VOICEPRINT
Où suis-je dans ce flux ?
Aujourd’hui, un texte peut passer par une autre langue, un modèle d’AI, l’édition, l’adaptation — et revenir presque impeccable.
Grammaticalement correct.Naturel.Fluide.Parfois même plus littéraire que l’original.
Et c’est précisément là que le problème commence.
Un texte peut devenir meilleur après ce type de traitement. Parfois, c’est précisément cela qui constitue la perte.
Car à un moment donné, la question n’est plus :
« Est-ce une bonne traduction ? »
Elle devient :
« Est-ce que j’y suis encore ? »
Comment tout a commencé
Continuer l’histoire ↓
Dans le pays où je vivais alors, je ne pouvais pas publier librement une grande partie de ce sur quoi j’écrivais — ni la manière dont je regardais l’être humain, la société, la vie et la réalité.
La voie la plus évidente — écrire un livre et le publier là-bas — m’était donc pratiquement fermée.
Il restait une autre voie : dépasser une seule langue.
Mais cela apportait un autre problème.
Je ne connaissais pas assez bien les langues étrangères pour y porter moi-même un texte littéraire et philosophique complexe.
Et la traduction professionnelle d’œuvres longues coûtait tellement cher que ce n’était pas une option réaliste pour moi.
Les textes pouvaient donc rester des années dans des carnets, des fichiers et des brouillons.
Non parce que je ne voulais pas les amener aux lecteurs.
Je ne voyais simplement aucun moyen réaliste de le faire.
Avec l’arrivée des systèmes modernes d’AI, la situation a commencé pour la première fois à changer.
Il est devenu possible de travailler avec de grands volumes de texte, de rassembler des matériaux dispersés, de maintenir structure et terminologie, de revenir à des décisions prises des dizaines ou des centaines de pages auparavant, et de traduire et transcréer des œuvres dans d’autres langues.
Ce qui exigeait autrefois la maîtrise d’autres langues, une grande équipe et de l’argent que je n’avais pas est soudain devenu réalisable en pratique.
Au début, cela ressemblait presque à une libération.
J’ai commencé à montrer des textes traduits à des personnes connaissant bien la langue cible et à leur demander s’ils sonnaient naturellement, s’ils semblaient produits par une machine, s’il y avait des erreurs ou des passages étranges.
Et peu à peu, une chose est devenue claire :
AI était déjà capable de produire un texte qu’un locuteur natif pouvait juger bon, naturel et littéraire.
On pourrait croire que le problème était résolu.
Mais c’est alors qu’un autre est apparu.
Qui parle ?
Quelqu’un qui lit le texte français peut me dire :
« Oui, c’est du bon français. »
Mais sait-il ce qu’il était précisément important de préserver dans l’original russe ?
Pourquoi ai-je écrit cette phrase de cette façon ?
Pourquoi ai-je répété plusieurs fois le même mot ?
Pourquoi ai-je laissé la phrase lourde ?
Pourquoi le personnage parle-t-il durement ?
Pourquoi quelque chose a-t-il été délibérément laissé non-dit ?
Pourquoi ai-je choisi cette métaphore alors qu’une autre aurait pu être plus belle ?
Pour quelqu’un qui ne voit que la traduction finale, tout cela peut ne pas exister du tout.
Mais il y avait un problème encore plus étrange.
Je ne connaissais pas moi-même la langue cible assez bien pour vérifier tout cela.
Autrement dit, j’avais besoin d’AI pour porter mon texte dans une autre langue.
Puis j’avais besoin d’AI à nouveau — cette fois pour m’aider à comprendre ce qui était réellement arrivé à mon texte pendant ce transfert.
Je lui demandais de comparer les versions.
D’expliquer les différences.
De revenir à l’original.
De signaler les pertes possibles de sens.
De vérifier la terminologie.
De rappeler les décisions antérieures.
De comparer des scènes écrites très loin les unes des autres.
Cela devint un processus assez étrange :
J’utilisais AI pour utiliser AI afin de vérifier le travail d’AI.
Mais je n’avais tout simplement aucun autre moyen de voir ce qui se passait.
Et peu à peu, j’ai compris : je n’avais pas besoin d’un « meilleur traducteur ».
J’avais besoin d’un processus dans lequel je puisse moi-même comprendre ce qui arrivait à mon livre.
ATP est venu d’abord
C’est ainsi qu’est apparu Ashraellen Transcreation Protocol — ATP.
Ce fut la première tentative d’organiser le travail dans un système que je pouvais moi-même comprendre.
Nous avons comparé différentes manières de transporter un texte : traduction ordinaire, transcréation plus libre avec AI et travail via ATP.
Nous avons essayé des chats AI séparés.
Comparé les résultats.
Vérifié dans quelle mesure le sens, la terminologie, la structure, la voix et les décisions déjà acceptées étaient préservés.
ATP a progressivement cessé d’être seulement un ensemble d’instructions.
