Réinvention
Localisation
pour l’ère de l’IA
Des leaders de Spotify, IBM, IHG Hotels & Resorts, Docusign, SumUp et bien d’autres se sont joints à la programmation de la Global Ready Conference cette année pour partager leurs approches afin de fournir des traductions de qualité à l’échelle de l’IA. Toutes les sessions sont maintenant en streaming à la demande.
Ce que nous avons couvert :
Comment faire fonctionner une meilleure IA : voyez comment des équipes mondiales performantes réussissent à la faire fonctionner
Comment rester en avance : soyez les premiers à savoir ce qui est nouveau et où Smartling s’en va en 2026
Build vs. Buy : comment sélectionner le bon cadre de localisation pour votre organisation
Dans toutes les régions et secteurs, les gestionnaires de localisation mènent le même combat : être recrutés en retard, peiner à prouver le retour sur investissement aux parties prenantes qui pensent selon des indicateurs différents, et voir les dirigeants recourir à des outils d’IA génériques tout en minimisant l’expertise que les équipes de localisation ont développée au fil des ans. Ce panel réunit des praticiens qui sont passés de la réaction à la proactivité — bâtissant de solides relations exécutives, traduisant l’impact de la localisation en chiffres réellement réussis, et repositionnant leurs équipes d’une fonction de soutien à un moteur stratégique de la croissance mondiale.
La plupart des équipes produit considèrent la localisation comme un transfert en aval — quelque chose qui se produit après que les véritables décisions produit ont été prises. Michelle Kerr, directrice de la transformation produit chez IHG Hotels & Resorts, partage comment son équipe a reconfiguré cette hypothèse à partir de zéro : déplacer la traduction en amont dans le CMS, construire une infrastructure qui aligne le contenu vers la bonne méthode de traduction à grande échelle, et permettre à ce que le contenu provienne de n’importe quelle langue plutôt que de revenir par défaut à l’anglais d’abord. Elle partage aussi ce qui s’est passé lorsqu’une firme de consultation a suggéré qu’ils pourraient simplement utiliser une solution LLM générique, et ce que ce moment a révélé sur les limites de l’IA générique pour des opérations complexes et à fort volume de contenu.
Le programme SkillsBuild d’IBM devait atteindre rapidement des apprenants dans plus de pays. Mais la traduction entièrement automatisée par IA n’était pas la solution : le contenu était technique, les apprenants avaient seulement 14 ans, et la qualité ne pouvait pas être compromise. Bruno Goncalves, stratège mondial des programmes et responsable mondial de l’expérience d’apprentissage chez IBM, explique comment son équipe est passée d’un flux de travail manuel à copier-coller dans des documents Word à un système évolutif et humain dans la boucle, gérant 2 000 heures de contenu traduit dans 13 langues — avec une équipe de moitié plus nombreuse. Il couvre l’approche de gestion des fichiers SCORM/Rise/Storyline, comment ils ont construit la mémoire de traduction à partir de zéro pour le contenu L&D, et comment ils ont résolu la prise en charge de la langue arabe de droite à gauche — un défi pour lequel ces outils n’ont pas été conçus dès la sortie de la boîte.
Les plus gros décharges sur un programme de localisation n’ont souvent rien à voir avec la traduction. Au lieu de cela, ils sont en amont : des tâches soumises avec des fautes de frappe, du contexte manquant ou sans documentation, du contenu qui pollue la mémoire de traduction, et des boucles de rework qui consomment de la bande passante de l’équipe. Rossella Barry d’AllTrails et Verónica Celdrán de Taskrabbit partagent comment elles ont abordé ces problèmes de front, de la création de l’autorisation de première tentative comme un KPI interfonctionnel à l’application des normes de soumission entre les équipes — et comment elles ont rendu ce travail visible aux dirigeants.
L’IA avance plus vite que la plupart des équipes de localisation ne peuvent l’évaluer — et c’est l’écart entre l’expérimentation et la mise à l’échelle réelle que la plupart des programmes bloquent. Dans ce panel franc de praticiens, des leaders en localisation de Spotify, SAS, Rover.com et SumUp partagent ce qui fonctionne à grande échelle, où ils ont échoué, ce qu’ils ont appris, et comment ils prennent des décisions technologiques lorsque le paysage change d’une semaine à l’autre. Attendez-vous à des exemples précis, des échecs honnêtes et une discussion franche sur ce que cela signifie réellement pour le rôle de l’équipe de localisation lorsque l’IA commencera à prendre en charge davantage la production.
Restez en avance sur la concurrence
Regardez les sessions de cette année pour en apprendre plus sur tout, de la gouvernance de l’IA et l’adhésion des dirigeants aux décisions build-vs-buy et à l’automatisation de la mise à l’échelle en pratique. Des praticiens de Spotify, IHG, Docusign, SumUp et d’autres ont partagé ce qui fonctionne réellement pour leurs équipes — et ce qui ne fonctionne pas.