{"id":2492,"date":"2019-04-23T22:47:40","date_gmt":"2019-04-23T22:47:40","guid":{"rendered":"https:\/\/www.ata-divisions.org\/FLD\/?p=2492"},"modified":"2019-04-23T22:47:40","modified_gmt":"2019-04-23T22:47:40","slug":"post-edition","status":"publish","type":"post","link":"https:\/\/www.ata-divisions.org\/FLD\/2019\/04\/23\/post-edition\/","title":{"rendered":"Post-\u00e9dition de traduction automatique : se m\u00e9fier des apparences"},"content":{"rendered":"\r\n
\"\"\r\n

Photo de\u00a0Ram\u00f3n Salinero,\u00a0<\/a>Unsplash<\/a><\/figcaption>\r\n<\/figure>\r\n\r\n\r\n\r\n

Par Guillaume Deneufbourg<\/strong><\/p>\r\n\r\n\r\n\r\n

Le pr\u00e9sent article est directement inspir\u00e9 d\u2019une pr\u00e9sentation orale donn\u00e9e (en anglais) \u00e0 l\u2019occasion du Congr\u00e8s annuel de l\u2019American Translators Association, le 25 octobre 2018, \u00e0 La Nouvelle-Orl\u00e9ans, Louisiane, USA. Le titre original de cette intervention \u00e9tait : <\/em>\u00ab\u00a0Don\u2019t Trust the Machine\u00a0: How Neural Persuasive Power Can Mislead Post-editors\u00a0\u00bb.<\/em><\/p>\r\n\r\n\r\n\r\n

\"\"<\/figure>\r\n\r\n\r\n\r\n
\r\n
\"\"<\/figure>\r\n<\/div>\r\n\r\n\r\n\r\n

L\u2019arriv\u00e9e de la traduction automatique neuronale (NMT) a provoqu\u00e9 en 2017 une mini-onde de choc dans le monde de la traduction professionnelle. Pratiquement du jour au lendemain, les traducteurs ont pris conscience que la machine pouvait, \u00e0 tout le moins dans certaines combinaisons linguistiques et certains domaines, produire du contenu \u00ab\u00a0utilisable\u00a0\u00bb. Cette \u00e9volution a parall\u00e8lement aliment\u00e9 bon nombre de fantasmes et de craintes dans le chef des \u00ab\u00a0consommateurs\u00a0\u00bb et des prestataires de services de traduction.<\/p>\r\n\r\n\r\n\r\n

Dans le giron des associations professionnelles ou sur les r\u00e9seaux sociaux, les r\u00e9actions ont \u00e9t\u00e9 \u2013 et sont encore \u2013 aussi nombreuses que passionn\u00e9es. Entre commentaires alarmistes, jugements infond\u00e9s et exemples confinant \u00e0 l\u2019absurde tir\u00e9s de textes de Shakespeare, on constate que les professionnels de la traduction ne sont pas toujours bien inform\u00e9s des tenants et aboutissants de la traduction automatique et de la post-\u00e9dition et que les avis \u00e9mis, guid\u00e9s par l\u2019\u00e9motion, p\u00e8chent par manque d\u2019information et de donn\u00e9es objectives.<\/p>\r\n\r\n\r\n\r\n

L\u2019objectif de la pr\u00e9sentation donn\u00e9e lors du Congr\u00e8s annuel de l\u2019ATA en novembre 2018 \u00e0 La Nouvelle-Orl\u00e9ans \u00e9tait de d\u00e9passer les attaques ad\u00a0machinam<\/em> que lancent les militants anti-MT sans v\u00e9ritable fondement et de mettre le doigt, \u00e0 travers des donn\u00e9es tr\u00e8s concr\u00e8tes, sur les avantages et les dangers du recours \u00e0 la (post-\u00e9dition de) traduction automatique dans un contexte professionnel. Ma pr\u00e9sentation s\u2019articulait en trois parties, avec une introduction sur la technologie (histoire, \u00e9volution, perception des diff\u00e9rents acteurs du march\u00e9), la pr\u00e9sentation des r\u00e9sultats de deux enqu\u00eates men\u00e9es \u00e0 l\u2019\u00e9chelle europ\u00e9enne sur l\u2019utilisation de la technologie, et l\u2019expos\u00e9\u00a0d\u2019une \u00e9tude de cas r\u00e9alis\u00e9e aupr\u00e8s de professionnels et d\u2019\u00e9tudiants.<\/p>\r\n\r\n\r\n\r\n

