Traduire mot à mot n’est pas la même chose que traduire correctement : c’est tout le paradoxe révélé par la traduction automatique d’un menu de restaurant, où chaque mot pris séparément est juste, mais où le plat annoncé n’a plus rien à voir avec celui réellement servi en salle.
L’exemple concret vient d’un plugin de traduction automatique connecté à une carte de restaurant traduite du français vers l’anglais. Le plat « tartare de saumon, betterave et pomme verte » est devenu, dans la version publiée sans relecture, une description qui inversait l’ordre des saveurs au point de suggérer un tout autre équilibre gustatif, alors qu’aucun des mots employés n’était en soi incorrect.
Ce qu’on observe
Le symptôme le plus trompeur de ce type d’antipattern est qu’il ne ressemble en rien à une erreur de traduction classique. Aucune faute de grammaire, aucun mot mal orthographié, aucune structure de phrase bancale : juste un sens global qui s’égare, souvent sur des associations d’idées propres à une langue ou une culture, que le moteur de traduction transpose littéralement sans les adapter.
- des expressions figées traduites terme à terme, perdant leur sens idiomatique d’origine
- des noms de plats traduits littéralement alors qu’ils désignent une préparation culturellement connue sous un nom propre
- un ordre des mots respecté à la lettre, produisant une emphase involontaire sur le mauvais élément de la phrase
Pourquoi c’est un problème plus grave qu’il n’y paraît
Une faute de grammaire évidente incite naturellement le lecteur à la méfiance et à vérifier l’information par un autre moyen. Une traduction fluide mais sémantiquement fausse, à l’inverse, inspire confiance précisément parce qu’elle est bien écrite, ce qui la rend plus dangereuse dans ses effets qu’une traduction visiblement approximative.
// Exemple de configuration d'un moteur de traduction automatique connecté au menu
'source_lang' => 'FR',
'target_lang' => 'EN-GB',
'formality' => 'default', // aucun réglage ne corrige un contresens sémantique
Aucun réglage technique du moteur de traduction, quel qu’il soit, ne peut détecter qu’une combinaison de mots par ailleurs correcte trahit le sens réel d’un plat : cette vérification demande une connaissance du contexte que ces outils ne possèdent pas.
Quoi faire concrètement
La réponse ne consiste pas à renoncer à la traduction automatique, dont la rapidité et le coût restent des atouts réels pour un volume de contenu conséquent, mais à cibler précisément où la relecture humaine devient non négociable :
- identifier en amont les contenus à fort enjeu sémantique : intitulés de plats, allergènes, conditions contractuelles
- réserver la relecture humaine à ces contenus précis, plutôt que de la diluer sur l’ensemble du site
- faire relire par une personne connaissant la culture culinaire ou métier concernée, pas seulement la langue cible
Une pratique complémentaire, adoptée par la suite pour ce restaurant, consiste à constituer un petit glossaire maison des plats signature, avec leur traduction validée une fois pour toutes par un relecteur de confiance. Ce glossaire, réinjecté à chaque nouvelle traduction automatique via un dictionnaire de correspondance, évite de refaire vérifier les mêmes intitulés à chaque mise à jour saisonnière de la carte, tout en garantissant que les termes les plus sensibles restent stables d’une traduction à l’autre.
Ce glossaire ne remplace pas la relecture humaine sur les nouveaux plats, mais il en réduit considérablement le volume : sur une carte renouvelée chaque saison, seuls les intitulés réellement nouveaux nécessitent encore une vérification attentive, les plats récurrents étant déjà couverts par les entrées validées du glossaire.
Une traduction sans faute n’est pas nécessairement une traduction juste : le critère qui compte n’est jamais l’absence d’erreur de surface, mais la fidélité du sens transmis au lecteur final.
En résumé
La traduction automatique d’un menu, ou de tout contenu chargé de sens culturel, illustre bien la limite structurelle de ces outils : ils traduisent des mots avec une grande fiabilité, mais ne vérifient jamais que l’assemblage final a un sens dans le contexte visé. Réserver une relecture humaine ciblée aux contenus les plus sensibles reste, encore aujourd’hui, la seule garantie fiable contre ce type d’antipattern.
