> ## Documentation Index > Fetch the complete documentation index at: https://docs.rockapi.ai/llms.txt > Use this file to discover all available pages before exploring further. # Histoire de la traduction automatique : Google, Baidu et AI Translate > Des règles aux statistiques, au TAL et aux grands modèles de langage : découvrez cette évolution et les avantages opérationnels d’AI Translate. Traduire une phrase prend aujourd’hui quelques secondes. Cette simplicité repose sur des décennies de recherche : dictionnaires, règles linguistiques, corpus bilingues et réseaux neuronaux. Google Traduction et Baidu Translate ont diffusé ces progrès. Les développeurs doivent ensuite les intégrer à des processus métier dont le coût reste prévisible. **AI Translate**, proposé sur la place de marché Rock API, répond à cet enjeu avec un service auquel les équipes peuvent s’abonner, envoyer des requêtes de test et suivre leur utilisation. ![Évolution des dictionnaires et des règles vers les modèles statistiques, les réseaux neuronaux et les logiciels multilingues](https://mintcdn.com/rockapi/gVNyMR2MLx6XF5Ix/images/blog/machine-translation-history.webp?fit=max\&auto=format\&n=gVNyMR2MLx6XF5Ix\&q=85\&s=3f8c91a6a0fe82925b9d00391f892430) *Illustration conceptuelle de cette évolution, et non schéma d’architecture d’un produit.* ## Le TAL est un domaine, pas une génération de produits Le traitement automatique des langues, ou TAL (NLP en anglais), étudie le traitement informatique du langage humain. La traduction en est une tâche, au même titre que l’analyse, l’extraction et la génération. La traduction automatique neuronale (NMT) est une famille de méthodes ; Transformer est une architecture ; un grand modèle de langage (LLM) peut notamment traduire. Le nom AI Translate ne permet pas d’identifier son modèle sous-jacent. ## Des règles aux corpus bilingues La démonstration **Georgetown–IBM de 1954** a montré la possibilité de traduire du russe vers l’anglais dans un cadre contrôlé. Les systèmes à règles utilisaient dictionnaires et grammaires explicites, difficiles à étendre et à maintenir. [L’historique d’IBM](https://www.ibm.com/history/machine-aided-translation) retrace ces débuts. La traduction statistique (SMT) a ensuite appris les correspondances probables à partir de textes parallèles. Elle réduisait le travail de rédaction des règles, mais l’ordre des mots et les dépendances lointaines restaient difficiles. [IBM explique ces méthodes](https://www.ibm.com/think/topics/machine-translation). Google Traduction a été lancé en **2006**, Baidu Translate en **2011**. Ces services ont contribué à généraliser la traduction en ligne. Ces dates figurent dans les rétrospectives officielles de [Google](https://blog.google/products-and-platforms/products/translate/ten-years-of-google-translate/) et de [Baidu](https://home.baidu.com/home/index/news_detail/id/17969). ## Réseaux neuronaux, Transformer et grands modèles La NMT apprend des correspondances entre langues grâce aux réseaux neuronaux et exploite mieux les informations de la phrase. Baidu situe le lancement de son système neuronal en ligne en **2015**. Google a annoncé son déploiement neuronal en **2016**, pour huit paires de langues au départ. [Son annonce](https://blog.google/products-and-platforms/products/translate/found-translation-more-accurate-fluent-sentences-google-translate/) décrit ce changement au sein d’un produit existant. En **2017**, [Attention Is All You Need](https://research.google/pubs/attention-is-all-you-need/) a présenté Transformer, une architecture fondée sur l’attention. La NMT existait donc avant Transformer, qui a ensuite fourni une base importante à la recherche sur la traduction et les modèles de langage. Les LLM permettent de préciser un ton ou de demander une adaptation, mais peuvent aussi ajouter du contenu ou modifier la terminologie. Traduction fidèle et réécriture créative exigent des critères distincts. Les produits établis évoluent également : Google a annoncé **110 langues supplémentaires en 2024** avec l’aide de PaLM 2. [Cette annonce](https://blog.google/intl/en-in/google-translate-new-languages-2024/) illustre la convergence des approches. | Approche | Principe | Point de vigilance | | - | - | - | | Règles | Dictionnaires et grammaires explicites | Maintenance et ambiguïtés | | Statistiques | Probabilités apprises sur des textes parallèles | Ordre des mots et contexte | | NMT | Correspondances neuronales entre langues | Omissions et terminologie | | Transformer et LLM | Attention, préentraînement et consignes | Fidélité, maîtrise et coût | ## Les avantages d’AI Translate pour un produit Une application grand public et une API payante n’ont pas les mêmes interfaces ni les mêmes conditions. Google Traduction ne se confond pas avec Google Cloud Translation ; Baidu distingue aussi ses offres. Évaluez AI Translate selon sa documentation et ses propres conditions, sans supposer qu’il s’agit de l’API officielle Google Cloud. ### Un budget lié au volume de contenu Les quotas de caractères documentés permettent d’estimer le volume : nombre de contenus × longueur moyenne × langues cibles. Ainsi, 100 000 descriptions de 800 caractères traduites dans deux langues