L'étude qui valait 10 millions de clics
Le 10 mars, DeepL a sorti son grand rapport annuel, "Borderless Business: Transforming Translation in the Age of AI". Un titre pompeux pour une conclusion d'une banalité confondante : les entreprises sont mauvaises en langues. La pépite statistique brandie comme une révélation ? 83% des organisations seraient "en retard" dans l'adoption de l'IA pour leurs opérations multilingues. Autant dire que DeepL a commandé une étude pour confirmer son propre marché potentiel. Malin.
Traduction : le parent pauvre du budget IA
Le rapport, basé sur un échantillon dont la méthodologie reste aussi floue qu'une traduction automatique des années 2000, pointe du doigt l'évidence : pendant que les directions tech se pâment devant des LLM générateurs de slides PowerPoint, les processus qui touchent les ventes, le support client, le juridique ou la conformité baignent encore dans le copier-coller Google Translate. L'ironie est savoureuse : on automatise la création de contenu, mais pas sa localisation. On investit des millions dans des chatbots qui hallucinent, mais on refuse les crédits pour un moteur de traduction décent.
Le syndrome du "ça marche déjà"
La vraie raison derrière ce retard ? Une combinaison toxique de silos organisationnels et de complaisance technologique. La traduction est souvent externalisée à des agences coûteuses ou confiée à des collaborateurs bilingues sous-payés. Pour beaucoup de dirigeants, tant que le contrat est signé et que le client ne se plaint pas trop, le système est considéré comme « fonctionnel ». DeepL, bien sûr, propose la solution : plus d'IA, notamment la leur. Quelle surprise.
Qui y gagne ? (Indice : regardez qui publie l'étude)
Ne soyons pas dupes. Ce type de rapport « indépendant » est avant tout un outil de marketing B2B haut de gamme. Il sert à créer un sentiment d'urgence (« 83% sont en retard ! ») pour pousser à l'achat. DeepL se positionne en sauveur face à un problème qu'elle contribue à médiatiser. Le cercle est vertueux... pour leur compte en banque. Pendant ce temps, les vrais problèmes — la qualité des données d'entraînement, les biais culturels, la sécurité des documents traduits — sont relégués en annexe.
La bulle de l'IA rencontre le mur des processus
Le rapport DeepL est symptomatique d'une époque : on est obsédé par la puissance de l'outil, mais on ignore superbement son intégration. Acheter une licence API est simple. Changer les habitudes de travail de centaines d'employés, sécuriser les flux, garantir la qualité légale des traductions, c'est une autre paire de manches. Les 83% « en retard » ne sont pas des dinosaures technophobes. Ce sont souvent des organisations qui ont regardé le coût réel — pas seulement la licence — et ont freiné des quatre fers.
La conclusion est moins rose que ne le vend DeepL : l'IA linguistique ne deviendra mainstream que lorsqu'elle sera aussi fade et fiable qu'un processeur de texte. En attendant, les entreprises continueront de payer cher des humains pour corriger les sottises des machines. Et DeepL continuera de publier des rapports pour nous le rappeler.