Contexte

La mise à disposition de nouvelles technologiques de l’information interroge depuis plusieurs années les démarches de traduction (dictionnaires en ligne, lemmatiseurs, traductions assistées ou prises en charge par des outils numériques…). L’émergence rapide de l’intelligence artificielle générative renforce ces interrogations et vient questionner le processus même de la traduction : elle ne peut en effet se réduire au calque d’un texte d’une langue source à une langue cible, mais constitue plutôt une démarche qui se fonde sur de multiples choix (linguistiques, stylistiques, pragmatiques…).
Comment dans ce contexte apprendre aux élèves à utiliser les IA génératives en traduction en faisant preuve de distance critique ? Quelles étapes et quels gestes professionnels mettre en œuvre pour les entraîner à traduire ?
La démarche s’appuiera sur l’application Compar :IA, un comparateur d’IA conversationnelles développé par la Direction interministérielle du numérique (DINUM).

Objectifs

• Consolider la compétence de traduction en apprenant à utiliser les IA en langues anciennes.
• Développer l’esprit critique, la conscience éthique et civique des élèves dans l’utilisation des I.A. génératives en traduisant des langues anciennes.

Déroulé de l’activité

L’élève élabore une traduction d’un texte latin en confrontant les propositions de deux IA aux siennes. Des temps de réflexion et de formalisation sur l’acte de traduire sont pris tout au long du dispositif, ils permettent l’élaboration de la grille d’évaluation. Les étapes de l’activité peuvent être conçues comme un programme d’entraînement pouvant s’adapter à des textes variés dans leur thèmes et leurs difficultés.

Etape 1 : traduire

Lecture, compréhension, élaboration d’une traduction littérale d’un extrait de texte latin.

Etape 2 : comparer

• Confrontation de la traduction produite collectivement ou individuellement avec celles de deux IA sur le logiciel COMPAR:IA

Un exemple : Les élèves ont pu davantage prendre conscience de l’importance de l’identification casuelle par exemple. Le propos de l’élève à une IA suivant “il ne faut pas que tu traduises "concursans" par "par la participation" car c’est un nominatif féminin” montre que l’élève identifie les choix des deux traductions des IA en les corrélant à la structure syntaxique du texte latin et valide ou non la proposition de l’IA. La remarque est identique pour le lexique “pourquoi avoir traduit « ardalio » comme cela plutôt que par "hommes empressés" comme le dit le Gaffiot ?”. De plus on remarque que l’échange avec l’IA permet à l’élève de soumettre ses propres choix lexicaux de façon justifiée “vu que le « ssima » dans « odiosissima » est un superlatif ne faudrait-il pas rajouter le mot très devant « importun » ?”. L’élève est placé dans la posture du tuteur ce qui, comme on le sait, renforce ses compétences comme l’indique ce propos d’un élève, “C’est intéressant, souvent il se corrige avec notre aide, mais parfois il ne prend pas en considération ce qu’on lui dit. Sa traduction est des fois intéressante. J’ai choisi le modèle B car il corrigeait les erreurs contrairement au modèle A.”. Cette dernière remarque montre aussi que les élèves ont pris en compte des procédures dans leurs critères de sélection des IA en plus d’avoir saisi la plasticité du geste de traduction.

• Dialogue argumenté entre l’élève et les deux IA.
• Choix justifié d’une des deux IA et observation de ses caractéristiques techniques et de son impact énergétique.

Etape 3 : améliorer

Perfectionnement ou ajustement de la traduction première.

Etape 4 : critiquer

Formalisation de l’analyse critique des usages des IA dans l’activité sous la forme d’une production argumentée élaborée par l’élève.

Bilan

Développement de la réflexivité et des compétences linguistiques

L’élève a construit sa capacité à comprendre le fonctionnement de la langue latine. Il a utilisé des agents conversationnels en développant un esprit critique par la mise à distance justifiée de leurs propositions. Pour faire le choix de l’IA qui l’a mieux aidé dans sa requête, il a pris en compte des critères concernant la maîtrise de la langue (syntaxe et prosodie, lexique) et les procédures mises en œuvre par les IA ainsi que leurs caractéristiques notamment écologiques. Il a, par conséquent, consolidé ses compétences de maîtrise des langues latine et française dans des dialogues argumentatifs avec les IA. Au début de l’expérimentation, les élèves demandaient majoritairement aux IA de traduire leur extrait puis comparaient les traductions. Puis, après l’étape d’appropriation de la grille d’évaluation de l’activité d’entrainement à la traduction, l’échange avec les IA s’est fait plus précis et ils ont pu davantage prendre conscience de l’importance de l’identification casuelle par exemple. Progressivement, les élèves ont d’ailleurs adopté la posture de tuteurs des IA conversationnelles mobilisées, expliquant en les justifiant les différentes contraintes imposées dans leurs prompts.

Développement de l’esprit critique

La totalité du groupe a pris conscience des intérêts et des limites des propositions des IA dans une démarche d’analyse critique de leurs propositions et de leurs caractéristiques. L’étape de comparaison entre les deux IA à la fin (proposé par l’outil Compar:IA) combiné à un temps de formalisation des usages des IA dans l’activité a facilité cette prise de conscience. Ce dernier temps a également permis une prise de conscience du coût énergétique des interactions avec IA, cet élément pouvant d’ailleurs devenir un critère de choix lorsque deux propositions étaient jugées équivalentes.

Compétences du CRCN sollicitées :

Communication et collaboration (2.4)
Protection et sécurité (4.3)

Dans le cadre de ce projet, une attention particulière a été portée à la protection des données personnelles dans le cadre du Règlement Général de la Protection des Données (RGPD). Pour tout projet, pensez à remplir la fiche ci-dessous.