Chez JotMe, on nous choisit pour une chose avant tout : la précision. Des réunions où la moindre information critique ne peut pas être mal traduite, jour après jour, semaine après semaine. C'est la première raison pour laquelle nos clients nous font confiance.

Alors pourquoi tant de traductions IA peinent-elles encore à faire passer ce que l'on veut vraiment dire ?

Dans cet article, je veux jouer la carte de la transparence et vous expliquer comment nous utilisons vos données pour que la traduction colle vraiment à votre travail.

Commençons par l'essentiel. Aujourd'hui, la plupart des outils rendent des textes grammaticalement corrects : ils ne sont pas, à proprement parler, « faux ». Le problème est ailleurs. Une même phrase peut se traduire de multiples façons selon le contexte — c'est là que tout se joue. Quand on a le sentiment qu'une traduction « tombe à côté », c'est le plus souvent parce que l'IA ignore ce que le locuteur cherche à transmettre et ce que son interlocuteur sait déjà.

Prenons un exemple. Imaginez cette phrase :

"The model is hallucinating."

En anglais, « model » est ambigu. Sans contexte, la phrase pourrait décrire un mannequin (a fashion model) en pleine hallucination après avoir consommé une substance, ou bien un modèle d'IA (an AI model) en train de générer des informations erronées. Le même mot, deux univers radicalement différents.

Si, à cet instant, l'IA sait que vous développez depuis des semaines un produit d'IA et que vous discutez de nouvelles fonctionnalités, elle choisira sans hésiter le second sens.

L'exemple est simple. Mais à mesure que la conversation se complexifie et que les informations s'accumulent, saisir le bon contexte devient un problème nettement plus ardu.

Ceci posé, entrons dans le vif du sujet : comment nous utilisons vos données chez JotMe pour offrir une traduction contextuelle et précise.

Chez JotMe, il existe deux types de traduction

Notre traduction se divise, pour l'essentiel, en deux.

1. Traduction en direct : sous-titres en temps réel et traduction de voix à voix.
2. Traduction de texte : transcriptions, saisie de texte et messagerie.

Chacune construit son « contexte » d'une manière un peu différente.

Comment la traduction en direct exploite votre contexte

Pour la traduction en temps réel, nous mobilisons les informations suivantes comme contexte.

Profil utilisateur

Tout ce que nous savons de vous dès l'instant où vous vous connectez. Pour affiner la précision, nos agents d'IA peuvent aussi consulter les informations publiques disponibles à votre sujet sur le web.

Contexte opérationnel

Ce que vous faites dans votre travail. Il se construit à partir des comptes rendus de réunion, des messages JotMe Chat, des fichiers que vous importez et de vos interactions avec JotMe AI. Pour les utilisateurs éligibles, les connexions à Gmail, Outlook, Notion, Google Drive et Microsoft Teams enrichissent encore ce contexte opérationnel.

Mémoire en temps réel

Ce qui se dit à cet instant précis de la réunion ; elle se met à jour en continu au fil de la conversation.

Termes et jargon personnalisés

Le vocabulaire interne et les expressions propres à votre secteur, vous les enregistrez vous-même. Pour les utilisateurs éligibles, ils peuvent en outre se mettre à jour automatiquement à partir du contexte opérationnel.

Continuité avec ce qui précède

Pour éviter une traduction hachée, nous reprenons un ou deux segments déjà traduits juste avant. La conversation s'enchaîne ainsi de façon naturelle.

Comment la traduction de texte exploite votre contexte

L'approche est la même. À une différence près : au lieu de la mémoire en temps réel de la parole, elle s'appuie sur la mémoire de la conversation et sur les messages précédents du chat.

Le profil utilisateur et le contexte opérationnel se construisent exactement comme pour la traduction en direct. Ce qui est propre à la traduction de texte tient en deux points.

Mémoire de la conversation

L'échange en cours dans le chat ; il se met à jour à chaque message envoyé.

Continuité avec les messages précédents

En reprenant un ou deux messages antérieurs du chat, la conversation traduite conserve sa cohérence et sonne naturel. Les termes et le jargon personnalisés fonctionnent ici de la même façon que pour la traduction en direct.

L'IA a fait progresser la traduction, mais il reste un écart

L'IA a considérablement amélioré la qualité de la traduction. Et pourtant, il subsiste un écart que nous ne parvenons pas encore à combler.

Comme nous le disions, une phrase n'a pas une seule façon d'être traduite. Faute de contexte suffisant, l'IA ne peut pas savoir avec certitude quelle est l'intention du locuteur ni quelle traduction attend son interlocuteur.

Cela dit, il ne s'agit pas non plus d'« empiler le plus de contexte possible ». Quand le contexte est trop abondant, la qualité de la traduction peut au contraire se dégrader : c'est un phénomène que l'on appelle le context rot (dégradation liée à l'excès de contexte). Noyé sous les informations, le modèle finit par perdre de vue les indices qui comptent vraiment.

S'ajoute à cela l'arbitrage avec la vitesse. La traduction en direct est un système en temps réel : plus on y intègre de contexte, plus la traduction met de temps à être générée. Dans nos tests, certains cas ont dépassé les 30 secondes — tout simplement inenvisageable dans une conversation en direct.

Après de nombreux essais, la réponse à laquelle nous sommes parvenus tient en un délai d'environ 1 à 5 secondes. Dans cette fourchette, la plupart des gens le perçoivent comme naturel, tout en laissant assez de contexte pour atteindre une traduction d'une grande précision.

Trouver le juste équilibre entre contexte, vitesse et précision est l'un des problèmes de recherche centraux que nous nous attachons à résoudre chez JotMe.

Nous continuerons d'investir pour offrir la traduction IA la plus précise possible au monde de l'entreprise. À très bientôt.