Chez Komor-IA, nous développons depuis plusieurs mois une plateforme de traduction collaborative dont l'interface sera accessible sur komor-ia.com dans les prochains jours. Voici comment elle fonctionne et pourquoi nous l'avons construite ainsi.
Pourquoi une plateforme de traduction ?
Pour entraîner des modèles de traitement automatique du langage (NLP) sur le shikomori, il faut disposer de données textuelles de qualité, ce qu'on appelle un corpus. Le problème : il n'en existe aucun pour le shikomori à ce jour. Aucun jeu de données, aucun modèle, aucun outil. Nous avons donc choisi de construire ce corpus nous-mêmes, avec la communauté, via une approche de crowdsourcing contrôlé.
L'interface, étape par étape
Lorsqu'un contributeur se connecte sur komor-ia.com, il accède à une liste d'articles de presse en français issus de KM-News et Al-Watwan, plus de 20 000 articles pour le moment chargés et classés par thème et niveau de difficulté.
En ouvrant un article, l'interface se divise en deux colonnes : le texte original à gauche, un champ de saisie pour la traduction en comorien à droite. Un minuteur démarre automatiquement dès l'ouverture, non pas pour contraindre le contributeur, mais pour collecter des métadonnées sur le temps de traduction, utiles pour évaluer la complexité des textes. Une barre de progression indique l'avancement dans l'article.
Une fois soumise, la traduction entre dans un workflow de validation. Un linguiste certifié l'examine. En cas d'imprécision, il peut laisser une note personnalisée, par exemple : « Merci de revoir le deuxième paragraphe. » Cette note apparaît dans l'interface du contributeur à sa prochaine connexion. Ce mécanisme de feedback asynchrone permet d'améliorer la qualité des traductions au fil du temps sans décourager les contributeurs.
Chaque soumission est enregistrée avec ses métadonnées : identifiant anonymisé du contributeur, dialecte, temps de traduction, statut de validation, note du linguiste. Un article peut être traduit par plusieurs contributeurs différents, ce qui nous permet de calculer un score d'accord inter-annotateurs, indicateur clé de la fiabilité scientifique du corpus.
Les données produites alimenteront des modèles de traduction automatique (mBART, XLM-R) et serviront de base à l'entraînement des premiers modèles de langue dédié au shikomori.
komor-ia.com, bientôt accessible.