Vitalii Vlasiuk
Cofondateur
Cofondateur de Transept, écrivant sous le nom de « Mevkh ». Un diplôme en langue et littérature, puis un virage vers le logiciel : ingénieur IA senior déployant des fonctionnalités LLM en production pour plus de 50 000 utilisateurs — RAG, outils d'agents, évaluation LLM-as-judge. Romancier à ses heures, avec 120 000 mots de fantasy romantique et satirique dans un tiroir. La friction entre la traduction par IA et sa propre prose est ce qui a déclenché toute cette aventure.
4 articles
La post-édition de traduction automatique (MTPE) : définition, fonctionnement et comment l'optimiser
Guide pratique de la post-édition de traduction automatique (MTPE) : post-édition légère ou complète, pourquoi la TA brute a toujours besoin de l'humain, comment mesurer la qualité — et pourquoi le modèle classique « traitement par lots, puis nettoyage » est souvent inadapté, ainsi que le flux de travail itératif alimenté par la mémoire, plus performant tant en qualité qu'en coût.
La mémoire de traduction : définition, fonctionnement et enjeux pour la localisation par IA
Une mémoire de traduction conserve les segments déjà validés par votre équipe. Nous avons cherché à comprendre ce que devient la MT quand le traducteur est un LLM, comment les outils du marché mémorisent (ou oublient), et le pari que nous avons fait chez Transept : la mémoire comme contexte de décision.
À quel point la traduction par IA réfléchit-elle vraiment ?
Nous avons tenté de gérer le budget de réflexion de Gemini 3 comme nous le faisions pour Gemini 2.5. Mais le fonctionnement a changé. Voici ce que nous avons mesuré à la place — et ce que cela implique pour la qualité et le coût de la traduction par IA.
Bienvenue sur Le Journal
Pourquoi nous avons commencé à écrire ici, ce que vous y trouverez et une petite invitation à revenir.
