Augmenter le rendement de la traduction tout en réduisant les efforts
En tant que fabricant international desservant des clients dans plus de 100 pays, Ariel avait besoin d'augmenter sa production de traductions sans augmenter les coûts ou les efforts manuels. En étendant sa configuration XTM et Adobe Experience Manager à la traduction automatique et à l'adaptation neuronale floue, l'équipe a réduit le temps de post-édition et valorisé ses ressources linguistiques.
Étude de cas
Comment Degreed a réduit de 80 % les questions des linguistes en utilisant le contexte visuel.
Essayez Rigi gratuitement
Découvrez comment Rigi by XTM apporte de la clarté à la traduction de l'interface utilisateur.
À propos d'Ariel
Ariel Corporation est un fabricant américain familial fondé en 1966. Ce qui a commencé dans un sous-sol est devenu le plus grand fabricant mondial de compresseurs de gaz alternatifs séparables, tout en conservant son esprit d'entreprise.
Aujourd'hui, Ariel emploie plus de 1 500 personnes sur plusieurs sites dans l'Ohio. Ses compresseurs sont utilisés pour extraire, traiter, transporter, stocker et distribuer du gaz naturel dans plus de 100 pays à travers le monde.
Pour aider ses clients internationaux, Ariel traduit son site web, son portail d'assistance, son contenu vidéo, sa documentation technique et ses supports de formation en ligne de l'anglais vers l'espagnol, le chinois et le russe.
Secteur d'activité : Fabrication de produits pétroliers et gaziers
Fondée en 1966 1966
Siège social : ÉTATS-UNIS
Marchés : plus de 100
Le défi
Augmenter la production tout en réduisant les dépenses de localisation
Ariel disposait déjà d'une solide structure de localisation. Adobe Experience Manager était relié à XTM par le biais d'un connecteur, ce qui permettait au contenu de circuler automatiquement entre les systèmes. L'équipe de localisation ne passait donc que très peu de temps à gérer les opérations.
Si le flux de travail était efficace, la plupart des travaux de traduction et de révision reposaient encore largement sur l'effort humain. Face à l'augmentation des volumes de contenu, Ariel souhaitait augmenter le rendement des traductions, réduire les délais de post-édition et diminuer les dépenses globales de localisation sans sacrifier la qualité.
Les principaux objectifs de localisation étaient les suivants
-
Réduction du temps de post-édition
-
Augmentation du nombre de traductions
-
Diminution des coûts de localisation
Pour y parvenir, Ariel a commencé à examiner si la traduction automatique pouvait jouer un rôle plus important dans son flux de travail.
Pourquoi XTM ?
S'appuyer sur une base de localisation automatisée
Plutôt que de remplacer les systèmes existants, Ariel souhaitait s'appuyer sur ce qui fonctionnait déjà. XTM offrait une plate-forme stable qui s'intégrait étroitement à Adobe Experience Manager et pouvait prendre en charge une automatisation plus poussée.
La capacité de XTM à gérer la mémoire de traduction, à acheminer automatiquement le contenu et à s'intégrer aux moteurs de traduction automatique a permis à Ariel d'introduire de nouvelles efficacités sans perturber les flux de travail établis. Il a ainsi été possible d'améliorer progressivement les performances tout en conservant le contrôle de la qualité.
La solution
Combiner la traduction automatique, l'automatisation et la révision humaine
En 2020, Ariel a intégré la traduction automatique SYSTRAN dans ses workflows XTM et AEM. Le contenu est automatiquement transféré d'AEM à XTM, où la mémoire de traduction est vérifiée en premier. Si aucune correspondance parfaite n'est trouvée, le contenu est envoyé à SYSTRAN pour une traduction automatique.
Des traducteurs humains ont ensuite post-édité le résultat de la traduction automatique, avant que les responsables régionaux ne le révisent. Après les contrôles de qualité, la traduction finale était automatiquement renvoyée à l'AEM pour publication.
Ce flux de travail a permis de réduire les manipulations manuelles et d'améliorer la cohérence entre les différents types de contenu.
Lorsque XTM a lancé la version 12.7 avec l'adaptation floue neuronale (NFA) en 2021, Ariel a vu une autre opportunité de réduire les efforts. L'adaptation floue neuronale apprend des corrections précédentes du traducteur et transforme les correspondances floues en correspondances complètes, ce qui signifie que moins d'éditions sont nécessaires et que les traducteurs peuvent travailler plus rapidement.
Ronald Egle, administrateur des systèmes de contenu chez Ariel, explique :
"En utilisant XTM et SYSTRAN, nous avons été en mesure de trouver une valeur ajoutée à nos ressources linguistiques. Nous avions une configuration phénoménale avec notre système de gestion de contenu qui alimentait automatiquement XTM. En ajoutant SYSTRAN MT et l'adaptation neuronale floue, nous avons trouvé l'or. Nous sommes désormais en mesure d'exploiter le meilleur de la traduction automatique et de l'édition humaine pour une rentabilité exceptionnelle.
