17 avril 2026

Au-delà de l'illusion de l'automatisation par l'IA : créer une localisation efficace combinant l’humain et l’IA

L'IA peut accélérer les flux de travail multilingues, mais elle peut rarement être considérée comme une solution prête à l'emploi. S'appuyant sur son expérience dans le développement de produits SaaS d'entreprise, Stéphane Cinguino explique ce que les équipes doivent bien maîtriser pour que les systèmes combinant l’humain et l’IA s’avèrent efficaces dans la pratique.

Lia

Les équipes d'entreprise qui évaluent le recours à l'IA pour la localisation de contenus multilingues sont généralement confrontées aux mêmes impératifs : livrer plus rapidement, maîtriser les coûts et maintenir une qualité constante dans tous les marchés. Le défi consiste à déterminer quels sont les endroits où les outils d'IA ont leur place, quels sont les endroits où ils génèrent des risques ou des frictions, et comment garder le contrôle une fois qu'ils sont mis en œuvre.

Fort de ses vingt années d'expérience dans le développement de produits SaaS dans différents secteurs, Stéphane Cinguino, directeur de la technologie, des produits et de l’IA d'Acolad, nous parle de ces défis et de bien d'autres choses encore. Il a fait part de ses réflexions dans le cadre du balado C-Suite Hot Seat de Multilingual, animé par Eddie Arrieta, PDG de MultiLingual Media.

Stéphane Cinguino, directeur de la technologie, des produits et de l’IA, Acolad

Tout au long de la conversation, il est revenu sur une série de questions pratiques auxquelles les équipes d’entreprise doivent répondre avant de déployer l’IA dans leurs flux de travail multilingues : dans quels cas la révision humaine est-elle encore importante? Quelles sont les tâches qui exigent une traçabilité? De quelles données le système a-t-il besoin pour fonctionner correctement? Quelles petites étapes du flux de travail vous font perdre du temps aujourd'hui? Nous abordons ici quelques-unes des principales conclusions de cette conversation, qui pourraient être utiles aux entreprises souhaitant intégrer efficacement l'IA dans leurs activités liées aux contenus.

L’IA en pratique : principes fondamentaux et comment dissiper l’illusion de l’automatisation

Au cours du balado, l’un des thèmes centraux de la discussion a été l’approche pragmatique à adopter envers l’IA, axée sur l’exécution plutôt que sur le battage médiatique et sur les mots à la mode (nous y reviendrons plus tard).

Stéphane a décrit les trois principes fondamentaux qui guident l'adoption de l'IA chez Acolad. Tout d’abord, l'intuition et l'expérimentation jouent un rôle important. L'IA n'est pas un système figé, mais c’est une capacité évolutive qui nécessite des tests et des itérations en continu. Deuxièmement, des indicateurs efficaces sont essentiels. Il est indispensable que des marqueurs de réussite et des cadres d'évaluation clairs soient en place pour éviter de gaspiller du temps et des investissements dans des initiatives vouées à l’échec; ils servent également à s'assurer que vous obtenez des résultats tangibles.

Enfin, la rapidité est critique. Le monde de l'IA est en constante évolution et, de la même manière, la capacité à itérer rapidement et à profiter de ce qui fonctionne est la clé du succès. Ces principes s'appliquent non seulement au développement interne, mais aussi à la collaboration avec les clients.

« Lorsque nous travaillons avec des clients, il est très important de tenir compte de ces trois axes : être capable d'itérer, s'assurer que le bon cadre est en place, afin de définir les bons indicateurs de qualité avec le client et de nous aligner sur ceux-ci, et ensuite, une fois que nous sommes alignés, agir rapidement. C'est mon approche envers l'IA.»

Stéphane Cinguino

Les projets combinant l’humain et l'IA qui fonctionnent s'appuient sur la gouvernance dès le départ

La gouvernance est souvent considérée comme volet distinct du travail, à documenter après que l’outil a été sélectionné. Dans les environnements d'entreprise, cela conduit généralement à des lacunes. Les équipes ont besoin d'une gouvernance intégrée au sein même du flux de travail, leur permettant de comprendre ce qu'il est advenu d’un contenu, quel système l'a traité et à quel moment une intervention humaine s’impose.

