Les paquets de langue

Traduire une interface sans repartir de zéro

Un site ou une application qui s’ouvre à une nouvelle langue doit, tôt ou tard, traduire les mêmes petites choses : le bouton « Enregistrer », le message « Une erreur est survenue », le libellé « Rechercher », le lien « Mentions légales ». Rien de tout cela n’est propre au projet : ce sont, presque toujours, les mêmes mots qu’un autre site a déjà traduits et publiés avant lui.

Un paquet est le fichier qui porte cette réserve commune, une langue par fichier : une clé, une chaîne, prête à associer directement à ce que le site affiche déjà en français. Personne ne repaie la traduction d’« Enregistrer » en arabe pour la centième fois.

La mesure en a été faite sur un projet réel de la flotte, Avant les secours, en écartant d’abord ses propres chaînes de la mémoire commune pour ne rien lui devoir : sur les 154 couples source et contexte qu’il emploie, 49 étaient déjà traduits dans les sept langues par une mémoire qui ne contenait encore aucune de ses propres chaînes, soit 31 % de réutilisation, mesuré et jamais arrondi à la hausse. C’est ce qu’un projet qui rejoint la flotte aujourd’hui retrouve avant d’avoir traduit la moindre ligne pour lui-même.

Ce qu’il y a dedans, et sous quelle forme

Un extrait réel du paquet anglais, réduit à trois chaînes et à la date remplacée par son patron pour tenir sur cette page. Les valeurs bougent à chaque construction : c’est le fichier servi qui fait foi, jamais cet extrait.

{
 "langue": "en",
 "etiquette": "en",
 "version": 1,
 "genere_le": "AAAA-MM-JJ",
 "licence": "CC-BY-4.0",
 "attribution": "ODERSA, translate.odersa.org, CC BY 4.0",
 "entrees": 674,
 "chaines": {
  "013d74a213bf5b5c": "Credits",
  "0181d851061b7a92": "Written by",
  "048a5330216a9d8f": "The organisation"
 },
 "a_relire": [],
 "provenance_resume": { "institution": 0, "flotte": 664, "relecture": 10, "import": 0 }
}

langue et etiquette identifient le fichier ; version est celle du contrat de format, pas celle du contenu, elle ne bouge que si la forme même du paquet change. genere_le et licence datent et couvrent tout le fichier ; attribution porte la formule de citation exacte, en clair, prête à recopier telle quelle : voir plus bas.

chaines est le cœur du paquet : un objet où chaque clé est une empreinte de seize caractères hexadécimaux, calculée sur la phrase source normalisée, et chaque valeur le texte à afficher tel quel, dans cette langue. La même clé désigne la même phrase source dans les sept paquets et dans la mémoire : c’est elle qui permet de retrouver une chaîne d’un fichier à l’autre, voir plus bas comment.

a_relire liste les clés de niveau de provenance import : moissonnées, mais jamais relues par personne. Elle est vide ici, et dans les six autres paquets. provenance_resume compte les chaînes du paquet par niveau : sur l’anglais, 664 de niveau flotte, 10 de niveau relecture, aucune de niveau institution ni import. Ce que ces niveaux signifient, et pourquoi ils comptent, plus bas.

Le prendre sans écrire une ligne de code

Trois gestes.

1. Télécharger. Ouvrez l’adresse du paquet qui vous intéresse, par exemple /api/v2/packs/es.json, et enregistrez la page comme un fichier .json ordinaire.

2. Ouvrir. Un fichier .json se lit dans un éditeur de texte, ou directement dans le navigateur qui vient de l’afficher.

3. Chercher. Utilisez la recherche de votre éditeur ou de votre navigateur pour retrouver une valeur, un texte que vous reconnaissez dans la langue du paquet.

Une difficulté se pose tout de suite, et elle mérite d’être dite franchement : la clé de chaque chaîne n’est pas un mot, c’est une empreinte, une suite de seize caractères hexadécimaux du genre 013d74a213bf5b5c. Elle ne se lit pas, et elle ne se devine pas : chercher « accueil » dans les clés d’un paquet ne trouvera jamais rien.

La mémoire, elle, porte la source en clair. /api/v2/memoire/tout.json la rassemble en un seul fichier, et chaque entrée y associe la même clé à la phrase source telle qu’elle a été rencontrée. Pour retrouver un texte précis : ouvrez ce fichier, cherchez la phrase que vous connaissez, relevez sa clé de seize caractères, puis cherchez cette même clé dans le paquet de la langue qui vous intéresse. C’est la même partout. Le détail complet du format de la mémoire est sur la mémoire de traduction.

S’en servir en code

Un paquet se télécharge et se lit comme n’importe quel JSON, avec ou sans le fichier client.

const T = OdersaTranslate.ouvrir({ base: "https://translate.odersa.org/api/v2" });
const en = await T.pack("en");
document.querySelector("#titre").textContent = en.chaines["013d74a213bf5b5c"];
// "Credits", jamais en innerHTML : une chaîne traduite reste du texte.

Le détail des fonctions du fichier client, les adresses et les limites de l’API : le fichier client et l’API.

La licence, et la citation exacte

Les sept paquets sont publiés sous licence Creative Commons Attribution 4.0 (CC BY 4.0). Vous pouvez les copier, les republier, les intégrer à un projet commercial, à trois conditions que pose la licence : citer l’ODERSA, indiquer si le contenu a été modifié, et joindre le lien vers la licence.

La formule exacte n’est pas à deviner ni à composer soi-même : chaque paquet la porte, en clair, dans son propre champ attribution, vu plus haut.

La recopier telle quelle remplit la condition de citation, dans un fichier de données comme dans un crédit de pied de page. Deux autres formes, pour un texte rédigé ou pour le pied de page d’un site qui embarque un paquet, sont sur licence et réutilisation et sur les données ouvertes.

Ce qui distingue ces chaînes d’une traduction automatique

Ce site sert aussi une boîte de traduction qui calcule, dans le navigateur, une traduction pour n’importe quel texte, à la demande. Elle n’a rien à voir avec un paquet, et les deux ne se mélangent jamais.

Une sortie de la boîte porte toujours l’attribut data-provenance="machine" : une machine a produit ce texte, à la volée, et rien sur ce site ne le fait passer pour autre chose. Une chaîne d’un paquet, elle, ne porte jamais ce niveau. Chacune vient d’une des quatre provenances du contrat, institution, flotte, relecture ou import, tracée par langue dans la mémoire commune, avec sa source et sa date.

Le niveau import, des chaînes moissonnées mais jamais relues par personne, est servi mais jamais caché : il apparaît dans la liste a_relire de chaque paquet. Elle est vide aujourd’hui dans les sept : rien de non relu n’est distribué par cette API en ce moment. Le jour où cela changerait, la clé concernée apparaîtrait dans cette liste, jamais mêlée au reste en silence.