Le mélange est l'idée centrale de LingoBlend : vous collez un texte dans votre langue, et un pourcentage choisi de ses mots revient dans la langue que vous apprenez, tissé dans des phrases que vous comprenez déjà — la méthode du diglot weave, le tissage étant confié à une IA. Pendant deux ans, un seul appel à l'IA faisait tout : il lisait votre texte, décidait quels mots traduire, les traduisait, puis réécrivait le passage entier. Ça fonctionnait — mais cela regroupait trois métiers très différents en un seul, et chacun méritait un meilleur spécialiste.
Le problème d'une seule passe d'IA chargée de tout#
Quand une unique sortie de modèle porte l'intégralité du texte mélangé, trois choses entrent silencieusement en concurrence :
La sélection est une question de politique, pas de langue. Quels mots devraient être mélangés dépend de choses que l'IA ne peut pas déduire du texte seul — quels mots vous maîtrisez déjà, lesquels sont dus pour une révision, avec quelle régularité le mélange doit se répartir sur la page. Un modèle de langue devine ; un sélecteur que nous contrôlons, on peut tout simplement le lui dire.
Réémettre le texte entier ouvre la porte aux erreurs sur tout le texte. Si le modèle réécrit chaque mot de votre document, chaque mot devient une occasion de se tromper — une phrase perdue, une tournure dupliquée, une traduction collée au mauvais endroit. Notre ancien pipeline traînait toute une chaîne d'étapes de réparation qui n'existaient, pour l'essentiel, que pour corriger les dégâts rendus possibles par cette architecture.
Le jugement se dilue. La vraie compétence linguistique du modèle — savoir que « gave up » forme une seule unité de sens, que « I would love » doit devenir me encantaría avec le pronom restructuré — était dépensée à côté d'un travail d'intendance qui n'aurait jamais dû lui revenir.
La nouvelle répartition du travail#
Blend Engine v2 coupe la tâche le long de sa ligne naturelle :
| Tâche | Ancien moteur | Nouveau moteur |
|---|---|---|
| Choisir les mots à mélanger | L'IA, dans la même passe | Le sélecteur de LingoBlend, nourri par le graphe de vocabulaire et votre maîtrise personnelle |
| Traduire en contexte | L'IA | L'IA — avec le texte intégral comme contexte, inchangé |
| Traiter idiomes et expressions figées | Implicite, inconstant | Explicite : l'expression entière, ou rien |
| Assembler le texte final | L'IA réécrit tout | Votre texte d'origine reste intact ; seuls les mots choisis changent |
| Attraper les erreurs | Réparations après coup | Vérification contre la source avant affichage |
Puisque la sélection nous appartient désormais, elle suit des principes que nous pouvons énoncer et tester : choisir du vocabulaire qui vaut vraiment la peine d'être appris, le répartir dans tout le texte plutôt que de l'agglutiner dans le premier paragraphe, et — avec la personnalisation — sauter ce que vous maîtrisez déjà. Le travail de l'IA se resserre sur la seule chose qu'elle fait mieux que tout le reste : traduire correctement ces mots dans le contexte de votre texte complet.
Pourquoi un travail plus étroit a rendu l'IA plus fine#
Voilà le côté contre-intuitif. Donner à l'IA un travail plus étroit a rendu sa production meilleure, parce que nous pouvions enfin être explicites sur le jugement linguistique que nous attendons d'elle :
- Idiomes et expressions figées reviennent entiers. Si un mot choisi se trouve à l'intérieur d'un idiome, d'un verbe à particule ou d'une expression figée, c'est l'expression entière qui est traduite — « kicked » dans « kicked the bucket » revient sous la forme de l'idiome complet, et toucher ce mot dans la liseuse enregistre la forme de dictionnaire de l'idiome, c'est-à-dire ce qui vaut réellement la peine d'être appris.
- Les traductions naturelles emportent leurs voisins. Quand la bonne traduction avale les mots qui l'entourent, ceux-ci partent avec elle. « Write to me » devient Escríbeme d'un seul bloc — jamais Escríbeme avec un « to me » abandonné derrière.
- Les mots qui ne se traduisent pas proprement sont laissés tranquilles. Un nom propre, un jeu de mots, un mot dont la traduction isolée induirait en erreur — mieux vaut non traduit que faux. Un mot non traduit ne coûte rien ; une mauvaise traduction vous enseigne quelque chose de faux.
Sur le banc d'essai qui comptait le plus à nos yeux — 93 phrases pièges contenant idiomes, verbes à particule et verbes séparables dans les 17 langues sources — le nouveau moteur en a développé 65 en traductions correctes de l'expression entière, contre 21 pour l'ancien moteur. Les paires entre langues ont donné certains des meilleurs résultats : le français posé un lapin rendu en allemand par sitzen gelassen (« poser un lapin »), là où l'ancien moteur proposait Kaninchen — un lapin au sens propre.
Vérifié avant que vous le voyiez#
Parce que le texte final n'est plus réécrit par un modèle, nous pouvons garantir des propriétés que l'ancien moteur ne pouvait qu'espérer : chaque caractère de votre texte d'origine survit, chaque traduction atterrit exactement là où se trouvait son mot source, et toute une famille d'erreurs subtiles — « traductions » en écho ou répétées, grammaire accidentellement marquée deux fois dans les deux langues — est attrapée avant affichage. Si un mot échoue à la vérification, il reste simplement non traduit : le mode de défaillance est invisible au lieu d'être gênant.
Un bénéfice de plus est tombé gratuitement : la vitesse. Comme l'IA ne génère plus votre document entier — seulement les mots traduits — les mélanges se terminent en gros deux fois plus vite, les cas les plus lents progressant le plus. Le mélange que vous attendiez ~6 secondes arrive maintenant en ~3.
Tout le reste que vous connaissez est inchangé : touchez n'importe quel mot mélangé pour voir son contexte grammatical et enregistrer la forme de base ou la forme exacte rencontrée, re-mélangez n'importe quel texte à un nouveau pourcentage, et lisez dans la même liseuse paginée.