Waarom machinevertaling nog altijd niet werkt

Onlangs gaf ik een gastcollege aan een hogeschool waar machinevertalingen zeer werden gepromoot en ook mijn stagiaire deed jaar had alleen ervaring met DeepL-vertalingen. In het gastcollege vroegen de studenten zich af of ze nog wel een toekomst hadden met de opkomst van machinevertalingen. Mijn antwoord was volmondig ja.

Als de teksten puur informatief zijn en de basisboodschap is wat telt of als de vertaalde teksten slechts oppervlakkig (of niet tot nauwelijks) gelezen worden, dan kan je opteren voor goedkopere en snellere machinevertalingen.

Catalogi, websites, nieuwbrieven hebben wel degelijk de bedoeling om gelezen te worden en om de lezer aan te zetten tot iets. Dan is het belangrijk dat de (vertaal)kwaliteit onberispelijk is. Voor handleidingen – een tekstgroep waarvan sommigen beweren dat ze zullen worden overgenomen door machinevertalingen – geldt een ander doel. Daar moet de vertaling van onberispelijke kwaliteit zijn omdat de productaansprakelijkheid van de onderneming anders in het gedrang komt.

Waarom nemen bijvoorbeeld stofzuigerfabrikanten uitdrukkelijk in hun handleidingen op dat je met hun stofzuiger je huisdieren niet mag kammen? Omdat ze niet het risico willen lopen dat ze aansprakelijk worden gesteld voor ‘lacunes’ in hun handleiding.

Aan het oppervlak zien machinevertalingen er misschien wel goed uit, maar als je dieper gaat kijken, dan vallen vaak zeer ernstige fouten of foutieve interpretaties op. Die dieperliggende fouten opsporen in machinevertalingen is een vak apart . Persoonlijk is het niet aan mij besteed omdat je nooit de kwaliteit van een menselijke vertaling kan evenaren naar mijn gevoel. Je bent immers alleen gefocust op het corrigeren van fouten, niet op een mooi vlotte tekst die wegleest alsof hij in die taal is geschreven.

Maar wat zijn die fouten dan, waar ik zo over struikel?

In mijn testen met lichttechnische teksten die je op mijn blogpagina kan terugvinden (de laatste: DeepL en technische vertalingen in 2022 ), kan je al een heleboel zeer frappante fouten voor Duits-Nederlandse vertalingen vinden. Maar ik besloot ook even de proef op te nemen met een Frans-Nederlandse vertaling.

En  eerste probleem was al meteen duidelijk: een zeer technische tekst is niet aan DeepL besteed. Als het voor een ervaren technisch vertaler al heel erg opletten en zoeken is, dan is het voor DeepL een onmogelijk kluwen : een ‘tablier’ was bijvoorbeeld een sideshift in mijn tekst (onderdeel voor op heftrucks), maar DeepL kwam niet verder dan een schort.

Zowat elke tekst – niet technische zelfs nog meer dan technische – vraagt een zekere mate van lokaliseren, van aanpassen aan het land van de doelgroep. In deze Franse catalogus wemelde het van teksten en termen uit Franse regelgevingen, hetzelfde voor typisch Franse afkortingen .

Dat soort zaken moet je als een vertaler opzoeken en indien mogelijk omzetten naar de lokale wetgeving , maar als dat niet lukt een duidelijke verwijzing plaatsen naar het feit dat het hier om termen en regels uit een ander land gaat. Dat is iets wat geen enkele machinevertaling ooit zal kunnen. En wie denkt dat dit je dit ook nog achteraf, als je de machinevertaling gaat reviseren, kan doen, is eraan voor de moeite. Zoiets vergt enorm veel werk en aanpassingen. Zoiets doe je beter geleidelijk aan, zodat je tekst logisch en gestructureerd en vooral leesbaar blijft. Ik zag mij dit in deze Franse vertaling echt niet achteraf doen, dat zou ongetwijfeld tot fouten hebben geleid.

Ook typische afkortingen in mijn tekst bijvoorbeeld ERP ( établissements recevant du public ) en ITE ( Isolation Thermique Extérieur ) kon DeepL niets zinnigs van maken en terecht, want ERP heeft geen Nederlandse equivalent en GIS is een niet zo bekende afkorting voor Gevelisolatiesysteem. Dat is kennis die je door ervaring opdoet.

Ook verschillen in interpunctie tussen landen behoort tot de knowhow van een professionele vertaler, maar is voor DeepL blijkbaar te moeilijk (of ziet hij dit niet als onderdeel van het vertaalproces?): in het Frans zijn puntkomma’s bijvoorbeeld heel gebruikelijk, in het Nederlands niet.

In heel wat teksten – en dat hoeft heus niet alleen technisch te zijn – staan verwijzingen . Dat kan naar een (politieke of culturele) gebeurtenis zijn, maar ook naar een afbeelding in het document zelf. In mijn tekst bleek dat ‘cales’ geen wiggen waren, maar balken. Dat kon je alleen maar zien als je de afbeelding in de catalogus erbij nam.