Introduction<\/em><\/strong><\/h4>\r\n\r\n\r\n\r\n
\"\"<\/figure>\r\n\r\n\r\n\r\n

L\u2019introduction retra\u00e7ait bri\u00e8vement l\u2019histoire de la traduction automatique et pr\u00e9sentait mon opinion personnelle sur la perception de la technologie par les diff\u00e9rents acteurs du march\u00e9. J\u2019ai ainsi expliqu\u00e9, non sans une petite dose d\u2019ironie et d\u2019autod\u00e9rision, les quatre \u00ab\u00a0profils\u00a0\u00bb que l\u2019on retrouve sur le march\u00e9 des traducteurs ind\u00e9pendants\u00a0: 1. les partisans de la politique de l\u2019autruche, adeptes des exemples shakespeariens \u00e9voqu\u00e9s plus haut, 2. les fatalistes, persuad\u00e9s de la mort imminente de leur profession, 3. les fourbes, qui critiquent ouvertement la traduction automatique en public, mais qui l\u2019utilisent en secret dans la qui\u00e9tude de leur bureau (soit par facilit\u00e9, soit par obligation), 4. l\u2019utilisateur r\u00e9fl\u00e9chi, qui se pose syst\u00e9matiquement la question de la pertinence, en fonction du contexte d\u2019utilisation (profil recommand\u00e9).<\/p>\r\n\r\n\r\n\r\n

\"\"<\/figure>\r\n\r\n\r\n\r\n

Il convient aussi de noter que les opinions sont tr\u00e8s divergentes en fonction de la position des acteurs sur le march\u00e9. Un grand nombre de pratiques existent, allant des arnaques pures et simples des agences low-cost<\/em>, qui tentent r\u00e9guli\u00e8rement de faire passer des textes traduits automatiquement pour des productions humaines, aux agences plus consciencieuses qui essaient de prendre le train en marche sans effrayer leurs pr\u00e9cieuses ressources linguistiques, en passant par les \u00e9tudiants et les formateurs en traduction, dont les pratiques d\u2019apprentissage et d\u2019enseignement sont boulevers\u00e9es, doucement, mais s\u00fbrement, par l\u2019arriv\u00e9e de la technologie.<\/p>\r\n\r\n\r\n\r\n

Ces constats indiquent qu\u2019il r\u00e8gne une extr\u00eame confusion sur le march\u00e9, que ce soit parmi ses acteurs (traducteurs, clients, tiers) qu\u2019au sujet du produit lui-m\u00eame (confusion entre qualit\u00e9 du contenu brut et qualit\u00e9 du contenu post-\u00e9dit\u00e9, etc.). De cette confusion d\u00e9coule un grand besoin d\u2019objectiver le d\u00e9bat et de p\u00e9dagogie.<\/p>\r\n\r\n\r\n\r\n

Quelques statistiques<\/em><\/strong><\/h4>\r\n\r\n\r\n\r\n

La deuxi\u00e8me partie consistait \u00e0 dispenser quelques donn\u00e9es objectives sur l\u2019utilisation r\u00e9elle de la traduction automatique au sein du secteur. Pour ce faire, j\u2019ai pr\u00e9sent\u00e9 les r\u00e9sultats de deux enqu\u00eates men\u00e9es en 2017 et 2018.<\/p>\r\n\r\n\r\n\r\n

