Qu’était l’expérience Georgetown-IBM, la première démonstration publique de traduction automatique?

L’après-midi du 7 janvier 1954, un petit auditoire de scientifiques et de fonctionnaires s’est réuni au siège social d’IBM, sur Madison Avenue, à New York, pour regarder un ordinateur traduire du russe. Un opérateur qui ne connaissait pas la langue perforait sur des cartes des phrases russes, transcrites en alphabet latin. L’ordinateur IBM 701 les lisait et, quelques secondes plus tard, son imprimante produisait de l’anglais : « We transmit thoughts by means of speech » (Nous transmettons les pensées au moyen de la parole).

Le lendemain matin, le New York Times publiait la nouvelle en première page, et des journaux et magazines de partout aux États-Unis lui ont emboîté le pas. L’événement, connu sous le nom d’expérience Georgetown-IBM, était la première fois qu’on montrait en public une traduction automatique qui fonctionnait. Il a façonné les attentes, et le financement, pendant une décennie.

Qui était derrière le projet

Le projet associait des linguistes et des spécialistes de l’informatique. Du côté de l’Université Georgetown, il y avait Leon Dostert, directeur de l’Institute of Languages and Linguistics de l’université, et Paul Garvin, un linguiste de son équipe qui a mis au point les règles linguistiques. Du côté d’IBM, Cuthbert Hurd, chef de la division des sciences appliquées d’IBM, supervisait le travail, et le mathématicien Peter Sheridan a écrit le programme.

Dostert était un interprète d’expérience. Pendant la guerre, il avait été l’interprète personnel du général Eisenhower et, par la suite, il a conçu le système d’interprétation simultanée utilisé aux procès des crimes de guerre de Nuremberg. Selon l’historien John Hutchins, Dostert a assisté à la première conférence sur la traduction automatique, en juin 1952, en sceptique, et en est reparti convaincu que le domaine avait besoin d’une démonstration pratique. Il connaissait personnellement le fondateur d’IBM, Thomas J. Watson, et les deux organisations ont convenu de travailler ensemble.

Le russe était un choix délibéré. Les autorités américaines craignaient que trop peu de gens puissent lire le volume croissant de travaux scientifiques et techniques soviétiques publiés ouvertement.

Ce qui s’est passé ce jour-là

La démonstration a commencé par des phrases de chimie organique, comme « L’amidon est produit par méthode mécanique à partir de pommes de terre ». Une vingtaine de phrases plus variées ont suivi, sur les mathématiques, les affaires militaires, le droit et la politique, et ce sont celles-là que les journalistes ont citées. Le communiqué de presse d’IBM indiquait que plus de soixante phrases avaient été traduites en tout, au rythme d’environ une phrase toutes les six ou sept secondes.

Dostert a qualifié l’événement de « Kitty Hawk de la traduction électronique », en le comparant au premier vol, très court, des frères Wright. Il a aussi prédit que d’ici cinq ans, peut-être trois, la traduction électronique pourrait couvrir des domaines spécialisés importants dans plusieurs langues.

Comment cela fonctionnait

Le système comportait deux parties stockées dans l’ordinateur. La première était un dictionnaire de 250 mots et morceaux de mots russes, enregistrés sur un tambour magnétique, chacun associé à un ou deux équivalents anglais. La seconde était un ensemble de seulement six règles, stockées sous forme d’instructions. Les règles couvraient quatre tâches : inverser l’ordre de deux mots, choisir entre deux sens d’un mot, omettre des mots dont l’anglais n’a pas besoin et ajouter des mots dont l’anglais a besoin.

L’astuce, c’est que les entrées du dictionnaire portaient des codes numériques, qu’IBM appelait des rule-signs (signes de règle). Quand le programme rencontrait un code, il cherchait un code correspondant sur le mot voisin et agissait en conséquence. Deux exemples tirés de la description d’IBM elle-même montrent l’idée :

Avant de programmer l’ordinateur, les linguistes ont mis les règles à l’essai sur des personnes. Ils ont remis des phrases russes et des instructions écrites à des fonctionnaires de Washington qui ne connaissaient ni le russe ni les ordinateurs, et ces fonctionnaires ont produit des traductions correctes en suivant les étapes mécaniquement. Puis Sheridan a transformé les mêmes étapes en code pour le 701.

Ce que la démonstration montrait et ne montrait pas

Hutchins, qui a étudié l’expérience de près, souligne à quel point elle était étroite. Les règles ne regardaient que le mot immédiatement voisin. Chaque mot avait au plus deux traductions possibles. Il n’y avait ni questions, ni phrases négatives, ni phrases de plus d’une proposition, et presque tous les verbes étaient à la troisième personne. Les phrases hors du domaine de la chimie fonctionnaient en grande partie parce que leurs entrées de dictionnaire et leurs codes avaient été préparés pour ces phrases précises.

Les concepteurs ne prétendaient pas avoir fait plus qu’un premier pas, et le communiqué d’IBM notait que l’ordinateur ne pouvait que suivre des instructions écrites par des humains. Mais le résultat propre et idiomatique a donné à bien des observateurs l’impression qu’une bonne traduction automatique était proche. Le financement de la recherche aux États-Unis a augmenté rapidement. Quand les résultats de la décennie suivante se sont révélés décevants, un comité d’examen gouvernemental appelé ALPAC a publié un rapport critique en 1966, et le soutien à la traduction automatique a chuté brusquement.

Hutchins conclut malgré tout que la démonstration compte : c’était la première mise en œuvre réelle de la traduction automatique sur un ordinateur fonctionnel, et elle a établi que le domaine méritait d’être soutenu.

En quoi la traduction automatique d’aujourd’hui diffère-t-elle de la démonstration de 1954?

Le système de 1954 était entièrement construit à la main. Des humains écrivaient chaque entrée du dictionnaire et chaque règle, et l’ordinateur les appliquait à la lettre. Cette approche, souvent appelée traduction à base de règles, a dominé pendant des décennies et bute encore sur ce que Dostert lui-même avait signalé : les mots dont le sens dépend du contexte, les expressions idiomatiques et les structures de phrases que personne n’avait prévues.

Les services de traduction largement utilisés au début de 2020 fonctionnent à l’inverse. Au lieu de règles écrites par des linguistes, ils s’appuient sur des réseaux de neurones qui apprennent à partir d’énormes collections de phrases déjà traduites par des humains. Personne ne dit au système que « general major » en russe devient « major general » en anglais; il repère la régularité à partir d’exemples.

Certaines choses n’ont pas changé. Les systèmes modernes réussissent encore mieux dans des sujets étroits et bien couverts, et trébuchent sur les mots rares et les tournures inhabituelles. Et la leçon de 1954 tient toujours : une démonstration soignée sur des exemples choisis peut donner l’impression qu’une technologie est plus avancée qu’elle ne l’est. Quand vous voyez une démonstration d’IA impressionnante, il vaut la peine de vous demander quelles phrases ont été choisies, et ce qui arrive avec les vôtres.