2026-04-17

Au-delà de l'illusion de l'automatisation de l'IA : Construire une localisation efficace associant humains et IA

L'IA peut accélérer les workflows multilingues, mais il s'agit rarement d'une solution prête à l'emploi. S'appuyant sur son expérience de la création de produits SaaS d'entreprise, Stéphane Cinguino décrit ce que les équipes doivent mettre en place pour que les systèmes humain + IA soient efficaces dans la pratique.

Lia

Les équipes d'entreprise qui évaluent l'IA pour le contenu multilingue sont généralement confrontées à la même pression : livrer plus rapidement, contrôler les coûts et maintenir une qualité constante sur tous les marchés. Le défi consiste à déterminer où les outils d'IA ont leur place, où ils créent des risques ou des frictions, et comment garder le contrôle une fois qu'ils sont utilisés.

Stéphane Cinguino, Chief AI, Product and Technology Officer d'Acolad, s'est appuyé sur ses vingt ans d'expérience dans la création de produits SaaS dans différents secteurs pour évoquer ces défis et bien d'autres encore. Il a fait part de ses réflexions dans le cadre du podcast C-Suite Hot Seat de Multilingual, animé par Eddie Arrieta, CEO de MultiLingual Media.

Stéphane Cinguino, Chief AI, Product & technology Officer, Acolad

Tout au long de la conversation, il est revenu sur une série de questions pratiques auxquelles les équipes d’entreprise doivent pouvoir répondre avant de faire intervenir l’IA dans les workflows multilingues. Où la révision humaine est-elle encore importante ? Quelles sont les tâches qui nécessitent une traçabilité ? De quoi le système a-t-il besoin pour fonctionner correctement ? Quelles sont les petites étapes du workflow qui vous font perdre du temps aujourd’hui ? Nous abordons ici quelques-unes des principales conclusions de cette conversation, utiles aux entreprises qui cherchent à intégrer efficacement l’IA dans leurs opérations de contenu.

L'IA en pratique : Principes fondamentaux et comment éviter l’illusion de l’automatisation

L'un des thèmes centraux de la discussion du podcast était une approche pragmatique de l'IA, fondée sur l'exécution plutôt que sur le battage médiatique et les mots à la mode. Nous y reviendrons plus tard.

Stéphane a exposé les trois principes fondamentaux qui guident l'adoption de l'IA chez Acolad. Premièrement, l'intuition et l'expérimentation sont importantes. L'IA n'est pas un système fixe, mais une capacité évolutive qui nécessite des tests et des itérations en continu. Deuxièmement, des métriques efficaces sont essentielles. Des marqueurs de réussite et des cadres d'évaluation clairs sont essentiels pour éviter de perdre du temps et des investissements dans des initiatives qui n'aboutissent pas, et pour s'assurer d'obtenir des résultats significatifs.

Enfin, la rapidité est essentielle. Le paysage de l'IA est en constante évolution et, de la même manière, la capacité d'itérer rapidement et de faire évoluer ce qui fonctionne fait toute la différence. 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 également très important de travailler sur ces trois axes et dimensions différents : être capable d'itérer, s'assurer que nous avons le bon cadre en place en termes de qualité, de sorte que nous définissons les bonnes mesures avec le client et que nous nous alignons sur celles-ci, et ensuite, une fois que nous sommes alignés, avancer rapidement. C’est mon approche de l’IA. »

Stéphane Cinguino

Les projets impliquant des humains et de l’IA, efficaces, instaurent la gouvernance dès le départ

La gouvernance est souvent considérée comme un axe de travail distinct, à documenter après la sélection d'un outil. Dans les environnements d’entreprise, cela conduit généralement à des lacunes. Les équipes ont besoin d'une gouvernance au sein même du workflow, afin de savoir ce qu'il est advenu d'un élément de contenu, quel système l'a traité et quand une personne doit intervenir.

