Exchange formats in the AI eraLes formats d'échange à l'ère de l'IA
Large language models 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. (LLMs) have not made TMX Translation Memory eXchange (TMX)Translation Memory eXchange (TMX) exchange formatsformats d'échange The XML-based standard format for exchanging translation memories between CAT tools: a TMX file contains translation units whose language variants can cover any number of languages.Format normalisé, fondé sur XML, pour échanger des mémoires de traduction entre outils de TAO : un fichier TMX contient des unités de traduction dont les variantes peuvent couvrir un nombre illimité de langues. and TBX 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. obsolete. The role these files can play has shifted: they can feed the prompts sent to models as well.
- Examples for the 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. . A workflow proposed by AWS looks in a TMX file for past translations resembling the segment segmentsegment CAT toolsTAO A portion of translatable content that a CAT tool treats as a discrete unit for translation, alignment, storage and match retrieval.Portion de contenu à traduire qu'un outil de TAO traite comme une unité distincte aux fins de traduction, d'alignement, de stockage et de recherche de correspondances. to be translated and puts them in the prompt sent to the model, along with a terminology list. The translations produced follow the client’s style and terminology more closely (Zekpa & Peter, 2025).
- Terminology. A TBX glossary can be used to supply information about terms to be added to prompts for LLMs. A model given them tends to use them more often, without their being imposed on it: a prompt steers, it does not constrain.
- Adaptation and evaluation data. The same files can serve to adapt a machine translation 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. system, and as a reference against which the translations produced are compared.
When a model writes the format
You can also prompt an LLM to generate text in these formats, or even whole files in them: an XLIFF XML Localization Interchange File Format (XLIFF)XML Localization Interchange File Format (XLIFF) exchange formatsformats d'échange The XML-based bilingual format for passing content through a localization workflow: source and target segments travel together with workflow metadata such as translation status, rather than exchanging linguistic resources.Format bilingue fondé sur XML pour faire circuler du contenu dans un flux de localisation : segments source et cible voyagent ensemble, avec des métadonnées de flux de travail comme le statut de traduction, contrairement aux formats d'échange de ressources linguistiques. file or a TBX entry rather than a sentence. How well that works depends on the standard (the more widely used it is, the better a model tends to be at producing it), on the complexity of the content (how deep the hierarchy goes, how long the text is), and on the model (capabilities differ enormously between models, and even between settings of the same model).
The catch is that these formats are strict. A tag tagbalise markupbalisage A marker that delimits and identifies an element in a markup document, usually working as a pair: an opening tag and a closing tag around the content they label.Marqueur qui délimite et identifie un élément dans un document balisé, fonctionnant généralement par paire : une balise ouvrante et une balise fermante autour du contenu qu'elles désignent. left
unclosed, or an ampersand written as itself instead of &, will make the
whole file unreadable rather than slightly wrong.
Mistakes that are valid XML in general but wrong for the specific standard are harder to spot. A language code that does not match the one declared, or an attribute the standard does not allow there, gives you a file that still opens but is not as functional as intended. Either way, the minimum check is to open the generated file in a tool built to handle that format, and see whether it opens and behaves as it should.
The value of your linguistic resources does not disappear with LLMs. A clean memory and up-to-date terminology remain what separates a generic translation from one that sounds like the client’s.
Les grands modèles 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. (GML) n’ont pas rendu TMX Translation Memory eXchange (TMX)Translation Memory eXchange (TMX) exchange formatsformats d'échange The XML-based standard format for exchanging translation memories between CAT tools: a TMX file contains translation units whose language variants can cover any number of languages.Format normalisé, fondé sur XML, pour échanger des mémoires de traduction entre outils de TAO : un fichier TMX contient des unités de traduction dont les variantes peuvent couvrir un nombre illimité de langues. et TBX 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. obsolètes. Ce qui a changé, c’est le rôle que ces fichiers peuvent jouer : ils peuvent aussi alimenter les requêtes envoyées aux modèles.