Ik had het er in mijn vorige blog al over, maar dat je ‘ Sicherheitshandschuhe ’ vertaalt als ‘ beschermende handschoenen ’ i.p.v. veiligheidshandschoen, daar kan ik met mijn hoofd niet bij. Zoiets lijkt mij toch echt niet moeilijk. Ook in mijn Franse tekst werden ‘panneaux sandwich’ vertaald als ‘sandwichplaten’ (i.p.v. sandwichpanelen) en ‘profils de couverture’ heel letterlijk als afdekprofielen terwijl het gewoon om dakplaten gaat.

Machinevertaling kan ook niet detecteren dat een klant synoniemen door elkaar gebruikt en dat je die gerust mag uniformiseren als dat in de doeltaal niet gebruikelijk is.

Specifieke terminologie die door de klant is opgelegd, kan je DeepL ook niet aan het verstand brengen. Dat maakt dat je na een machinevertaling altijd nog een extra handeling moet doen op die termen.

Soms heb je in één tekst woorden met meerdere betekenissen die in beide betekenissen ook voorkomen. Voor een menselijke vertaler is dat al heel erg lastig, want je moet dan in je hoofd een klik maken en dat lukt niet altijd. Ik herinner mij nog levendig hoe ik in een gebruiksvoorschrift steeds over ‘mesures de précautions’ aan het vertalen was tot er plots een ‘mesure’ stond die ik totaal niet kon rijmen met maatregelen. Het duurde tot ik een collega ter hulp riep voor ik zag dat het om ‘metingen’ ging in die zin.

Ook in deze Franse catalogus kreeg ik op een gegeven moment kortsluiting en als ik kortsluiting krijg, dan helpt DeepL helaas ook niet…

Ses capacités sont fonction de la quantité de produit déposé en usine.

Ik bleef maar hangen in deponeren, een gedeponeerd handelsmerk. DeepL maakte er weliswaar ‘afgezet in de fabriek’ van, maar ik zag het licht pas de volgende dag (de hoeveelheid product die in de fabriek op de platen is aangebracht).

‘Environnement’ was nog zo een gevaarlijke. In de hele tekst was het bedoeld als omgeving (gebouwen die moeten opgaan in het landschap dankzij speciale kleuren), maar hier paste omgeving niet.

Wat bij Franse vertalingen vooral opvalt, is dat DeepL volledig de Franse zinsstructuur volgt, of dit nu gebruikelijk is in de doeltaal of niet. Het resultaat is een zeer houterige vertaling . En de dag dat machinevertaling dit kan, gooi ik de handdoek in de ring

Een docent sprak in het gastcollege ook over voorbereiding (editing) voor machinevertalingen, om zo fouten in de brontekst te kunnen onderscheppen. Ik had persoonlijk nog nooit van deze stap gehoord, maar ik ben dan ook niet vertrouwd met PEMT. Toch vraag ik mij af hoe ver dit gaat en of dit nuttig is. Heel veel (logica)fouten ontdek je pas tijdens de vertaling zelf en vallen je niet op als je tekst gewoon leest om typfouten e.d. op te sporen. Het zijn namelijk dit soort logische fouten die de vertaling zo moeilijk maken . In deze tekst heb ik mij bijvoorbeeld suf zitten zoeken op een bepaalde formule, tot ik er uiteindelijk na veel opzoekwerk achterkwam dat het vermoedelijk een drukfout in de oorspronkelijke catalogus was. Zoiets zie je niet als je de tekst ‘edit’ voor machinevertaling, tenzij je heel goed vertrouwd bent met het thema. Maar dan nog, in dit geval was de oorspronkelijke tekst voor de Franse markt bedoeld, dus dan moet je ook al heel vertrouwd zijn met de Franse terminologie.

En dit soort fouten zijn er in zowat elke tekst. Het gebeurt maar heel weinig dat ik niet dergelijke vragen heb voor de klanten, soms heel lastig zoals die formule, maar soms ook heel eenvoudig ‘links’ dat ‘rechts’ moet zijn in de brontekst. Ik vraag mij ten zeerste af of je dit tijdens een voorbereidingsronde zal opmerken en of je dit tijdens het nalezen van een machinevertaling dan wel zou opvallen…

Nog iets waar ik voor mezelf geen bevredigend antwoord op kan geven, is: wat doe je met een met een machine voorvertaalde tekst van een vertaalbureau die een aanvulling is op een bestaande vertaling die ook is vertaald met een machinevertaling waarin frappante fouten staan ? Die situatie had mijn stagiaire voor met een revisie van een machinevertaalde tekst. In het moederbestand, waarin de vertaling zou terechtkomen, was een bepaalde term compleet fout vertaald over de volledige lijn.

Neem je dan die compleet foutieve vertaling over, met als risico dat jouw vertaling nergens op slaat, of vertaal je toch gewoon zoals het hoort met als gevolg dat het volledige moederbestand een compleet onsamenhangend geheel wordt?