Pour les organisations qui envisagent d'adopter l'IA, la conclusion pratique est simple : demandez comment la gouvernance se manifeste dans l'utilisation quotidienne. Pouvez-vous retracer la source du contenu ? Pouvez-vous voir quel moteur a été utilisé ? Pouvez-vous acheminer les contenus réglementés ou sensibles vers un processus de révision différent ? Pouvez-vous distinguer les travaux à faible risque et à fort volume des contenus nécessitant une surveillance plus stricte ? Ces détails sont importants car ils déterminent si le workflow résiste à la pression opérationnelle réelle.

« L’Europe se concentre beaucoup, en effet, sur la réglementation et la mise en place d’une certaine forme de gouvernance autour de l’IA. Nous investissons donc de manière significative dans ce domaine pour nous assurer que nous sommes en conformité avec ces réglementations. Et il ne s'agit pas seulement de gouvernance en soi, donc, bien sûr, de pratiques, de méthodologies, etc., mais aussi de la manière dont nous intégrons cela dans notre produit. Ainsi, dans notre écosystème Lia, chaque élément de texte a une étiquette de provenance, je dirais, 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 zéro-shot

De nombreuses discussions sur l'IA partent encore du principe qu'il est possible d'obtenir de bons résultats avec une configuration quasi inexistante. Stéphane a quant à lui évoqué une idée fausse et persistante qu’il a rencontrée : selon laquelle un « bouton magique » de l’IA produirait instantanément des traductions parfaites. Malgré les progrès de l'IA, la localisation de haute qualité reste complexe. Pour obtenir une qualité réelle avec la traduction assistée par ordinateur, il faut pouvoir intégrer la terminologie, le contenu de référence, les attentes en matière de style et une compréhension claire des points où les erreurs sont les plus importantes.

Cette information est utile à toute équipe qui compare les fournisseurs ou les options en interne. Si un système doit prendre en charge des cas d'utilisation en entreprise, le travail de configuration fait partie de la solution. Les équipes doivent s'attendre à fournir des glossaires, des mémoires de traduction, un langage de marque, des exemples de contenu et des attentes en matière de qualité. Ils devraient également décider à l'avance quels types de contenu nécessitent des contrôles plus stricts que d'autres. Les descriptions de produits, les articles de support, les contrats, le contenu médical et les textes de campagne ne présentent pas tous le même niveau de risque et ne doivent donc pas tous suivre les mêmes étapes.

« Ce qui est surestimé, c'est certainement ce que j'appellerais la traduction "zéro-shot". L'idée qu'il est possible d'obtenir un contenu parfait et adapté à la marque sans données ou formation préalables, c'est comme si l'on mettait quelque chose dans un système et que cela allait fonctionner parfaitement. Non, cela demande un peu de préparation. Vous devez donner un contexte au modèle et au système, certaines de vos ressources, etc. Cela demande un peu plus de choses que juste un modèle. C’est plus complexe que cela. »

Stéphane Cinguino

Des gains importants peuvent résulter de petites modifications du workflow

Les grands projets d'IA commencent souvent par le problème le plus visible du processus. C'est logique, mais cela peut masquer des étapes plus petites qui prennent du temps chaque jour. La préparation des fichiers, la création des métadonnées, les transferts, les vérifications répétitives et le marquage du contenu peuvent ne pas sembler stratégiques, mais ils ralentissent souvent plus les équipes que la tâche principale.

Les équipes d'entreprise n'ont pas besoin de commencer par le plus grand projet de transformation. Ils peuvent commencer par cartographier les endroits où l'on perd du 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 faire évoluer. Elles donnent également aux équipes une vision plus claire des domaines dans lesquels une automatisation plus poussée sera utile et de ceux dans lesquels elle créera davantage d'exceptions à gérer.

