, tous les termes étaient justes (see also the Prompting an LLM for translation page) (voir aussi la page Rédiger une requête de traduction pour un GML).
Sources
- Jurafsky, D., & Martin, J. H. (2026). Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models. Online draft, 3rd edition. https://web.stanford.edu/~jurafsky/slp3/
- Kocmi, T., Artemova, E., Avramidis, E., Bawden, R., Bojar, O., Dranch, K., et al. (2025). Findings of the WMT25 General Machine Translation Shared Task: Time to Stop Evaluating on Easy Test Sets. Proceedings of the Tenth Conference on Machine Translation (WMT 2025), Volume 2: Shared Task Papers, 355–413. https://doi.org/10.18653/v1/2025.wmt-1.22
- Kocmi, T., Avramidis, E., Bawden, R., Bojar, O., Dvorkovich, A., Federmann, C., et al. (2024b). Findings of the WMT24 General Machine Translation Shared Task: The LLM Era Is Here but MT Is Not Solved Yet. Proceedings of the Ninth Conference on Machine Translation (WMT 2024), 1–46. https://doi.org/10.18653/v1/2024.wmt-1.1
Sources
- Jurafsky, D., & Martin, J. H. (2026). Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models. Online draft, 3rd edition. https://web.stanford.edu/~jurafsky/slp3/
- Kocmi, T., Artemova, E., Avramidis, E., Bawden, R., Bojar, O., Dranch, K., et al. (2025). Findings of the WMT25 General Machine Translation Shared Task: Time to Stop Evaluating on Easy Test Sets. Proceedings of the Tenth Conference on Machine Translation (WMT 2025), Volume 2: Shared Task Papers, 355–413. https://doi.org/10.18653/v1/2025.wmt-1.22
- Kocmi, T., Avramidis, E., Bawden, R., Bojar, O., Dvorkovich, A., Federmann, C., et al. (2024b). Findings of the WMT24 General Machine Translation Shared Task: The LLM Era Is Here but MT Is Not Solved Yet. Proceedings of the Ninth Conference on Machine Translation (WMT 2024), 1–46. https://doi.org/10.18653/v1/2024.wmt-1.1