L'écart en traduction : Compréhension, gestion et traitement des écarts linguistiques et culturelles par l'intelligence artificielle // The translation gap: Understanding, managing and processing linguistic and cultural gaps using artificial intelligence

Il est admis que la traduction est un processus complexe où les différences linguistiques, culturelles et contextuelles entre les langues source et cible peuvent engendrer des 'écarts'. Lexicaux, grammaticaux, syntaxiques ou culturels, ces écarts peuvent perturber la fidélité, la fluidité ou la pertinence du texte traduit. D'où la notion de création et d'art de la traduction.

Dans un contexte de mondialisation et de digitalisation croissante liée à l'intelligence artificielle, notamment via les systèmes de traduction automatique de type LLM, la thèse entend s'intéresser à la question scientifique : l'IA peut-elle être un outil pour la gestion des écarts de traduction ?
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Translation is a complex process in which linguistic, cultural and contextual differences between the source and target languages can give rise to “gaps”. Lexical, grammatical, syntactic or cultural, these gaps can disrupt the fidelity, fluidity or relevance of the translated text. Hence the notion of creation and the art of translation.

In a context of globalisation and increasing digitalisation linked to artificial intelligence, in particular via LLM-type machine translation systems, the thesis aims to address the scientific question: can AI be a tool for managing translation gaps?
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025
WEB : http://lia.univ-avignon.fr

Contrat doctoral

Avignon Université

536 Agrosciences et Sciences

- Étudiant possédant un Master 2 ou Diplôme d'école d'ingénieur en informatique, Spécialités Computational Linguistics, Traitement du Langage Naturel (NLP), IA ou Machine Learning - Solides compétences en ingénierie informatique (Python, Linux, shell, git) - Expérience attendue en Computational Linguistics, NLP et en Machine Learning, Deep Learning - Connaissance des grands modèles de langage (LLM), ou IA générative en général - Langues : anglais académique, la connaissance du français et/ou la maîtrise d'autres langues sera considérée comme un plus La bourse de thèse fera l'objet d'un concours au sein de la FR Agorantic de l'université d'Avignon, avec une audition préalable du candidat retenu par les encadrants de thèse. Pour postuler merci d'envoyer un mail à Fabrice Lefèvre (fabrice.lefevre@univ-avignon.fr) incluant : votre CV, une lettre de motivation avec votre positionnement sur les propositions d'études ci-dessous, d'éventuelles lettres de recommandation et vos relevés de notes.
Candidates for this position should have a master's degree in computer science, computational linguistics, or a related discipline. Experience with machine learning including deep learning and large language models is desired. The research will be conducted in French or English, but elementary reading in French is desirable. The thesis grant will be the subject of a competition within FR Agorantic at the University of Avignon, with a preliminary interview of the successful candidate by the thesis supervisors. To apply, please send an email to Fabrice Lefèvre (fabrice.lefevre@univ-avignon.fr) including: your CV, a covering letter stating your position on the study proposals below, any letters of recommendation and your transcripts.