Multilinguïsation des systèmes de e-commerce traitant des énoncés spontanés en langue naturelle. (Multilinguïsation of e-commerce system treating spontaneous utterances in natural language)

Nous nous interessons a la multilinguisation, ou « portage linguistique » (plus simple que la localisation) des services de gestion de contenu traitant des enonces spontanes en langue naturelle, souvent bruites, mais contraints par la situation, et constituant toujours un « sous-langage » plus ou moins restreint. Un service de ce type (soit App) utilise une representation du contenu specifique (RC-App) sur laquelle travaille le noyau fonctionnel. Le plus souvent, cette representation est produite a partir de la langue « native » L1 par un extracteur de contenu (EC-App). Nous avons degage trois methodes de portage possibles, et les avons illustrees par le portage en francais d'une partie de CATS, un systeme de traitement de petites annonces en SMS (en arabe) deploye a Amman, ainsi que sur IMRS, un systeme de recherche de morceaux de musique dont l'interface native est en japonais et dont seule la RC est accessible. Il s'agit de : (1) localisation « interne », i.e. adaptation a L2 de l'EC donnant EC-App-L2 ; (2) localisation « externe », i.e. adaptation d'un EC existant pour L2 au domaine et a la representation de contenu de App (EC-X-L2-App); (3) traduction des enonces de L2 vers L1. Le choix de la strategie est contraint par la situation traductionnelle : types et niveau d'acces possibles (acces complet au code source, acces limite a la representation interne, acces limite au dictionnaire, et aucun acces), ressources disponibles (dictionnaires, corpus), competences langagieres et linguistiques des personnes intervenant dans la multilinguisation des applications. Les trois methodes ont donne de bons resultats sur le portage d'arabe en francais de la partie de CATS concernant l'occasion automobile. En localisation interne, la partie grammaticale a ete tres faiblement modifiee, ce qui prouve que, malgre la grande distance entre l'arabe et le francais, ces deux sous-langages sont tres proches l'un de l'autre, une nouvelle illustration de l'analyse de R. Kittredge. La localisation externe a ete experimentee sur CATS et sur IMRS en adaptant au nouveau domaine considere l'extracteur de contenu du francais ecrit initialement par H. Blanchon pour le domaine du tourisme (projet CSTAR/Nespole!), puis en changeant de langue pour IMRS (anglais). Enfin, le portage par TA statistique a egalement donne de tres bonnes performances, et cela avec un corpus d'apprentissage tres petit (moins de 10.000 mots) et un dictionnaire complet. Cela prouve que, dans le cas de sous-langages tres petits, la TA statistique peut etre de qualite suffisante en partant de corpus 100 a 500 fois moins grands que pour de la langue generale.