Pour qui

Un texte source propre pour la TAO

Un texte source collé depuis une page web emporte la navigation avec lui, et chaque entrée de menu devient un segment à sauter. Le retirer avant l’import va plus vite que de le filtrer après. Sur le corpus mesuré, les lignes de navigation répétées tombent à 102, contre 282, 478 et 491 pour les trois autres moteurs.

Des segments qui ne sont pas du texte

Un texte importé depuis une page web arrive avec tout son habillage, et l’outil de TAO ne fait pas la différence. « Accueil », « Contact », « Tout accepter » et le nom de chaque rubrique deviennent des segments à part entière, mêlés au texte réel. Sur un site un peu structuré, cette part atteint facilement le quart des segments, et il faut les verrouiller ou les supprimer un par un avant de commencer.

Les conséquences durent plus longtemps que l’import. La mémoire de traduction se remplit de segments qui n’ont aucune valeur, les statistiques de volume sont fausses dès le devis, et les correspondances proposées ensuite pointent vers des libellés d’interface. Nettoyer après coup coûte plus cher que d’avoir importé un texte propre.

Il y a enfin un piège propre aux sites multilingues : la page servie dépend de vous. Selon la langue déclarée par votre navigateur et le pays d’où part la connexion, la même adresse rend une version différente, parfois sans que rien ne le signale. La mesure européenne de ce projet a buté dessus : sans régler le navigateur sur la langue du pays, la moitié des cinquante premiers sites servaient une page en anglais, et le corpus mesurait alors autre chose. Vérifiez la langue de la page avant de capturer, pas après l’import.

Ce qui arrive dans l’outil

• Menus, paginations, bandeaux et fils « à lire aussi » coupés avant l’export
• Lignes de navigation répétées réduites d’environ quatre fois par rapport aux moteurs comparés
• Du Markdown simple, que tous les grands outils de TAO savent importer
• La mise en forme en ligne – gras, italique, liens, code – devient ses équivalents Markdown
• Les caractères qui ont un sens en Markdown sont protégés par une barre oblique inverse, invisible au rendu
• La capture prend la page dans la langue que le site vous sert, telle que vous l’avez à l’écran
• L’adresse source voyage avec le texte, le contexte reste donc à un clic
• Capture de la sélection pour ne traiter qu’un passage précis

---
title: "SOURCE, substantif féminin"
source: "https://www.cnrtl.fr/definition/source"
extraction: "dom"
---

## SOURCE, subst. fém.

A. Eau qui sort naturellement du sol et qui alimente un cours d’eau.

B. Au figuré. Origine, principe dont une chose procède.

Préparer un texte avant l’import

L’objectif est qu’aucun segment d’interface n’entre dans la mémoire de traduction. Six étapes, dont la première n’a rien à voir avec l’extension elle-même.

1. Vérifiez la langue servie par le site avant toute chose. Sur un site multilingue, la version rendue dépend de la langue déclarée par votre navigateur : réglez-la sur la langue source du projet, rechargez la page, et confirmez à l’œil que le texte est bien celui attendu.
2. Dans les paramètres, section « Où enregistrer », désignez avec « Choisir… » le dossier du projet, puis mettez la référence du projet dans « Sous-dossier des téléchargements ». Les fichiers d’un même chantier restent ainsi ensemble, prêts pour un import groupé.
3. Passez « Images » sur « ignorer ». Chaque image laisse sinon un lien qui devient un segment ou une balise à gérer, sans jamais rien apporter à la traduction du texte.
4. Laissez cochée « Couper la navigation, la pagination et les blocs de service ». C’est le réglage qui produit la différence mesurée, et le décocher revient à importer la page telle quelle, menus compris.
5. Réglez « Nom du fichier » sur {domain} - {title}. Sur un chantier de plusieurs dizaines de pages issues du même site, le titre seul finit toujours par se répéter, et une pile de fichiers numérotés se démêle mal une fois le devis envoyé.
6. Capturez une page d’essai et ouvrez le .md dans votre outil de TAO avant de lancer le chantier. C’est le moment de constater si votre outil accepte le Markdown directement ou s’il faut une conversion, plutôt que de le découvrir à la livraison.

Réglages conseillés pour la TAO

Ces valeurs cherchent le texte le plus nu possible : tout ce qui n’est pas de la prose à traduire est du travail en plus, facturé à personne.

---
title: "hameçonnage – FranceTerme"
source: "https://www.culture.fr/franceterme/terme/INFO493"
extraction: "dom"
---

## hameçonnage, n.m.

**Domaine**: Informatique

**Définition**: Technique de fraude visant à obtenir des informations
confidentielles en se faisant passer pour un tiers de confiance.

**Équivalent étranger**: phishing (en)

**Source**: Journal officiel du 12 mai 2017

Trois usages réels

Chiffrer un chantier de pages web

Le client envoie une liste d’adresses et demande un devis. Vous capturez chaque page avec la navigation coupée et les images ignorées, dans un dossier unique : le volume que vous comptez est celui du texte réel, pas celui du texte plus le menu répété à chaque section.