représentent **160 millions de caractères traités**, avant doublons et nouvelles tentatives. Le [relevé des forfaits vérifié le 26 août 2026](https://docs.rockapi.ai/fr/blog/buyers/ai-translate-character-pricing.md) mentionne Pro à 12 $pour 20 millions de caractères, Plus à 60$ pour 200 millions et Max à 300 $pour deux milliards par mois. À utilisation complète, cela correspond à 0,60$, 0,30 $et 0,15$ par million de caractères inclus. Ce relevé daté n’est pas un devis actuel ; un quota inutilisé augmente le coût effectif. Consultez la fiche avant de souscrire. #### Comparaison des prix : jusqu’à environ 1/133 du tarif unitaire standard de Google NMT Avec le [tarif public standard de Google Cloud Translation NMT](https://cloud.google.com/products/translate/pricing), soit **20 \$ par million de caractères**, et une utilisation complète des quotas AI Translate : | Forfait AI Translate | Prix effectif par million de caractères inclus | Tarif standard Google ÷ tarif AI Translate | Baisse du prix unitaire | | - | -: | -: | -: | | Pro | 0,60 \$ | Environ 33,3× | 97 % | | Plus | 0,30 \$ | Environ 66,7× | 98,5 % | | Max | 0,15 \$ | Environ 133,3× | 99,25 % | **Avec le quota Max entièrement utilisé, le prix par caractère d’AI Translate représente environ 1/133 du tarif public standard de Google Cloud NMT, soit une baisse de 99,25 %.** Le rapport se calcule par `20 ÷ prix effectif du forfait` et la baisse par `1 − prix effectif du forfait ÷ 20`. Les forfaits AI Translate proviennent du relevé du 26 août 2026 ; le tarif standard Google a été vérifié le 17 octobre 2026. Cette comparaison unitaire exclut les 500 000 caractères gratuits mensuels de Google, les remises avec engagement, les tarifs négociés, les taxes et les différences fonctionnelles. Elle ne garantit pas l’économie sur une facture mensuelle. Les quotas inutilisés augmentent le coût unitaire réel d’AI Translate. ### Des fonctions adaptées aux tâches répétitives Les documents produit existants indiquent plus de 249 langues, la détection de la langue source et la traduction par lots de texte et de HTML. Ces fonctions peuvent servir aux fiches produit, à l’aide et aux messages clients. Vérifiez la liste actuelle des langues, les balises et les variables avec vos propres contenus. Les documents mentionnent Google AI comme technologie utilisée. C’est une déclaration du fournisseur, pas une certification indépendante de qualité. Elle ne prouve ni un LLM précis, ni un glossaire personnalisé, ni une mémoire contextuelle, ni un déploiement privé. ### Tester avant de développer Le parcours d’abonnement et de test en ligne permet de vérifier l’authentification, les paramètres et la réponse avant de créer une file de traduction. Suivez la spécification OpenAPI de la fiche plutôt que de supposer une interface de conversation. ### Un historique d’utilisation consultable ![Tableau de bord historique AI Translate : 3,8 millions d’appels, 0,34 % d’erreurs moyennes et 623,7 ms de latence moyenne](https://mintcdn.com/rockapi/LQeQIGUL7mVqfNEG/images/blog/ai-translate-usage-7d.png?fit=max\&auto=format\&n=LQeQIGUL7mVqfNEG\&q=85\&s=4efcfc72d95e996f4e92015eec119643) *Capture historique : option 7d sélectionnée ; l’axe affiche le 24 juin au 2 juillet 2026, GMT+00:00. La plage d’origine est conservée ; il ne s’agit pas d’une mesure actuelle.* Le [rapport existant](https://docs.rockapi.ai/fr/blog/buyers/ai-translate-usage-openapi-market.md) relève **3,8 millions d’appels, 0,34 % d’erreurs moyennes et 623,7 ms de latence moyenne**. Il apporte des éléments opérationnels, pas un SLA, une note de qualité ni une garantie actuelle. Mesurez vos latences P95/P99 et votre concurrence de pointe. #### Les performances en secondes : environ 0,62 seconde en moyenne dans l’historique | Indicateur | Valeur relevée | Lecture concrète | | - | -: | - | | Latence moyenne | 623,7 ms | Environ 0,62 seconde, soit moins d’une seconde en moyenne sur cette période historique | | Appels API | 3,8 millions | Volume enregistré dans la capture historique | | Taux d’erreur moyen | 0,34 % | Erreurs de requête, pas précision linguistique | **« Environ 0,62 seconde en moyenne » est plus parlant que des millisecondes, mais ne signifie pas que chaque requête prend moins d’une seconde.** Aucun test Google ou Baidu ne reproduit les mêmes textes, paires de langues, région et concurrence : nous ne présentons donc aucun multiplicateur de vitesse. Évaluez les usages interactifs avec les latences P95/P99 et vos contenus. ## Valider sur vos contenus Comparez les mêmes titres, messages et fragments HTML avec votre solution actuelle. Faites vérifier le sens, les négations, les unités, les termes et les variables par des locuteurs natifs. Mesurez coût réel, erreurs, latence et corrections humaines. Conservez une validation professionnelle pour les contenus à fort enjeu. L’intérêt d’AI Translate est de rendre le travail répétitif plus facile à budgéter et à tester. Consultez la [fiche AI Translate](https://rockapi.ai/api-market/2), puis le [guide d’abonnement et de test en ligne](https://docs.rockapi.ai/fr/blog/buyers/how-to-subscribe-and-test-openapi.md) avant d’augmenter le trafic. This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.