\"\"<\/figure>\r\n\r\n\r\n\r\n

La premi\u00e8re, \u00ab\u00a0European Language Industry Survey<\/a><\/em>\u00a0\u00bb, men\u00e9e en 2017 par un ensemble d\u2019organisations (Commission europ\u00e9enne (via le r\u00e9seau EMT), Elia, GALA, EUATC et FIT Europe), indiquait entre autres que l\u2019ann\u00e9e 2017 avait \u00e9t\u00e9 la toute premi\u00e8re ann\u00e9e dans l\u2019histoire de la traduction o\u00f9 la proportion de professionnels (agences et traducteurs individuels) affirmant avoir d\u00e9j\u00e0 eu recours \u00e0 la post-\u00e9dition de traduction automatique avait d\u00e9pass\u00e9 la barre symbolique des\u00a050%.<\/p>\r\n\r\n\r\n\r\n

\"\"<\/figure>\r\n\r\n\r\n\r\n

L\u2019autre enqu\u00eate pr\u00e9sent\u00e9e, men\u00e9e par la Chambre Belge des Traducteurs et Interpr\u00e8tes<\/a> en 2018, indiquait une r\u00e9ticence plus marqu\u00e9e des traducteurs individuels face \u00e0 la technologie, mais avec un \u00ab\u00a0potentiel\u00a0d\u2019\u00e9volution\u00a0\u00bb non n\u00e9gligeable li\u00e9 \u00e0 la r\u00e9ponse \u00ab\u00a0I might use it in the future<\/em>\u00a0\u00bb. Ces deux enqu\u00eates montrent un recours exponentiel \u00e0 la post-\u00e9dition de traduction automatique par tous les acteurs du march\u00e9. Une tendance qui devrait se poursuivre \u00e0 l\u2019avenir.<\/p>\r\n\r\n\r\n\r\n

\u00c9tude de cas<\/em><\/strong><\/h4>\r\n\r\n\r\n\r\n
\"\"<\/figure>\r\n\r\n\r\n\r\n

Apr\u00e8s quelques rappels utiles sur les diff\u00e9rents niveaux de post-\u00e9dition (light\/full<\/em>) et une s\u00e9rie d\u2019explications sur les m\u00e9thodologies employ\u00e9es, j\u2019ai expos\u00e9 les r\u00e9sultats d\u2019une \u00e9tude de cas men\u00e9e aupr\u00e8s de 25 \u00e9tudiants et de 10\u00a0professionnels, \u00e0 qui j\u2019ai pr\u00e9sent\u00e9 un discours de Barack Obama traduit avec le moteur DeepL. Les objectifs \u00e9taient\u00a0: 1. aller au-del\u00e0 des arguments pr\u00e9sent\u00e9s habituellement par les activistes anti-NMT, 2.\u00a0analyser la qualit\u00e9 du contenu traduit automatiquement au moyen d\u2019exemples concrets, 3.\u00a0analyser les strat\u00e9gies de post-\u00e9dition employ\u00e9es par les \u00e9tudiants et les professionnels, 4. analyser les diff\u00e9rences d\u2019approche vis-\u00e0-vis des deux niveaux de post-\u00e9dition (Light post-editing<\/em>\u00a0: modification du strict n\u00e9cessaire en \u00e9vitant toute intervention stylistique\u00a0; Full post-editing<\/em>\u00a0: intervention maximale pour atteindre un niveau de qualit\u00e9 comparable \u00e0 une traduction \u00ab\u00a0humaine\u00a0\u00bb).<\/p>\r\n\r\n\r\n\r\n

L\u2019espace qui m\u2019est r\u00e9serv\u00e9 ici ne me permettant pas de reprendre en d\u00e9tail les exemples pr\u00e9sent\u00e9s lors de la conf\u00e9rence, je me limiterai \u00e0 l\u2019expos\u00e9\u00a0de deux cas jug\u00e9s repr\u00e9sentatifs.<\/p>\r\n\r\n\r\n\r\n