La différence n’est pas cosmétique. Un compte de mots établi sur une page brute inclut les libellés d’interface, qui sont soit hors périmètre, soit déjà traduits ailleurs ; le devis part alors trop haut et la marge disparaît à la première négociation. Ici, le comptage reste à votre outil – l’extension ne compte ni les mots ni les segments.

Constituer un corpus terminologique de référence

Les fiches de terminologie officielle, les glossaires métier et les entrées de dictionnaire sont souvent des couples clé-valeur mal balisés. Quand la grille tient en deux colonnes et huit lignes au plus, elle est dépliée en lignes Clé : valeur, ce qui se lit et se cherche bien mieux qu’une grille Markdown reconstituée de travers.

Rassemblées dans un dossier, ces fiches deviennent un corpus que la recherche en texte intégral traverse en une frappe, avec pour chaque terme l’adresse de la source officielle. C’est un usage de consultation, pas d’alimentation automatique : l’extension n’exporte ni TBX ni aucun format terminologique.

Capturer les deux versions d’une page bilingue

Pour aligner à la main un texte déjà traduit, il faut les deux versions telles que le site les rend. Vous réglez la langue du navigateur sur la première langue, vous capturez, puis vous recommencez sur la seconde : deux fichiers, deux adresses, un même plan de titres.

Une page présentée en deux colonnes ne se capture pas colonne par colonne : la mise en page en colonnes n’est qu’une grille de positionnement, elle est dépliée, et les deux versions se suivent au lieu de se faire face. L’alignement reste entièrement l’affaire de votre outil – rien ici n’aligne, ne segmente ni ne traduit.

Comparé aux façons de faire actuelles

Un texte source venu du web arrive rarement dans un format propre. Voici les cinq chemins habituels et ce qu’ils laissent sur la table.

Quand le texte source pose problème

Pourquoi la page est-elle arrivée dans la mauvaise langue ?

Parce que le site l’a servie ainsi. Beaucoup de sites choisissent la version affichée d’après la langue déclarée par le navigateur ou d’après le pays de connexion, sans toujours le signaler. L’extension capture ce que votre navigateur a affiché : si la page était en anglais à l’écran, elle sera en anglais dans le fichier.

Réglez la langue du navigateur sur la langue source, rechargez la page, vérifiez à l’œil, puis capturez. C’est exactement la précaution qu’il a fallu prendre pour mesurer l’extraction sur les cinquante premiers sites de douze pays européens – sans elle, la moitié du corpus répondait en anglais.

Pourquoi mes segments contiennent-ils des barres obliques inverses ?

Parce que certains caractères ont un sens en Markdown et doivent être protégés pour rester du texte. Une astérisque, un tiret bas ou un crochet au milieu d’une phrase sont précédés d’une barre oblique inverse, qui disparaît à l’affichage mais reste visible dans un éditeur de segments.

Deux façons de faire : traiter ces caractères comme des balises non traduisibles dans votre outil, ou copier le texte depuis la vue Lecture de la fenêtre, qui l’affiche sans aucun symbole. Le second chemin perd la structure des titres, il ne vaut que pour des passages courts.

Pourquoi les deux colonnes d’une page bilingue se suivent-elles ?

Parce qu’une mise en page en colonnes est une grille de positionnement, pas un tableau de données. Ces grilles sont dépliées et leur contenu est restitué dans l’ordre du document : la version A d’abord, la version B ensuite. Les reproduire en tableau donnerait une grille cassée dès la première cellule contenant plusieurs paragraphes.

Pour l’alignement, capturez plutôt chaque version depuis sa propre adresse, quand le site en propose une par langue. Vous obtenez deux fichiers de même structure, ce qui est le point de départ dont un outil d’alignement a besoin.

Pourquoi mon outil refuse-t-il le fichier ?

Parce que la sortie est du Markdown, et que tous les outils de TAO ne le prennent pas nativement. Le fichier est du texte encodé en UTF-8, avec une extension .md : les outils qui acceptent le texte brut ou le Markdown l’ouvrent tel quel, les autres demandent une conversion préalable.

Il n’y a ni XLIFF, ni TMX, ni aucun format d’échange en sortie, et ce n’est pas prévu : l’extension prépare le texte source, la chaîne de production reste la vôtre. Testez l’import sur une page avant d’en capturer cinquante.

Ce qu’il ne fait pas

Il ne traduit rien et n’aligne aucune paire de langues : il prépare le texte source, un point c’est tout. Il n’exporte ni XLIFF, ni TMX, ni aucun format d’échange – la sortie est du Markdown. Il ne segmente pas le texte, ce travail reste celui de votre outil. Et il ne capture qu’une page à la fois, celle que vous avez sous les yeux, sans robot d’exploration ni traitement par lots.

Questions