« Tout le monde a cherché à intégrer l’IA au cœur de son travail, mais il y a beaucoup d’autres domaines où l’on peut appliquer l’IA et obtenir de très bons résultats. Il s’agit plutôt de petites corrections. Quand vous occupez mon poste, vous gérez un backlog, et le bas de ce backlog n’est généralement pas traité. Vous vous concentrez toujours sur le haut de votre backlog. Mais avec l’IA, vous avez la possibilité d’aborder cette longue file de petites choses qui pourraient avoir un impact important. »

Stéphane Cinguino

Faire le tri dans les mots à la mode

Les roadmaps en matière d'IA perdent de leur utilité lorsqu'elles sont façonnées par le langage du marché plutôt que par les besoins opérationnels. Les acheteurs entendent les mêmes termes sans arrêt et finissent par discuter de catégories au lieu de décisions. Une meilleure approche consiste à traduire chaque terme à la mode en une question concrète : quel problème cela résout-il, pour quels utilisateurs, dans quel workflow, et comment saurons-nous que cela a aidé ?

Commencez par le problème de l’entreprise, définissez la contrainte opérationnelle, choisissez les types de contenu concernés, puis décidez si la bonne réponse est l’automatisation, la refonte du workflow, la révision humaine ou un mélange des trois. Une bonne roadmap semble généralement moins ambitieuse sur le papier qu'une roadmap guidée par un effet de mode, mais elle a beaucoup plus de chances d'être adoptée et maintenue.

« Je ne donne pas la priorité aux mots à la mode. Je donne la priorité à ce qui est important pour nos clients et pour le marché. Je m'intéresse donc toujours aux points bloquants, aux besoins, aux défis, et mon rôle consiste à trouver des solutions pour chacun d'entre eux. Mon cadre de priorisation est donc clairement basé sur les conséquences, l'impact sur nos clients. »

Stéphane Cinguino

Les systèmes alliant humains et IA dépendent toujours du management

L'intégration de l'IA est souvent considérée comme un défi en matière d'outils. En pratique, dit Stéphane, c'est aussi un défi pour le management. Les équipes ont besoin de priorités claires, d'une marge de manœuvre pour faire des essais et d'un processus décisionnel stable lorsque les résultats sont incohérents ou que les délais sont décalés. Sans cela, même un workflow solide peut s'effondrer.

Pour les entreprises, c'est important car la qualité du fournisseur est rarement liée à l'outil seul. Ce qui compte, c’est la manière dont l’équipe en charge du workflow gère les exceptions, les changements et les priorités concurrentes. Un leadership solide se traduit par des processus de révision prévisibles, une procédure d'escalade calme, des choix de déploiement réalistes et une volonté d’ajuster le système lorsqu’un processus ne fonctionne pas. Les workflows alliant humains et IA sont plus performants lorsque les personnes qui les gèrent en ont clairement la responsabilité et ont une vision précise de la réussite.

« Avant de parler de technologie (je suis bien sûr passionné par celle-ci), je mets la priorité sur le fait que je suis manager d’équipe, et mon rôle est 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 apporter de la valeur à nos clients. Et la patience fait donc partie de tout cela. »

Stéphane Cinguino

Principaux enseignements à retenir

L'automatisation est plus utile lorsqu'elle améliore les décisions au sein du workflow, et non lorsqu'elle accélère simplement le débit.
La gouvernance doit être visible dans le produit et le processus, avec une traçabilité, des règles d'acheminement et des procédures de révision claires.
La traduction d'entreprise par IA doit être préparée, notamment en ce qui concerne la terminologie, les ressources approuvées et les attentes en matière de qualité.
Les petites corrections de workflow sont souvent le meilleur point de départ, car elles sont plus faciles à tester et à mesurer.
Une roadmap solide en matière d'IA commence par les points opérationnels bloquants, et non par les mots à la mode sur marché.
Les systèmes combinant humains et IA demandent une responsabilité claire, une direction stable et des choix de déploiement réalistes.