Bref, je pense qu’il est plus utile d’avoir des objectifs précis plutôt qu’un objectif général de « traduction parfaite de tout texte ».

Nous sommes d’accord sur ce point ; actuellement l’objectif de la recherche est d’obtenir une bonne traduction de tous les textes d’un domaine.

Il est nécessaire, pour atteindre cet objectif, d’oeuvrer dans un contexte fédérant plusieurs sciences : Anthropologie, linguisitique, psychologie, psycho-linguisitique, neurosciences, ... que l’on appelle les sciences cognitives.

Il faut donc modéliser (sous forme mathématique) les mécanismes humains complexes tels que : la transcription des unités de pensée en situation (concept - percept) réalisée par le locuteur (ou écrivain), l’interprétation de l’interlocuteur (ou lecteur), mais aussi tenir compte des différentes entités d’un texte (le terme, la phrase, le paragraphe, le texte) qui permettra de réduire le niveau d’ambiguité mais aussi de tenir compte de l’implicite (ce qui n’est pas exprimé mais connu du locuteur et de l’interlocuteur), et bien d’autres problématiques qui, de nos jours restent à résoudre.

Cela reste un domaine vaste et complexe, même sans tenir compte des phénomènes émotionnels qui peuvent s’insérer et influencer le sens d’un discours.

Même pour le premier cas cité, une simple traduction terminologique, si vous faite l’opération de traduction dans un sens puis dans l’autre, retrouve-t-on le sens du texte d’origine ... à chaque fois.

Il ne faut pas oublier que l’informatique ne comprend que des propriétés mathématiques ; donc pour tout formalisme mathématique, à partir d’une donnée d’origine, si vous réalisez une opération puis son inverse, vous retrouvez toujours la donnée d’origine.

Ne pas retrouver, en traduction automatique, le discours d’origine après une opération et son inverse ne fait que mettre en évidence le niveau de précision du système.