La plupart des équipes qui exploitent la traduction IA en production l’évaluent de la même façon : quelqu’un qui parle la langue lit quelques pages et déclare que « ça se lit bien ». Puis un nom de produit part en ligne traduit de trois façons, ou une clause de garantie dérive de sens — et l’équipe découvre que « ça se lit bien » n’a jamais été une mesure.
Évaluer la qualité d’une traduction IA, c’est noter la sortie selon une grille d’erreurs définie — catégories, sévérités et règle de notation convenues à l’avance — pour que la qualité devienne un nombre comparable entre lots, langues et moteurs. Sans grille, la relecture est une opinion. Avec, c’est de la donnée.
L’anatomie d’une grille qui fonctionne
La base sectorielle s’appuie sur les catégories MQM/DQF. Un jeu de travail pratique :
| Catégorie | Ce qu’elle attrape | Sévérité typique |
|---|---|---|
| Précision | Contresens, omission, ajout, texte non traduit | Mineure → critique |
| Fluidité | Grammaire, orthographe, formulations maladroites | Mineure → majeure |
| Terminologie | Violations de glossaire, termes produit incohérents | Majeure (souvent critique en contenu réglementé) |
| Style | Ton, registre, voix de marque | Mineure → majeure |
| Conventions locales | Dates, unités, formats, exigences par marché | Mineure → majeure |
Deux éléments transforment le tableau en système :
La pondération par sévérité. Une décimale manquante dans un dosage n’est pas le même défaut qu’une phrase lourde. Chaque erreur reçoit une sévérité (mineure / majeure / critique), chaque sévérité un poids, chaque lot un score aux mille mots — c’est ce qui rend la qualité comparable dans le temps.
Un seuil de passage convenu à l’avance. Un lot franchit le seuil ou déclenche une reprise. Sans seuil, les scores sont anecdotiques ; avec, ils pilotent des décisions.
Votre grille ou une grille standard ?
Si votre équipe a déjà sa typologie d’erreurs — c’est fréquent en e-commerce et en entreprise — un partenaire de relecture doit l’adopter telle quelle : relecteurs briefés sur vos catégories et sévérités, résultats livrés dans votre format, alimentant vos tableaux de bord. La grille compte moins que la discipline d’en utiliser une seule, constamment. Ce qui casse la comparabilité, c’est d’en changer en cours de route.
Combien faut-il vraiment relire ?
Relire toute la sortie IA annule généralement l’économie qui rendait la traduction IA attractive. Un dispositif opérationnel adapte la profondeur au risque :
- Contenu à haut risque (mentions réglementées, textes de sécurité, clauses juridiques) : post-édition complète, chaque mot ;
- Contenu générateur de revenu (pages produit, campagnes) : post-édition complète ou légère selon l’exposition ;
- Gros volume à faible risque (macros support, docs internes) : LQA échantillonné — noter une tranche significative par lot et suivre la tendance.
La cadence d’échantillonnage est le système qualité. Une équipe qui note 10 % du volume chaque semaine selon une grille stable en sait plus sur son IA qu’une équipe qui a tout relu une fois, il y a trois mois.
Quelle configuration pour votre situation
- La sortie IA part chez les clients et les erreurs portent un risque juridique ou de marque → post-édition complète vers une qualité publiable (la discipline que définit ISO 18587) ;
- Sortie interne ou peu exposée, mais qui doit rester compréhensible → post-édition légère ;
- Vous voulez surtout savoir si le moteur suffit, et où il échoue → monitoring LQA seul, sur cadence d’échantillonnage ;
- Plusieurs moteurs ou une solution IA interne → la même grille appliquée à tous est la seule comparaison équitable.
Une dernière pièce ferme la boucle : les corrections doivent remonter. Les erreurs terminologiques récurrentes entrent dans le glossaire imposé ; les écarts de style récurrents, dans le prompt ou la configuration du moteur. Une évaluation qui ne change jamais rien en amont est de la comptabilité, pas du management de la qualité.
C’est exactement la couche que fournit notre service de relecture humaine de traduction IA — post-édition et LQA selon une grille MQM/DQF ou la vôtre, à des profondeurs adaptées au risque. La même discipline d’évaluation, appliquée aux modèles plutôt qu’aux contenus, fait partie de notre travail de données linguistiques pour les équipes IA. Et pour savoir où la sortie IA échoue réellement, voir ce que la traduction IA rate encore.