Pour les organisations qui envisagent d'adopter l'IA, la conclusion pratique est simple : demandez-vous comment la gouvernance se manifeste au quotidien. Pouvez-vous retracer la source du contenu? Pouvez-vous voir quel moteur a été utilisé? Pouvez-vous orienter le contenu réglementé ou sensible vers un processus de révision différent? Pouvez-vous séparer les tâches à faible risque et à haut volume du contenu qui nécessite une surveillance plus stricte? Ces détails sont importants, car ils déterminent si le flux de travail résiste à la pression opérationnelle réelle.

« En effet, l'Europe est très axée sur la réglementation et sur la mise en place d'une certaine forme de gouvernance autour de l'IA. Nous investissons donc massivement dans ce domaine, afin de nous assurer que nous respectons ces règlements. Et ce n’est pas seulement une question de gouvernance en soi, donc de pratiques, de méthodologies, etc., mais aussi de la manière dont cela est intégré dans notre produit. Ainsi, dans notre écosystème Lia, chaque élément de texte est doté de ce que j’appellerais une balise de provenance, et nous suivons tout. Nous veillons également à ce que toutes les IA que nous utilisons ou que nous développons nous-mêmes soient conformes. »

Stéphane Cinguino

Le mythe de la traduction machine sans exemple

De nombreuses discussions sur l'IA partent encore du principe qu'il est possible de générer d’excellents résultats avec une configuration presque inexistante. Stéphane a évoqué une idée fausse et persistante qu'il a rencontrée : l'idée d'un « bouton magique » de l'IA qui produirait instantanément des traductions parfaites. Malgré les progrès de l'IA, la localisation de haute qualité reste une tâche complexe. Avec la traduction par l’IA, pour obtenir une réelle qualité, il faut pouvoir intégrer la terminologie, le contenu de référence et les attentes en matière de style, en plus d’une compréhension claire des points où les erreurs sont plus critiques.

Cette observation est utile à toute équipe comparant des fournisseurs ou des solutions internes. Si un système doit prendre en charge des cas d'utilisation en entreprise, le travail de configuration fait partie intégrante de la solution. Les équipes doivent s'attendre à fournir des glossaires, des mémoires de traduction, le langage de la marque, des exemples de contenu et leurs attentes en matière de qualité. Elles devraient également déterminer dès le début quels types de contenu nécessitent des contrôles plus stricts que d'autres. Les descriptions de produits, les articles d'assistance, les contrats, le contenu de nature médicale et les textes de campagnes publicitaires ne sont pas tous associés au même niveau de risque, et n’ont donc pas tous besoin de suivre le même processus.

« Ce qui est vraiment surestimé, c’est certainement la traduction sans apprentissage, qu’on appelle aussi "zero-shot". L’idée qu’il est possible d’obtenir un contenu impeccable et fidèle à l’image d’une marque sans données ni apprentissage préalable, c’est comme si l’on mettait quelque chose dans un système en espérant que cela fonctionne parfaitement. Non, tout cela demande une certaine préparation. Il faut fournir un contexte au modèle et au système, ainsi que certaines ressources, etc. Cela demande un peu plus que juste un modèle. C’est plus complexe que cela. »

Stéphane Cinguino

Les gains importants sont le fruit de petites modifications dans le flux de travail

Les grands projets d'IA commencent souvent par tenter de résoudre le problème le plus visible du processus. Bien que cette approche soit logique, elle peut négliger des étapes plus anodines qui font perdre du temps chaque jour. La préparation des fichiers, la création des métadonnées, la distribution des tâches, les vérifications répétitives et le balisage du contenu sont des tâches qui peuvent ne pas sembler stratégiques, mais elles ralentissent souvent les équipes dans une plus grande mesure encore que la tâche principale.

Les équipes d'entreprise n'ont pas besoin de commencer par le plus grand projet de transformation. Elles peuvent commencer par identifier les étapes où il y a une perte de temps, où le travail est transféré trop souvent et où les gens répètent des tâches structurées. Ces petites corrections sont souvent plus faciles à tester, à mesurer et à déployer à grande échelle. Elles permettent également aux équipes d’avoir une vision plus claire des domaines où une automatisation plus poussée pourrait être utile et, au contraire, des domaines dans lesquels elle risque de créer davantage d'exceptions à gérer.