\"\"<\/figure>\r\n\r\n\r\n\r\n

1er<\/sup> exemple<\/em><\/p>\r\n\r\n\r\n\r\n

Le premier exemple illustre bien la fluidit\u00e9 de la production NMT, avec une phrase \u00ab\u00a0brute\u00a0\u00bb qui semble de prime abord plut\u00f4t convaincante.<\/p>\r\n\r\n\r\n\r\n

N\u00e9anmoins, on se rend compte en deuxi\u00e8me analyse que le passage \u00ab\u00a0transformer ces r\u00e9alisations en un cadre durable pour le progr\u00e8s humain\u00a0\u00bb ne veut pas dire grand-chose.<\/p>\r\n\r\n\r\n\r\n

La logique de l\u2019exercice de post-\u00e9dition voudrait donc de laisser en l\u2019\u00e9tat la phrase \u2013 qui reste compr\u00e9hensible \u2013 au niveau Light post-editing (LPE)<\/em>, mais de la modifier au niveau Full post-editing (FPE)<\/em>.<\/p>\r\n\r\n\r\n\r\n

L\u2019\u00e9tude de cas d\u00e9montre deux ph\u00e9nom\u00e8nes int\u00e9ressants\u00a0: 1. 80% des professionnels ont modifi\u00e9 cette phrase d\u00e8s le niveau LPE, ce qui laisse penser que les professionnels, probablement moins familiaris\u00e9s avec l\u2019exercice, ne peuvent r\u00e9sister \u00e0 la tentation de corriger une imperfection, m\u00eame quand ils ne sont pas invit\u00e9s \u00e0 le faire. \u00c0 noter, \u00e0 titre de comparaison, qu\u2019aucun des \u00e9tudiants n\u2019a modifi\u00e9 ce segment. 2. Au niveau FPE, seuls 8% des \u00e9tudiants ont modifi\u00e9 ce segment, alors que les objectifs de la t\u00e2che l\u2019imposaient, puisque la phrase brute n\u2019\u00e9tait pas conforme aux normes de qualit\u00e9 que l\u2019on pourrait attendre d\u2019une traduction humaine. Ce constat donne \u00e0 penser que les \u00e9tudiants ne sont soit pas conscients de la n\u00e9cessit\u00e9 de modifier le segment et estiment que la traduction est suffisamment bonne, soit qu\u2019ils en ont conscience, mais ne sont pas capables d\u2019am\u00e9liorer le texte (ou ne prennent pas la peine de le faire, se contentant du niveau produit par la machine (\u00ab\u00a0we are all lazy humans\u00a0\u00bb).<\/p>\r\n\r\n\r\n\r\n

Ces deux tendances reviennent dans l\u2019ensemble des segments concern\u00e9s par ce cas de figure, o\u00f9 on constate que les \u00e9tudiants interviennent beaucoup moins sur le texte, aux deux niveaux de post-\u00e9dition, une attitude relativement bonne dans le cas du LPE, mais qui l\u2019est beaucoup moins dans le cas du FPE.<\/p>\r\n\r\n\r\n\r\n

2e<\/sup> exemple<\/em><\/p>\r\n\r\n\r\n\r\n

Le deuxi\u00e8me exemple porte sur un segment contenant une erreur de sens (contre-sens\/faux sens). Comme on peut le voir dans l\u2019illustration qui suit, DeepL a traduit la collocation \u00ab\u00a0to deliver justice to the terrorist network\u00a0\u00bb par \u00ab\u00a0pour rendre justice au r\u00e9seau terroriste\u00a0\u00bb. L\u2019erreur vient du fait que l\u2019expression \u00ab\u00a0rendre justice\u00a0\u00bb en fran\u00e7ais signifie le contraire de l\u2019original anglais, \u00e0 savoir \u00ab\u00a0reconna\u00eetre les m\u00e9rites de\u00a0\u00bb, \u00ab\u00a0r\u00e9parer le mal qui a \u00e9t\u00e9 fait\u00a0\u00bb, etc.<\/p>\r\n\r\n\r\n\r\n

