Pure Neural™ Machine Translation (PNMT™) Beta Test

by Lori Thicke Founder & CEO at Lexcelera


Yesterday I translated our company presentation with Systran’s new Pure Neural™ Machine Translation (PNMT™) engine, and I was amazed at the results.

The presentation in question was a complete overview of all of our services, 59 pages of French text that was edited three separate times to make sure the quality was perfect. (Thanks Faten, Boris and Laurence!)

Then, two days ago, just as I was putting the finishing touches on the presentation for a response to an RFP (Request For Proposals), I found out that our prospective client (a major French manufacturer) wanted our response in English. I had just one day to deliver 59 pages of perfect English content!

Let me give you some background to explain why I, the CEO of a translation company, decided to use Neural Machine Translation for one of our most important commercial documents for one of our most important tenders.

Read more

Secure Automated Translation: an essential tool for data governance in accordance with Basel & Solvency requirements

Read the article in French

Secure Automated Translation

Following the publication of the Basel (II and III) and Solvency Regulations, implementing Governance, Risk and Compliance (GRC) practices within financial institutions has gained predominance. To meet the challenges of data governance stated in the pillars of these regulations, companies have multiplied their efforts to recruit the best in GRC concerning Risk Management, Internal control, Internal Audit and Compliance.

According to a study conducted by the consulting company Optimind Winter and mandated by the Observatoire des métiers de la Banque (Banking Career Observatory)[1], “Banking companies are also victims of new risks and must create new job profiles to deal with these new challenges. GRC departments must face new challenges, such as coverage of systemic risk, development of Cloud Computing or Mobile Bank (technological nomadism).” Here, we refer to digitalizing the banking sector and using the Internet to manage personal bank accounts. Banks and insurance companies have thus implemented solutions to protect their customers’ data against cyber-attacks. While the efforts made to secure customer data have proven effective, the threat now lies within financial companies in their daily workflow.

Along with new working methods, a new phenomenon has emerged, known as “Shadow IT,” which is any application or method of transmitting information used in a business process without the endorsement of the internal IS department. Often unaware of its existence, IT departments don’t provide any support. Such processes generate "informal" and non-controlled data that can contravene existing standards and regulations such as Basel and Solvency. Continue reading

La traduction automatique sécurisée : un outil essentiel pour une gouvernance des données conforme aux réglementations Bâle & Solvabilité

Lire l’article en anglais

Traduction automatique sécurisée

La mise œuvre de pratiques industrialisées de « Gouvernance, Risques et Conformité » (GRC) au sein des institutions financières, a pris une place prépondérante depuis l’implémentation des réglementations Bâle (II puis III) et Solvabilité. Pour répondre à l’enjeu de bonne gouvernance des données, stipulé dans les piliers de ces réglementations, les entreprises multiplient les efforts pour recruter les meilleurs dans le domaine de la GRC – Gestion des Risques au sens large, du Contrôle Interne, de l’Audit Interne et de la Conformité.

Selon une étude de l’Observatoire des métiers de la Banque réalisée par le cabinet de conseil en gestion des risques Optimind Winter[i], « […] Les banques sont également victimes de nouveaux risques et doivent se doter de nouveaux métiers afin de maîtriser ces nouveaux enjeux. Les métiers du Risque et du Contrôle dans la banque doivent faire face à de nouvelles problématiques, telles que la couverture du risque systémique, le développement du Cloud computing ou de la banque sur mobile (« le nomadisme technologique»)… ». Il est ici fait référence à la digitalisation du secteur bancaire et l’utilisation de plus en plus courante d’Internet pour gérer ses comptes en tant que particulier. A ce titre, les banques et assurances se sont prémunies d’outils pour protéger les données de leurs clients contre les cyberattaques. Si les efforts réalisés en matière de sécurisation des données clients sont avérés, la menace réside à présent au sein même des entreprises financières, dans leurs flux de travail quotidien. Continue reading

Translate within extended enterprises. What does that mean? – Part I


AFNET, a non-profit society for boosting the digital transformation within vertical industries

AFNET is a French non-profit organization that promotes best practices for processes within the extended enterprises. This society introduces Internet in France in 1992 and was the owner for delivering Internet access to the very first users, mainly in universities.