« Tout le monde veut intégrer l’IA dans les activités principales, mais il y a de nombreux autres domaines où il est possible d’appliquer l’IA en obtenant des résultats impressionnants. Il s'agit plutôt de corriger les petits points de friction du quotidien. Dans un rôle comme le mien, on doit souvent gérer une série de tâches à rattraper et, généralement, les tâches au bas de cette liste ne sont pas vraiment traitées. On finit toujours par se concentrer sur les tâches au sommet de cette liste. Mais avec l’IA, on a la possibilité de s’attaquer à la longue file de petites choses qui pourraient avoir un impact important. »

Stéphane Cinguino

Au-delà des mots à la mode

En matière d’IA, les feuilles de route perdent de leur utilité lorsqu'elles sont modelées en fonction du langage du marché plutôt que des besoins opérationnels. Les acheteurs entendent sans cesse les mêmes termes, et ils finissent par discuter de catégories plutôt que de décisions. Une meilleure approche consiste à traduire chaque étiquette de tendance en une question concrète : quel problème pourra être résolu? Pour quels utilisateurs? Dans quel flux de travail? Et comment aurons-nous la preuve que cela a été utile?

Commencez par le problème de l'entreprise, définissez les contraintes opérationnelles, choisissez les types de contenus concernés, puis déterminez si la bonne réponse réside dans l'automatisation, dans la refonte du flux de travail, dans la vérification humaine, ou encore dans un mélange des trois. Sur le papier, une bonne feuille de route semble généralement moins ambitieuse qu'une feuille de route dictée par le battage médiatique, mais elle a beaucoup plus de chances d'être effectivement adoptée et maintenue.

« Je n’accorde pas la priorité aux mots à la mode. J’accorde la priorité à ce qui compte pour nos clients et pour le marché. Je m'intéresse donc toujours aux points faibles, aux besoins, aux défis, et mon rôle consiste à trouver des solutions pour chacun d'entre eux. Mon cadre pour déterminer les priorités est donc clairement basé sur l'impact que nous avons sur nos clients. »

Stéphane Cinguino

Les systèmes qui combinent l’humain et l’IA ont besoin d’une direction

La mise en œuvre de l'IA est souvent abordée comme une question d'outils. Dans la pratique, souligne Stéphane, c'est aussi un défi de gestion. Les équipes ont besoin de priorités claires, d'une marge de manœuvre pour mener des essais et d'un processus décisionnel stable lorsque les résultats manquent de cohérence ou que les délais changent. Sans cela, même une conception solide du flux de travail peut s'effondrer.

C’est important pour les entreprises, car la qualité d’un fournisseur se résume rarement à l'outil seul. Ce qui compte, c’est la manière dont l’équipe responsable du flux de travail gère les exceptions, les changements et les priorités concurrentes. Un leadership solide se caractérise par des processus de révision prévisibles, par une escalade sereine des problèmes, par des choix de déploiement réalistes et par la volonté d’ajuster le système lorsqu’un processus ne fonctionne pas. Les flux de travail combinant l’humain et l’IA fonctionnent mieux lorsque les personnes qui les gèrent en sont responsables, et que la réussite est clairement définie.

« Bien sûr, je suis passionné par la technologie, mais je suis avant tout responsable d’une équipe. Mon rôle est donc de m’assurer que mon équipe est en sécurité, qu’elle se concentre sur l’essentiel et qu’elle dispose d’un environnement adéquat pour innover et offrir une valeur ajoutée à nos clients. La patience fait donc partie de tout cela. »

Stéphane Cinguino

Principaux enseignements

L'automatisation est plus utile lorsqu'elle améliore les décisions au sein du flux de travail, et non lorsqu'elle se contente d’accélérer le débit.
La gouvernance doit être visible dans le produit et le processus, avec une traçabilité, des règles d'acheminement et des processus de révision clairs.
La traduction par l'IA en entreprise exige de la préparation, notamment en ce qui concerne la terminologie, les ressources approuvées et les attentes en matière de qualité.
Les petites corrections du flux de travail représentent souvent le meilleur point de départ, car elles sont plus faciles à tester et à évaluer.
Une feuille de route solide en matière d’IA commence par les points faibles opérationnels et non par les étiquettes marketing.
Les systèmes combinant l’humain et l’IA reposent sur une responsabilité clairement définie, un leadership stable et des choix réalistes pour la mise en œuvre.