\"\"<\/figure>\r\n\r\n\r\n\r\n

L\u2019exercice de post-\u00e9dition voudrait donc qu\u2019on modifie ici cette phrase d\u00e8s le niveau Light post-editing<\/em>, puisqu\u2019il s\u2019agit d\u2019une erreur de sens relativement grave (m\u00eame si nous sommes conscients que le contexte d\u2019\u00e9nonciation ne laisse planer aucun doute sur les intentions de Barack Obama). Nous d\u00e9gageons \u00e0 nouveau deux ph\u00e9nom\u00e8nes : 1. Un seul \u00e9tudiant sur les 25 a pris la peine de modifier cette phrase au niveau LPE, ce qui semble tr\u00e8s peu compte tenu des objectifs pr\u00e9cit\u00e9s. 2. 20% des professionnels ont laiss\u00e9 cette erreur au niveau Full post-editing<\/em> (et 28% d\u2019\u00e9tudiants), ce qui semble \u00e9lev\u00e9 compte tenu de la gravit\u00e9 de l\u2019erreur et du niveau d\u2019expertise des post-\u00e9diteurs.<\/p>\r\n\r\n\r\n\r\n

Ces deux donn\u00e9es nous am\u00e8nent \u00e0 penser que les deux profils de traducteurs (\u00e9tudiants et professionnels) ont \u00e9t\u00e9 \u00ab\u00a0tromp\u00e9s\u00a0\u00bb par l\u2019apparente fluidit\u00e9 du texte traduit automatiquement et sont ainsi pass\u00e9s \u00e0 c\u00f4t\u00e9 de cette erreur grossi\u00e8re.<\/p>\r\n\r\n\r\n\r\n

\"\"<\/figure>\r\n\r\n\r\n\r\n

\u00c0 noter \u00e9galement que nous avions demand\u00e9 \u00e0 un \u00ab\u00a0groupe contr\u00f4le\u00a0\u00bb de 5 traducteurs professionnels de traduire un extrait de ce texte sans recourir \u00e0 la NMT et qu\u2019aucun n\u2019a commis d\u2019erreur de sens sur ce passage (ni d\u2019ailleurs sur l\u2019ensemble de l\u2019extrait). Il semblerait donc que l\u2019apparente fluidit\u00e9 d\u2019une production automatique induise une sorte d\u2019exc\u00e8s de confiance dans le chef des traducteurs, toutes exp\u00e9riences confondues, et favorise donc la pr\u00e9sence r\u00e9siduelle d\u2019erreurs de sens moins visibles<\/strong>.<\/p>\r\n\r\n\r\n\r\n

Conclusions<\/em><\/h4>\r\n\r\n\r\n\r\n
\"\"<\/figure>\r\n\r\n\r\n\r\n

L\u2019analyse de l\u2019ensemble du texte nous permet de d\u00e9gager les tendances et constats suivants. Tout d\u2019abord, une diff\u00e9rence tr\u00e8s faible entre les deux niveaux de post-\u00e9dition, ce qui indiquerait que les \u00e9tudiants sont potentiellement de \u00ab\u00a0meilleurs\u00a0\u00bb candidats pour une t\u00e2che de LPE, mais qu\u2019ils peinent en revanche \u00e0 s\u2019\u00e9lever au niveau Full post-editing<\/em>.<\/p>\r\n\r\n\r\n\r\n