Il a acquis son propre dépôt public, sa documentation, ses versions et son DOI.
Mais travailler avec lui a conduit au problème suivant.
Un terme peut être vérifié.
Une structure peut être comparée.
Un sens perdu peut lui aussi être retrouvé.
Mais comment vérifier l’auteur ?
Où suis-je ?
C’est ici que la question a cessé de concerner seulement la traduction.
Supposons qu’AI n’ait pas perdu les faits.
N’ait pas confondu les personnages.
Ait transmis correctement le contenu.
Le texte se lit bien.
Un locuteur natif dit qu’il sonne naturel.
Mais est-ce suffisant ?
À quel moment une traduction cesse-t-elle d’être mon livre pour devenir une très bonne version de la façon dont AI a compris mon livre ?
Et puis-je seulement voir cette frontière si je ne connais pas moi-même assez bien la langue du résultat ?
C’est de là qu’est né pour moi Voiceprint.
Non du désir de créer une nouvelle technologie.
Mais d’une question beaucoup plus personnelle :
Où suis-je dans tout ce flux de transformations ?
Auteur
Un auteur n’est pas un ensemble de belles phrases
Il est vite devenu clair que la présence de l’auteur ne peut pas être réduite au seul style.
Ce n’est pas un ensemble de mots favoris.
Ni un nombre de longues phrases.
Ni quelques tournures caractéristiques que l’on pourrait montrer à un modèle avec l’instruction « écris comme ça ».
L’auteur est aussi dans les décisions.
Dans ce qu’il a laissé.
Dans ce qu’il a retiré.
Dans ce qu’il a délibérément choisi de ne pas expliquer.
Dans la répétition.
Dans le rythme.
Dans la métaphore.
Dans la dureté.
Dans une phrase étrange.
Dans l’ambiguïté.
Dans une erreur qui, pour l’auteur, n’en est plus une.
Et même à l’endroit précis qu’un bon éditeur voudrait le plus corriger.
C’est pourquoi un principe est apparu et m’accompagne depuis :
L’auteur a le droit de ne pas être amélioré.
Quand un texte correct devient faux
AI est très forte pour normaliser.
Transformer l’étrange en familier.
Le lourd en léger.
L’irrégulier en lisse.
L’ambigu en clair.
L’inhabituel en quelque chose de plus attendu.
Dans beaucoup de tâches, c’est un avantage.
Mais en littérature, un paradoxe apparaît.
Plus un texte devient bon selon des critères généraux, plus il peut parfois s’éloigner d’un auteur particulier.
La fluidité n’est donc pas la même chose que la fidélité.
Une bonne prose française et mon livre en français ne sont pas nécessairement la même chose.
L’humain reste la source du sens
Peu à peu, une frontière simple s’est formée autour du travail :
human-authored / human-directed / AI-assisted
AI peut traduire.
Proposer des alternatives.
Comparer.
Chercher des divergences.
Vérifier la terminologie.
Se souvenir des décisions.
Restaurer le contexte.
Signaler une possible perte de sens.
Elle peut prendre en charge une énorme quantité de complexité.
Mais la décision finale sur ce qu’est réellement l’œuvre reste à l’auteur.
Pour moi, je le formule encore plus simplement :
La complexité peut être déléguée. L’autorité canonique ne le peut pas.
Processus
Puis un seul protocole ne suffisait plus
Plus le travail s’allongeait, plus un autre problème devenait évident.
Un livre ne peut pas tenir ensemble grâce à un seul bon prompt donné à AI.
Avec le temps, une œuvre développe sa propre histoire de décisions.
Pourquoi ce nom a-t-il été traduit ainsi ?
Pourquoi ce terme ne peut-il pas être remplacé ?
Pourquoi une phrase similaire cent pages plus tôt a-t-elle été traitée autrement ?
Pourquoi ce personnage doit-il employer précisément ce mot ?
Quelle version n’était qu’une proposition ?
Laquelle a passé la vérification ?
Et laquelle a déjà été acceptée par l’auteur ?
Il est devenu clair que le texte lui-même n’était pas la seule chose à préserver.
L’histoire des décisions autour du texte doit elle aussi être conservée.
Voiceprint a progressivement commencé à passer d’une question à un processus de travail.
De Voiceprint à l’Engine
Les étapes suivantes sont apparues pour des raisons très pratiques.
Voiceprint a conduit à Voiceprint Engine 2.0 — une tentative de séparer la transcréation elle-même, sa vérification, l’état du travail et l’acceptation du résultat.
Le travail avec Engine 2.0 a révélé la faiblesse suivante : le système ne devait pas être construit autour d’un livre particulier ni contenir le projet littéraire en lui-même.
Cela a conduit à la version actuelle — Voiceprint Engine 2.1.
Son principe est beaucoup plus simple que son architecture interne :
L’Engine gère le processus.
Le projet contient l’œuvre.
L’auteur définit le canon.
