La traduction automatique fondée sur des règles (RBMT) est une approche classique de la traduction automatique qui génère des phrases de sortie en se basant sur des informations linguistiques sur les langues source et cible. Ces informations proviennent de dictionnaires et de grammaires unilingues, bilingues ou multilingues qui couvrent les principales régularités sémantiques, morphologiques et syntaxiques de chaque langue. Un système RBMT analyse la phrase source et construit la phrase cible en utilisant des règles explicites, contrairement aux méthodes basées sur les données comme la traduction automatique neuronale. Bien que la RBMT ait été le paradigme dominant pendant des décennies, elle a été progressivement supplantée par des méthodes plus efficaces, notamment celles basées sur l'apprentissage profond et les grands modèles de langage.
Histoire
Les premiers systèmes RBMT sont apparus au début des années 1970. L'un des plus influents était Systran, dont le développement a commencé en 1968 et qui a été largement utilisé pour traduire le russe et l'anglais pendant la guerre froide. Systran s'est ensuite étendu à de nombreuses paires de langues et a été adopté par la Commission européenne en 1976. Un autre système précoce notable était le projet de traduction automatique japonais, qui a conduit à des systèmes commerciaux dans les années 1980. Aujourd'hui, les systèmes RBMT courants incluent Apertium, une plateforme open-source pour traduire entre langues apparentées, et GramTrans, un système commercial pour les langues scandinaves et d'autres langues européennes.
Types de RBMT
Les systèmes RBMT sont généralement classés en trois types. Les systèmes directs, également appelés traduction automatique basée sur des dictionnaires, mappent les mots d'entrée aux mots de sortie avec des règles de base, souvent sans analyse syntaxique profonde. Les systèmes basés sur le transfert utilisent une analyse morphologique et syntaxique de la langue source, puis transfèrent la structure vers la langue cible. Les systèmes interlingues utilisent une représentation abstraite du sens, appelée interlingua, qui est indépendante de toute langue spécifique. La RBMT est souvent contrastée avec la traduction automatique basée sur des exemples, qui utilise des corpus parallèles plutôt que des règles explicites. Les systèmes de traduction automatique hybrides combinent des principes de la RBMT avec des méthodes statistiques ou neuronales.
Principes de base
L'approche centrale de la RBMT consiste à lier la structure de la phrase source à la structure de la phrase cible tout en préservant le sens. Par exemple, traduire « A girl eats an apple » de l'anglais vers l'allemand nécessite un dictionnaire mappant chaque mot anglais à un équivalent allemand, des règles pour la structure des phrases anglaises, des règles pour la structure des phrases allemandes, et des règles reliant les deux structures. Le processus implique généralement plusieurs étapes : obtenir des informations sur la partie du discours pour chaque mot source, déterminer des informations syntaxiques sur le verbe (comme le temps et la voix), analyser la phrase source (souvent partiellement), traduire les mots dans la langue cible, et enfin générer les formes fléchies appropriées. Dans l'exemple, la sortie est « Ein Mädchen isst einen Apfel », où les cas de l'article et du nom sont ajustés selon la grammaire allemande.
Ontologies
Une ontologie est une représentation formelle des connaissances qui inclut des concepts et des relations dans un domaine. En traitement du langage naturel, les ontologies peuvent servir de source de connaissances pour la traduction automatique, aidant à résoudre les ambiguïtés lexicales. Par exemple, la phrase « I saw a man with a microscope » peut être interprétée de plusieurs manières, mais une grande ontologie peut réduire les interprétations possibles en fonction du contexte. Le système de traduction automatique basé sur les connaissances PANGLOSS, développé en 1993, illustre comment les ontologies sont construites. Il visait à fusionner le dictionnaire LDOCE et WordNet pour combiner des définitions concises avec des relations sémantiques. Un algorithme de correspondance de définitions a automatiquement fusionné les significations en fonction des mots partagés dans les définitions, et un algorithme de correspondance hiérarchique a utilisé des structures taxonomiques pour résoudre les ambiguïtés. L'ontologie résultante, avec environ 50 000 nœuds, a soutenu l'analyse et la génération dans le système.
Composants
Un système RBMT typique se compose de plusieurs composants : un analyseur morphologique de la langue source qui fournit des informations morphologiques pour les mots, un analyseur syntaxique de la langue source qui analyse la syntaxe des phrases, un traducteur qui mappe les mots source aux mots de la langue cible, un générateur morphologique de la langue cible qui produit les formes fléchies appropriées, et un analyseur de la langue cible qui compose la phrase finale. De plus, au moins trois dictionnaires sont nécessaires : un dictionnaire de la langue source pour l'analyse morphologique, un dictionnaire bilingue pour la traduction, et un dictionnaire de la langue cible pour la génération. Ces composants travaillent ensemble pour appliquer les règles linguistiques qui définissent le processus de traduction.
Limites et héritage
Les systèmes RBMT présentent plusieurs limites. Ils nécessitent un développement manuel extensif de règles et de dictionnaires, ce qui est long et coûteux. Ils ont souvent du mal avec les expressions idiomatiques, l'ambiguïté et les langues à morphologie complexe. En conséquence, les approches statistiques puis neuronales, telles que les modèles Sequence-to-Sequence (Seq2Seq) et les architectures Transformer (architecture), ont largement remplacé la RBMT dans les applications commerciales. Cependant, les principes de la RBMT restent influents dans les systèmes hybrides et dans les contextes de langues à faibles ressources où les données parallèles sont rares. L'accent mis sur les connaissances linguistiques et l'explicabilité continue d'informer la recherche en intelligence artificielle et en apprentissage automatique.