Ce projet de thèse propose d’examiner de manière approfondie les défis posés par la traduction automatique neuronale (NMT) lorsqu’elle traite des éléments culturellement marqués dans les recettes culinaires, et d’élaborer une approche hybride intégrant les capacités des systèmes d’IA avec l’expertise humaine. Les recettes, en tant que genre discursif, ne transmettent pas seulement des instructions techniques mais condensent aussi des savoirs culturels, des pratiques sociales et des représentations symboliques. Elles mobilisent des unités de mesure locales, des ingrédients endémiques, des gestes traditionnels, des expressions idiomatiques et des références communautaires qui échappent à la littéralité et résistent aux équivalences standards proposées par les traducteurs automatiques.
L’objectif principal est d’identifier, classifier et analyser ces marqueurs culturels afin d’évaluer la performance des systèmes NMT existants et de concevoir une procédure d’adaptation qui conjugue efficacité computationnelle et sensibilité culturelle. Les questions de recherche portent sur la capacité des moteurs NMT (tels que Google Translate, DeepL ou systèmes open source basés sur des architectures Transformer) à rendre compte de ces spécificités, sur les limites structurelles rencontrées lorsqu’ils s’écartent des domaines techniques, et sur les stratégies de compensation envisageables par la médiation humaine.
La méthodologie repose sur la constitution d’un corpus multilingue (persan, français, anglais, avec possibilité d’extension vers d’autres langues), annoté selon une grille définissant différentes catégories de marques culturelles (mesures, ingrédients, pratiques, idiomes, références sociales). Les traductions générées par plusieurs systèmes seront collectées et comparées aux solutions produites par des traducteurs professionnels. Une analyse quantitative utilisera des métriques automatiques classiques (BLEU, chrF) ainsi que des indicateurs d’effort de post-édition. Une analyse qualitative portera sur la fidélité culturelle, la lisibilité et l’acceptabilité auprès d’usagers variés. Des enquêtes et entretiens complèteront ces évaluations en recueillant les perceptions et attentes des traducteurs et lecteurs.
Les résultats attendus sont multiples : une typologie robuste des éléments culturels en contexte culinaire ; une cartographie empirique des limites des systèmes NMT face à ces spécificités ; un protocole hybride reproductible qui intègre IA et post-édition humaine ; un lexique interculturel susceptible d’alimenter la recherche et la pratique ; et une grille d’évaluation transférable à d’autres genres textuels. L’apport scientifique réside dans l’articulation entre traductologie et technologies de la traduction, ainsi que dans la réflexion théorique sur la fidélité culturelle et la médiation interculturelle. L’impact attendu touche autant la communauté académique que les traducteurs professionnels et les développeurs de systèmes, en fournissant des ressources ouvertes et des recommandations concrètes pour améliorer la qualité et la pertinence culturelle des traductions automatiques.