Plus d'efficacité, moins d'efforts, des économies mesurables
L'impact de la combinaison de XTM, SYSTRAN MT et de l'adaptation neuronale floue a été clair et mesurable. La qualité de la traduction automatique s'est améliorée de 100 %, tandis que l'effort de traduction humaine a diminué de 31 %. La post-édition est devenue plus rapide et le rendement global de la traduction a augmenté.
Avant l'introduction de la NFA, la traduction automatique représentait environ 17 % du total des traductions d'Ariel. Après la mise en œuvre de la NFA, la part de la traduction humaine a considérablement diminué, ce qui a permis de réaliser davantage de travaux avec moins d'efforts.
Les traducteurs reçoivent désormais de meilleures suggestions générées par la machine, ce qui améliore la rapidité et fournit un matériel de référence de haute qualité. Les réviseurs bénéficient d'une plus grande cohérence dans la terminologie technique et le contenu des produits.
Amélioration de la qualité de la MT
Réduction de la traduction humaine
Augmentation du nombre de traductions
Les bases d'une optimisation future
Avec un dispositif de traduction automatique plus performant, Ariel se tourne désormais vers l'avenir. L'équipe de localisation travaille en étroite collaboration avec les créateurs de contenu pour structurer le contenu source en utilisant un langage et des modèles plus prévisibles, ce qui permettra à la traduction automatique d'assumer une plus grande part de la charge de travail au fil du temps.
Cette approche prospective s'inscrit dans le cadre du développement continu de la plateforme XTM. En 2025, XTM a introduit des capacités d'IA avancées, notamment des outils d'IA agentique conçus pour favoriser une automatisation plus poussée, une prise de décision plus intelligente et des flux de travail de localisation plus adaptatifs.
En associant une création de contenu disciplinée à une plateforme qui continue d'évoluer, Ariel est bien placée pour tirer parti des futures améliorations liées à l'automatisation et à l'IA au fur et à mesure qu'elles sont disponibles.
Il en résulte une base de localisation qui favorise l'efficacité aujourd'hui tout en étant prête pour l'avenir.
Découvrez comment XTM prend en charge les flux de travail de traduction automatique
Lancez un essai gratuit pour découvrir XTM dans votre propre configuration de localisation, ou demandez une démonstration pour discuter de l'intégration de MT avec un spécialiste.
FAQ
Comment Ariel a-t-il réduit les efforts de post-édition sans perdre en qualité ?
Ariel a combiné la traduction automatique avec une révision humaine structurée plutôt que de remplacer entièrement les linguistes. En intégrant SYSTRAN à XTM et en introduisant l'adaptation neuronale floue, les traducteurs ont reçu de meilleures suggestions et ont passé moins de temps à réviser tout en maintenant la précision.
Quel rôle l'adaptation neuronale floue a-t-elle joué dans le flux de travail d'Ariel ?
L'adaptation floue neuronale apprend des corrections de traduction précédentes et convertit les correspondances floues en correspondances complètes. Cela a permis de réduire les révisions manuelles et d'améliorer la cohérence, ce qui a aidé Ariel à augmenter le rendement sans accroître les efforts.
Comment XTM s'intègre-t-il à Adobe Experience Manager ?
XTM se connecte à Adobe Experience Manager grâce à un connecteur qui permet d'importer et d'exporter automatiquement du contenu. Cela permet aux flux de travail de localisation de s'exécuter avec une intervention manuelle minimale, libérant l'équipe de la gestion opérationnelle quotidienne.
Pourquoi Ariel n'a-t-elle pas remplacé ses systèmes de localisation existants ?
Ariel disposait déjà d'un flux de travail automatisé efficace et d'une solution TMS avec XTM. XTM a permis à l'équipe d'étendre cette base avec la traduction automatique et l'automatisation plutôt que de repartir à zéro, réduisant ainsi les risques et les perturbations.
Le XTM est-il adapté au contenu technique et manufacturier ?
Oui. L'étude de cas d'Ariel montre comment XTM prend en charge la documentation technique, le contenu des produits et les supports de formation en combinant l'automatisation, la mémoire de traduction et la révision humaine pour maintenir la précision à l'échelle.
Contactez notre équipe pour trouver la solution adaptée à votre entreprise.
Ressources pour l'extension de la traduction automatique
Découvrez des conseils sur la combinaison de la traduction automatique et de la révision humaine, afin de tirer le meilleur parti des ressources linguistiques.
Prêt à augmenter le nombre de traductions sans en augmenter le coût ?
Découvrez comment XTM aide les équipes à automatiser la localisation, à améliorer la qualité de la traduction automatique et à réduire les efforts manuels.