Since this early age, AFNET has been continuing to promote good practices for enterprises within their ecosystem of suppliers, partners and key customers. These IT practices consist on standards, a common information system, and a partner framework for co-working in confidence.

Today, the best approach consists to leverage industry verticals to build open systems for digital transaction, content collaboration and product design.

Corporations are grouped within industry verticals and are highly dependent themselves. Just a few examples: Do you know that less than 20% of Dassault Rafale airplane parts are done by Dassault Aviation itself? Do you know that behind an Airbus air plane, there is a network of more than 1,200 different suppliers structured by more than 5 depth levels?

To be competitive and efficient within our globalized world, the European aerospace industry had organized itself with AFNET expert assistance to create a common information system named BoostAeroSpace: AirSupply as the platform for managing the supply chain, AirCollab as the platform for data communication exchange and Airdesign as the platform for product design. All these highly-secured platforms managed by the nonprofit organization and financed by all aerospace members make a strong asset that contributes to Airbus success.

Similar projects are in progress today for automotive, energy, travels, that leverage aerospace good practices. All of them share the common vision of the extended enterprise. Continue reading

Voyage en traduction automatique

« Mais enfin, papa, tu ne vas pas aller là ! La traduction automatique, ça marche pas ! c’est pourri …», ainsi s’exprime la fille de l’auteur, 19 ans. Trait générationnel, elle est spontanée, directe.
L’auteur se gratte le front, légèrement ébranlé. Dans la main, il tient sa proposition d’embauche chez le leader mondial de la « machine translation ».

« Mais pourquoi dis-tu ça ? » Continue reading

We are SYSTRAN and we love languages…

Click here to read the french version


We are SYSTRAN. We love languages, lots of languages. We are a human-sized company but we have linguists for almost all of the 140 language pairs we support.  That’s a big number, but don’t be misled- some of us are fluent in many languages. Nevertheless, we love languages and we don’t believe in the one-fits-all technology regarding language processing.

Continue reading

How does Neural Machine Translation work?

The representation of meaning in Neural, Rule-Based and Phrase-Based Machine Translation

In this issue of step-by-step articles, we explain how neural machine translation (NMT) works and compare it with existing technologies: rule-based engines (RBMT) and phrase-based engines (PBMT, the most popular being Statistical Machine Translation – SMT).

The results obtained from Neural Machine Translation are amazing, in particular, the neural network’s paraphrasing. It almost seems as if the neural network really “understands” the sentence to translate. In this first article, we are interested in “meaning,” that which gives an idea of the type of semantic knowledge the neural networks use to translate.

Let us start with a glimpse of how the 3 technologies work, the different steps of each translation process and the resources that each technology uses to translate. Then we will take a look at a few examples and compare what each technology must do to translate them correctly.

Continue reading

Nous sommes SYSTRAN et nous adorons les langues…

Cliquez ici pour lire la version en anglais


Nous sommes SYSTRAN. Nous adorons les langues, toutes les langues. Nous sommes une entreprise à taille humaine mais nous avons des linguistes pour les 140 paires de langues que nous supportons. C'est un nombre qui peut paraître élevé mais bien sûr certains d'entre nous sont polyglottes. Nous sommes passionnés par les langues et leur diversité et nous ne croyons pas en une solution technologique unique en matière de traitement linguistique.

Nous sommes SYSTRAN et nous existons depuis 48 ans... et oui ! depuis les débuts de la traduction automatique. Nous ne sommes pas jeunes et fous mais avec l'âge vient la sagesse et nous avons contribué toutes ces années aux plus grandes avancées technologiques de la traduction automatique. Nous sommes et avons peut-être toujours été jeunes et fous après tout !

Nous sommes SYSTRAN, et nous aimons aussi la technologie et les langages de programmation et beaucoup d'entre nous "parlent couramment" nombre d'entre eux.

Nous sommes SYSTRAN et nous avons vécu les différentes vagues d'engouement pour la traduction automatique toutes ces années. Nous avons déjà adapté et transformé notre technologie au fil des ans pour nous maintenir à l'avant-garde du marché, mais cette fois nous croyons profondément que quelque chose d'entièrement nouveau arrive. Il ne s'agit pas d'une encyclopédie interminable de descriptions de langues. Il ne s'agit pas non plus de rassembler d'énormes quantités de données et de les traiter dans de grands centres de données. Cette fois-ci, c'est différent. Cette fois-ci, c'est vraiment intelligent, et ça nous ressemble !