\u00c0 l\u2019inverse, les professionnels semblent potentiellement \u00eatre de \u00ab\u00a0meilleurs\u00a0\u00bb candidats pour une t\u00e2che de FPE, mais interviennent de fa\u00e7on excessive lors de l\u2019\u00e9tape Light post-editing<\/em>. De fa\u00e7on plus g\u00e9n\u00e9rale, on note ainsi que tous les traducteurs rencontrent des difficult\u00e9s \u00e0 faire la distinction entre les deux niveaux de post-\u00e9dition<\/strong>, chacun \u00e0 leur \u00e9chelle. Ils semblent en outre induits en erreur par le pouvoir persuasif de la NMT et se laissent plus facilement tromper par l\u2019apparente fluidit\u00e9 des traductions, m\u00eame lorsque la machine commet de lourdes erreurs de sens.<\/p>\r\n\r\n\r\n\r\n

Nous \u00e9mettons \u00e9galement, dans nos conclusions, l\u2019hypoth\u00e8se d\u2019un rapport g\u00e9n\u00e9ralement inversement proportionnel entre la gravit\u00e9 des erreurs commises par la machine et l\u2019effort cognitif n\u00e9cessaire pour les corriger<\/strong>.<\/p>\r\n\r\n\r\n\r\n

\"\"<\/figure>\r\n\r\n\r\n\r\n

Ainsi, pour prendre un exemple volontairement caricatural, un contre-sens (gravit\u00e9 \u00e9lev\u00e9e) qui serait li\u00e9 \u00e0\u00a0l\u2019oubli d\u2019une n\u00e9gation pourra se corriger en quelques secondes en ajoutant les mots \u00ab\u00a0ne\u2026 pas\u00a0\u00bb \u00e0 la phrase (effort faible). En revanche, des phrases bancales sur le plan stylistique (gravit\u00e9 faible) n\u00e9cessiteront le plus souvent une reformulation de l\u2019ensemble de la phrase (effort \u00e9lev\u00e9). Cette tendance pourrait selon nous encourager les post-\u00e9diteurs \u00e0 laisser les phrases en l\u2019\u00e9tat lorsqu\u2019elles sont borderline<\/em>. Cette hypoth\u00e8se pourrait faire l\u2019objet d\u2019une prochaine \u00e9tude de cas.<\/p>\r\n\r\n\r\n\r\n

Conclusions g\u00e9n\u00e9rales<\/em><\/strong><\/h4>\r\n\r\n\r\n\r\n
\"\"<\/figure>\r\n\r\n\r\n\r\n

S\u2019agissant des conclusions g\u00e9n\u00e9rales de la pr\u00e9sentation, j\u2019ai souhait\u00e9 insister sur les \u00e9l\u00e9ments suivants, en guise de takeaways<\/em>. 1. Un recours exponentiel sur l\u2019ensemble du secteur \u00e0 la (post-\u00e9dition de) traduction automatique<\/strong>, qui a v\u00e9ritablement le vent en poupe\u00a0; une tendance qui ne devrait pas faiblir. D\u2019aucuns pr\u00e9disent ainsi que d\u2019ici 2030, seuls 20% de tout le volume de traduction g\u00e9n\u00e9r\u00e9 \u00e0 l\u2019\u00e9chelle mondiale ne passeront pas par un moteur de traduction automatique. Une pr\u00e9vision que je ne partage pas personnellement et qui peut sembler excessive. 2. Les post-\u00e9diteurs de toutes g\u00e9n\u00e9rations ont parfois tendance \u00e0 faire aveugl\u00e9ment confiance \u00e0 la machine, sans doute en raison de la fluidit\u00e9 des traductions produites<\/strong>. 3. Une grande confusion subsiste quant \u00e0 la technologie<\/strong> et \u00e0 son adoption par le march\u00e9, ce qui devrait inciter les traducteurs \u00e0 faire preuve d\u2019ouverture et de p\u00e9dagogie vis-\u00e0-vis des utilisateurs et des \u00ab\u00a0consommateurs\u00a0\u00bb. Il s\u2019agit selon moi d\u2019un imp\u00e9ratif pour \u00e9viter des d\u00e9sillusions et des grincements de dents \u00e0 l\u2019avenir, surtout chez les clients finaux, qui voient la traduction automatique comme le Saint Graal. Bien que la NMT \u00e9volue constamment \u2013 \u00e0 l\u2019heure o\u00f9 j\u2019\u00e9cris ces lignes, deepL ne commet d\u00e9j\u00e0 plus certaines des erreurs d\u00e9tect\u00e9es lors de l\u2019\u00e9tude de cas \u2013 je reste convaincu qu\u2019il demeurera un simple outil d\u2019aide \u00e0 la traduction, certes tr\u00e8s utile dans certaines circonstances, mais dont l\u2019usage doit \u00eatre r\u00e9serv\u00e9 \u00e0 des utilisateurs exp\u00e9riment\u00e9s, form\u00e9s et avertis de ses dangers.<\/p>\r\n\r\n\r\n\r\n