- Des exemples pour la 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. . Un flux proposé par AWS va chercher dans un fichier TMX les traductions passées qui ressemblent au segment segmentsegment CAT toolsTAO A portion of translatable content that a CAT tool treats as a discrete unit for translation, alignment, storage and match retrieval.Portion de contenu à traduire qu'un outil de TAO traite comme une unité distincte aux fins de traduction, d'alignement, de stockage et de recherche de correspondances. à traduire et les insère dans la requête envoyée au modèle, avec une liste terminologique. Les traductions produites suivent davantage le style et la terminologie du client (Zekpa & Peter, 2025).
- De la terminologie. Un glossaire TBX peut servir à fournir de l’information sur les termes à ajouter aux requêtes adressées aux GML. Un modèle à qui on les donne tend à les employer plus souvent, sans qu’on puisse les lui imposer : une requête oriente, elle ne contraint pas.
- Des données d’adaptation et d’évaluation. Les mêmes fichiers peuvent servir à adapter un système de traduction 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. , et de référence à laquelle comparer les traductions produites.
Quand un modèle écrit le format
Vous pouvez aussi demander à un GML de produire du texte dans ces formats, voire des fichiers entiers : un fichier XLIFF XML Localization Interchange File Format (XLIFF)XML Localization Interchange File Format (XLIFF) exchange formatsformats d'échange The XML-based bilingual format for passing content through a localization workflow: source and target segments travel together with workflow metadata such as translation status, rather than exchanging linguistic resources.Format bilingue fondé sur XML pour faire circuler du contenu dans un flux de localisation : segments source et cible voyagent ensemble, avec des métadonnées de flux de travail comme le statut de traduction, contrairement aux formats d'échange de ressources linguistiques. ou une entrée TBX plutôt qu’une phrase. La qualité du résultat dépend de la norme (plus elle est répandue, mieux un modèle sait la produire), de la complexité du contenu (la profondeur de la hiérarchie, la longueur du texte) et du modèle (les capacités varient énormément d’un modèle à l’autre, et même d’un réglage à l’autre pour un même modèle).
Or ces formats sont stricts. Une balise tagbalise markupbalisage A marker that delimits and identifies an element in a markup document, usually working as a pair: an opening tag and a closing tag around the content they label.Marqueur qui délimite et identifie un élément dans un document balisé, fonctionnant généralement par paire : une balise ouvrante et une balise fermante autour du contenu qu'elles désignent. laissée ouverte, ou
une esperluette écrite telle quelle au lieu de &, rendra le fichier entier
illisible plutôt qu’un peu fautif.
Les fautes qui sont du XML valide en général mais fausses pour la norme précise se repèrent moins vite. Un code de langue qui ne correspond pas à celui déclaré, ou un attribut que la norme n’admet pas à cet endroit, donne un fichier qui s’ouvre encore mais qui ne fonctionne pas comme prévu. Dans un cas comme dans l’autre, la vérification minimale consiste à ouvrir le fichier produit dans un outil conçu pour ce format, et à voir s’il s’ouvre et se comporte comme il devrait.
La valeur de vos ressources linguistiques ne disparaît pas avec les GML. Une mémoire propre et une terminologie à jour restent ce qui distingue une traduction générique d’une traduction qui ressemble à celle du client.
Sources
- Zekpa, N., & Peter, A. (2025-01-07). Evaluate large language models for your machine translation tasks on AWS. AWS Machine Learning Blog. https://aws.amazon.com/blogs/machine-learning/evaluate-large-language-models-for-your-machine-translation-tasks-on-aws/
- W3C (2008). Extensible Markup Language (XML) 1.0 (Fifth Edition). W3C Recommendation. https://www.w3.org/TR/xml/
Sources
- Zekpa, N., & Peter, A. (2025-01-07). Evaluate large language models for your machine translation tasks on AWS. AWS Machine Learning Blog. https://aws.amazon.com/blogs/machine-learning/evaluate-large-language-models-for-your-machine-translation-tasks-on-aws/
- W3C (2008). Extensible Markup Language (XML) 1.0 (Fifth Edition). W3C Recommendation. https://www.w3.org/TR/xml/