Nous sommes SYSTRAN et nous nous engageons à faciliter la communication entre les personnes en leur fournissant la meilleure technologie de traduction adaptée à leurs cas spécifiques d'utilisation.

Nous sommes SYSTRAN et nous sommes conscients que de nombreuses personnes talentueuses ne travaillent pas chez SYSTRAN mais partagent notre passion et nos objectifs. Nous avons donc décidé de nous rapprocher d'elles et de collaborer ensemble.

Parce que nous sommes SYSTRAN, parce que nous aimons les langues et la technologie, parce que nous voulons apporter à nos clients l'excellence, et parce que nous croyons dans le partage et l'ouverture, nous suivons de près la traduction automatique neuronale depuis sa création, et nous avons décidé de nous y plonger et de partager notre expérience.

Il y a quelques semaines, nous avons annoncé le lancement imminent de notre nouvelle technologie: Pure Neural™ Machine Translation, complétant notre vaste panel de technologies disponibles. Nos chercheurs, linguistes et ingénieurs ont passé des jours et des nuits sur des tests, des développements, des entrainements, ils ont travaillé sur les entrainements GPU pendant plus de 50,000 heures cumulées et nous sommes fiers d'annoncer la première version de notre Pure Neural™ Machine Translation dont une version de test est disponible ici : http://demo-pnmt.systran.net. La description technique détaillée de nos procédés et résultats est également disponible ici.

Ce n'est qu'une première version, mais nous avons chaque jour un peu plus de raisons d'être excités par les améliorations observées. Nous avons également remarqué de nouveaux comportements qui ne fonctionneront pas pour nos clients et nous travaillons à les résoudre. Même si ce n'est que notre première version, nous avons déjà une dizaine de grands clients qui vont participer à un programme bêta-test et s'assurer que la technologie répond vraiment à leurs besoins. Après cette phase de validation en situation réelle pendant quelques mois, nos clients pourront utiliser cette technologie dans leurs flux de production.

Soyons clairs, cette technologie innovante ne remplacera pas les traducteurs humains. Elle ne produit pas non plus une traduction presque indissociable de la traduction humaine - mais nous sommes convaincus que les résultats que nous avons connus jusqu'ici marquent le début d'une ère nouvelle dans les technologies de traduction et qu'elle contribuera certainement à faciliter la communication entre les personnes. Comme c'est le cas pour toute technologie, ce n'est qu'une pièce du puzzle. Nous sommes SYSTRAN et nous travaillons chaque jour pour fabriquer la meilleure pièce possible.

Learn moreLearn more

Testez notre démonstrateur PNMT en ligne

Lisez notre deuxième "PNMT Insights": How does Neural Machine Translation work

Découvrez la technologie et les procédés utilisés pour les entrainements dans notre rapport technique

SYSTRAN is far along the NMT path

A Deep Dive into SYSTRAN’s Neural Machine Translation (NMT) Technology

by Kirti Vashee on eMpTy Pages, a blog about translation technology, localization and collaboration

Neural Machine Translation

[…] So, I recently had a conversation with Jean Senellart , Global CTO and SYSTRAN SAS Director General, to find out more about their new NMT technology. He was very forthcoming, and responded to all my questions with useful details, anecdotes and enthusiasm. The conversation only reinforced in my mind that “real MT system development” is something best left to experts, and not something that even large LSPs should dabble with. The reality and complexity of NMT development pushes the limits of MT even further away from the DIY mirage.

In the text below, I have put quotes around everything that I have gotten directly from SYSTRAN material or from Jean Senellart (JAS) to make it clear that I am not interpreting. I have done some minor editing to facilitate readability and “English flow” and added comments in italics within his quotes where this is done.

Read more

Purely Neural Machine Translation News: Issue #1

PNMT Insight Number 1Project “PNMT” for Purely Neural Machine Translation was this year’s flagship project for the researchers and developers at SYSTRAN.

SYSTRAN brings its expertise in several ways: contributing to research on neural models; applying its know-how in terminology to increase the potential of Neural Machine Translation; and industrializing technology to make it available to companies, organizations and individuals.
We will keep you posted each month and share best practices, research paper, customers insights, product news…

You can download the first issue here.