\r\n
\"\"\r\n\r\n<\/figure>\r\n<\/div>\r\n\r\n\r\n\r\n

Guillaume Deneufbourg<\/strong> travaille comme traducteur ind\u00e9pendant EN-NL>FR depuis 2002. Titulaire d\u2019un Master en Traduction de l\u2019Universit\u00e9 de Mons (Belgique), il l\u2019est aussi d\u2019un Master sp\u00e9cialis\u00e9 en linguistique appliqu\u00e9e et traductologie (ULB, Bruxelles). Guillaume enseigne la traduction \u00e0 l\u2019Universit\u00e9 de Mons et \u00e0 l\u2019Universit\u00e9 de Lille depuis 2010. R\u00e9sident en Belgique, \u00e0 quelques kilom\u00e8tres de la fronti\u00e8re fran\u00e7aise, il est membre de l\u2019ATA, de la SFT et de la CBTI. Plus d\u2019infos\u00a0ici<\/a>.<\/p>\r\n","protected":false},"excerpt":{"rendered":"

Par Guillaume Deneufbourg Le pr\u00e9sent article est directement inspir\u00e9 d\u2019une pr\u00e9sentation orale donn\u00e9e (en anglais) \u00e0 l\u2019occasion du Congr\u00e8s annuel de l\u2019American Translators Association, le 25 octobre 2018, \u00e0 La Nouvelle-Orl\u00e9ans, Louisiane, USA. Le titre original de cette intervention \u00e9tait : \u00ab\u00a0Don\u2019t Trust the Machine\u00a0: How Neural Persuasive Power Can Mislead Post-editors\u00a0\u00bb. L\u2019arriv\u00e9e de la … Continue reading Post-\u00e9dition de traduction automatique : se m\u00e9fier des apparences<\/span><\/a><\/p>\n","protected":false},"author":5,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-2492","post","type-post","status-publish","format-standard","hentry"],"jetpack_featured_media_url":"","_links":{"self":[{"href":"https:\/\/www.ata-divisions.org\/FLD\/wp-json\/wp\/v2\/posts\/2492","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ata-divisions.org\/FLD\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ata-divisions.org\/FLD\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ata-divisions.org\/FLD\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ata-divisions.org\/FLD\/wp-json\/wp\/v2\/comments?post=2492"}],"version-history":[{"count":5,"href":"https:\/\/www.ata-divisions.org\/FLD\/wp-json\/wp\/v2\/posts\/2492\/revisions"}],"predecessor-version":[{"id":2569,"href":"https:\/\/www.ata-divisions.org\/FLD\/wp-json\/wp\/v2\/posts\/2492\/revisions\/2569"}],"wp:attachment":[{"href":"https:\/\/www.ata-divisions.org\/FLD\/wp-json\/wp\/v2\/media?parent=2492"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ata-divisions.org\/FLD\/wp-json\/wp\/v2\/categories?post=2492"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ata-divisions.org\/FLD\/wp-json\/wp\/v2\/tags?post=2492"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}