Engine 2.1 n’est pas un projet littéraire distinct et ne doit pas devenir propriétaire du texte. Il organise le processus autour du projet sur lequel je travaille à ce moment-là.
Même le fait de réussir une vérification interne ne transforme pas automatiquement un texte en canon de l’auteur.
La décision finale reste un acte d’auteur séparé.
Ce que c’est devenu
À une étape, Voiceprint a également été envisagé comme une possible direction de recherche indépendante.
Nous avons étudié les approches existantes, les avons comparées avec ce qui prenait forme dans notre propre travail, et peu à peu il est devenu clair que beaucoup d’idées et de mécanismes similaires existent déjà.
Parfois sous une autre forme.
Parfois pour d’autres tâches.
Parfois de façon beaucoup plus profonde et techniquement plus complexe.
Pour moi, cela s’est révélé utile.
Il a cessé d’être important de prouver que Voiceprint était une technologie nouvelle ou qu’il devait être meilleur que d’autres systèmes.
Et il n’y avait aucune raison d’en faire un produit séparé simplement parce qu’il s’était, à un moment, développé comme projet indépendant.
Aujourd’hui, il fait simplement partie de mon infrastructure de travail.
Il m’aide à travailler avec le texte, la langue, la mémoire des décisions et AI d’une manière qui me permet de comprendre par moi-même ce qui arrive à l’œuvre.
Cela suffit.
MONOLITH
L’un des principaux environnements réels dans lesquels tout cela a été mis à l’épreuve est devenu la trilogie MONOLITH — BETON, SLUDGE et GAS.
Elle n’a pas été créée pour Voiceprint.
C’est une œuvre littéraire indépendante.
Mais un grand livre révèle très vite des problèmes presque impossibles à voir dans un seul paragraphe.
Une décision prise aujourd’hui peut changer le sens d’une scène deux cents pages plus loin.
Un nom.
Une répétition.
Une image.
Un terme.
Le ton d’un personnage.
Un lien avec le premier volume qui ne devient clair que dans le troisième.
Dans une œuvre longue, la traduction doit faire plus que connaître la langue.
Elle doit se souvenir du livre.
Et je dois pouvoir comprendre de quoi exactement elle se souvient et pourquoi elle prend une décision plutôt qu’une autre.
Ouvrir la trilogie →Et pourtant — où suis-je ?
Au départ, la question était assez simple :
Suis-je encore dans le texte traduit ?
Mais plus je travaillais ainsi, plus le processus lui-même devenait étrange.
Je formule une pensée.
AI me la renvoie légèrement différente.
Je la regarde et remarque quelque chose que je n’avais pas vu moi-même auparavant.
Je discute avec elle.
Je corrige.
Je la renvoie.
Certaines décisions sont conservées.
Plus tard, une autre conversation ou un autre système reçoit une partie de ce contexte.
Le travail continue.
Et à un moment, il devient difficile de tracer une ligne simple :
Ça, c’était moi, et ça, c’était la machine.
Cela ne signifie pas qu’AI devient l’auteur de mon livre.
Pour moi, la frontière d’auteur reste assez claire.
Mais le processus de compréhension devient plus complexe.
Une pensée peut passer par moi, le texte, AI, une mémoire conservée, une autre conversation — puis revenir à moi.
Parfois déjà sous une forme qui me fait modifier ma propre conclusion initiale.
Et alors l’ancienne question de Voiceprint commence à sonner un peu autrement.
Pas seulement :
« Suis-je encore dans le texte ? »
Mais aussi :
« Où se trouve réellement la compréhension si une pensée se développe à travers plusieurs maillons humains et technologiques ? »
Dans la personne ?
Dans le texte ?
Dans le modèle ?
Dans l’histoire conservée des décisions ?
Dans le lien entre eux ?
Ou dans la continuité du processus lui-même ?
Je ne le sais pas encore.
Et c’est peut-être précisément pour cela que la question continue de m’intéresser.
Ce qui doit rester
Les technologies changeront.
Les modèles d’AI deviendront différents.
Ce qui doit aujourd’hui être construit à la main pourra demain devenir une fonction ordinaire d’un outil.
Voiceprint Engine changera presque certainement lui aussi.
C’est normal.
Je n’ai pas besoin qu’il reste spécial pour toujours.
J’ai besoin d’autre chose.
Qu’un livre puisse traverser une langue.
Que la complexité puisse être confiée au système.
Qu’une erreur puisse être détectée.
Qu’une décision puisse être retrouvée.
Que le travail puisse continuer.
Que je puisse utiliser AI même là où je ne connais pas moi-même la langue assez bien — sans lui donner le droit de décider silencieusement à ma place de ce que je voulais dire.
Et qu’au terme de tout cela, je puisse encore regarder le texte et dire :
Oui. C’est moi qui ai écrit cela.
Poursuivre la conversation
Contact
Si vous souhaitez discuter de mon travail, partager une observation ou proposer une collaboration, vous pouvez m’écrire directement.