Depuis la premi\u00e8re d\u00e9monstration en ligne de la traduction automatique neuronale (NMT) par LISA, le d\u00e9veloppement de NMT est r\u00e9cemment pass\u00e9 du laboratoire aux syst\u00e8mes de production, comme l'ont d\u00e9montr\u00e9 plusieurs entit\u00e9s annon\u00e7ant le d\u00e9ploiement de moteurs NMT pour remplacer leurs technologies existantes. Les syst\u00e8mes NMT ont un grand nombre de configurations d'entra\u00eenement et le processus d'entra\u00eenement de ces syst\u00e8mes est g\u00e9n\u00e9ralement tr\u00e8s long, souvent quelques semaines, de sorte que le r\u00f4le de l'exp\u00e9rimentation est critique et important \u00e0 partager. Dans ce travail, nous pr\u00e9sentons notre approche des syst\u00e8mes pr\u00eats \u00e0 la production simultan\u00e9ment avec la sortie de d\u00e9monstrateurs en ligne couvrant une grande vari\u00e9t\u00e9 de langues (12 langues, pour 32 paires de langues). Nous explorons diff\u00e9rents choix pratiques : un cadre open-source efficace et \u00e9volutif ; la pr\u00e9paration des donn\u00e9es ; l'architecture r\u00e9seau ; des fonctionnalit\u00e9s suppl\u00e9mentaires mises en \u0153uvre ; le r\u00e9glage pour la production ; etc. Nous discutons de la m\u00e9thodologie d'\u00e9valuation, pr\u00e9sentons nos premi\u00e8res conclusions et nous esquissons enfin les travaux \u00e0 venir.\u00a0Notre objectif ultime est de partager notre expertise pour construire des syst\u00e8mes de production comp\u00e9titifs pour la traduction \u00ab g\u00e9n\u00e9rique \u00bb. Notre objectif est de contribuer \u00e0 la mise en place d'un cadre collaboratif pour acc\u00e9l\u00e9rer l'adoption de la technologie, encourager les efforts de recherche et permettre la livraison et l'adoption par l'industrie de moteurs sp\u00e9cifiques \u00e0 des cas d'utilisation int\u00e9gr\u00e9s dans des flux de production r\u00e9els. La ma\u00eetrise de la technologie nous permettrait de construire des moteurs de traduction adapt\u00e9s \u00e0 des besoins particuliers, surperformant les syst\u00e8mes les plus simples \/ uniformes actuels.<\/p>","protected":false},"excerpt":{"rendered":"
Depuis la premi\u00e8re d\u00e9monstration en ligne de la traduction automatique neuronale (NMT) par LISA, le d\u00e9veloppement de NMT est r\u00e9cemment pass\u00e9 des syst\u00e8mes de laboratoire aux syst\u00e8mes de production, comme l'ont d\u00e9montr\u00e9 plusieurs entit\u00e9s annon\u00e7ant le d\u00e9ploiement de moteurs NMT pour remplacer leurs technologies existantes. Les syst\u00e8mes NMT ont un grand nombre de configurations de formation et le processus de formation de ces syst\u00e8mes est g\u00e9n\u00e9ralement ... Suite<\/a><\/p>","protected":false},"featured_media":0,"template":"","class_list":["post-3318","paper","type-paper","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.systransoft.com\/fr\/wp-json\/wp\/v2\/paper\/3318","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.systransoft.com\/fr\/wp-json\/wp\/v2\/paper"}],"about":[{"href":"https:\/\/www.systransoft.com\/fr\/wp-json\/wp\/v2\/types\/paper"}],"wp:attachment":[{"href":"https:\/\/www.systransoft.com\/fr\/wp-json\/wp\/v2\/media?parent=3318"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}