Les outils de traduction et de localisation par IA, de DeepL et Google Translate aux grands modèles de langage comme GPT, Gemini et Claude, peuvent traduire un site web en six langues en quelques jours. Les erreurs courantes ne concernent pas la grammaire. Elles concernent l’omission de la recherche de mots-clés par marché, la traduction de textes qui devraient être réécrits, la rupture du balisage et la publication sans réviseur natif. Les agences les évitent grâce à un flux de travail fixe, et non grâce à de meilleurs prompts.
Pourquoi la traduction par IA semble-t-elle terminée avant de l’être ?
La traduction automatique moderne produit des phrases fluides. Cette fluidité est le piège. Une page qui se lit couramment en allemand peut toujours utiliser le mauvais terme de produit, un ton formel là où le marché attend un ton informel, ou un format de prix que les acheteurs locaux trouvent étrange.
Les moteurs neuronaux comme DeepL et Google Translate sont entraînés à mapper les phrases entre les langues. Les grands modèles de langage vont plus loin : vous pouvez leur parler de votre public, de votre glossaire et de votre ton. Mais aucun des deux types ne sait ce que vos clients à Madrid tapent dans Google. Cette connaissance doit venir de vous.
Erreur 1 : traduire les mots-clés au lieu de les rechercher
L’erreur la plus coûteuse en SEO multilingue est de supposer que le mot-clé traduit est celui que les gens recherchent. Une “coque de téléphone portable” britannique devient quelque chose de différent sur chaque marché, et la traduction littérale peut avoir peu de demande de recherche alors qu’un terme familier en a beaucoup.
La solution consiste à effectuer une recherche de mots-clés par langue avant de traduire. Utilisez les données de la propriété Google Search Console locale si vous les avez, le planificateur de mots-clés avec l’emplacement et la langue définis, et jetez un œil aux pages les mieux classées sur ce marché. Donnez ensuite à l’IA un glossaire qui dit “utilisez ce terme, jamais celui-là”.
Erreur 2 : traiter chaque page de la même manière
Toutes les pages ne méritent pas le même processus. Un article d’aide sur la réinitialisation d’un mot de passe peut passer par une traduction automatique avec une révision légère. Une ligne d’accroche sur la page d’accueil ou un slogan de campagne ne le peuvent généralement pas ; ils nécessitent une transcréation, où un rédacteur adapte l’idée plutôt que les mots.
Un tri simple fonctionne bien :
- Niveau 1, réécrire : slogans, titres, textes publicitaires, pages de tarification. Un rédacteur natif les adapte, l’IA peut suggérer des options.
- Niveau 2, traduire et éditer : pages de service, descriptions de produits, articles de blog clés. L’IA rédige, un éditeur natif révise complètement.
- Niveau 3, traduire et vérifier par sondage : base de connaissances, anciennes archives de blog, textes juridiques révisés ailleurs. L’IA rédige, un réviseur échantillonne une partie des pages.
Écrire ce tri avant le début du projet permet d’éviter les discussions sur le budget plus tard.
Pourquoi l’IA casse-t-elle le HTML, les liens et les données structurées ?
Les outils d’IA sont bons avec les phrases et moins prudents avec le balisage. Envoyez une page HTML complète à un modèle et vous pourriez récupérer des noms de classe modifiés, des attributs supprimés, des paragraphes fusionnés ou des URL traduites. Sur un site WordPress avec des commentaires d’éditeur de blocs, une balise de fermeture manquante peut casser la mise en page d’une page.
Les pipelines plus sûrs extraient uniquement les nœuds de texte, les traduisent et les remettent dans la structure d’origine. Le nombre de segments entrants doit être égal au nombre sortant ; si ce n’est pas le cas, la page est rejetée plutôt qu’enregistrée. Les liens internes doivent conserver leur cible et être localisés avec le bon préfixe de langue au moment du rendu, et non réécrits par le modèle.
Comment maintenir la cohérence du ton et de la terminologie ?
La cohérence sur des milliers de pages est l’endroit où l’IA économise ou coûte de l’argent. Sans contrôles, la même fonctionnalité reçoit trois noms différents en français selon le jour où la page a été traitée.
- Créez un glossaire par langue avec les termes de la marque, les noms de produits et les mots qui doivent rester en anglais.
- Rédigez un court guide de style : adresse formelle ou informelle, gestion des chiffres et des devises, formats de date.
- Transmettez les deux au moteur à chaque requête ; DeepL prend en charge les glossaires et les LLM les acceptent dans le prompt.
- Conservez une mémoire de traduction afin que les segments répétés, comme les pieds de page et les appels à l’action, soient réutilisés plutôt que régénérés.
- Effectuez une vérification terminologique après la traduction qui signale tout terme interdit ou incohérent.
Erreur 4 : oublier hreflang et les pages non traduites
Les moteurs de recherche doivent savoir quelle page dessert quelle langue. Des balises hreflang manquantes ou incorrectes entraînent le classement de la page anglaise en Turquie ou l’affichage de la page espagnole pour les recherches mexicaines alors que vous avez une version mexicaine distincte.
Une erreur plus silencieuse consiste à publier un dossier de langue où la moitié des pages affichent encore du texte en anglais. Si ces pages portent des balises hreflang prétendant être turques, vous dites à Google que le contenu anglais en double est la version turque. Ne listez que les versions linguistiques qui existent réellement et gardez les pages non traduites hors du plan de site linguistique jusqu’à ce qu’elles soient terminées.
Erreur 5 : pas de réviseur natif, ou un réviseur sans brief
Certaines équipes sautent complètement la révision. D’autres embauchent un réviseur et envoient une feuille de calcul sans contexte. Les deux échouent. Un réviseur a besoin du glossaire, du guide de style, du mot-clé cible et d’une vue de la page dans sa mise en page réelle. La révision dans une feuille de calcul manque les boutons tronqués et les titres qui s’ajustent mal.
Donnez aux réviseurs une liste de contrôle claire : sens, terminologie, ton, formats locaux, présence de mots-clés dans le titre et le premier paragraphe, et une vérification visuelle rapide sur mobile.
Comment Alien Road applique la traduction par IA
Dans un engagement typique, la découverte passe en premier : quels marchés comptent, quelles pages génèrent des revenus et à quoi ressemble la demande de recherche locale. Nous configurons ensuite les niveaux de tri, le glossaire et le guide de style pour chaque langue, et connectons le contenu du site à une file d’attente de traduction qui envoie des segments de texte, et non du HTML brut, au modèle choisi.
Lors de la configuration, nous testons le pipeline sur un échantillon de pages et comparons les nombres de segments, les liens et les blocs avant et après. Une fois validé, la file d’attente s’exécute en arrière-plan, en commençant par les pages à haute valeur. La mesure utilise la Search Console par dossier de langue : impressions, clics et pages indexées pour chaque marché. Les rapports sont mensuels et couvrent le volume traduit, les résultats de la révision et tous les termes ajoutés au glossaire.
Par où commencer cette semaine
Choisissez un marché cible et faites le travail préparatoire avant de traduire quoi que ce soit. Exportez vos 20 meilleures pages par revenus ou prospects, recherchez le mot-clé principal pour chacune dans la langue cible et rédigez un glossaire de 30 termes. Traduisez ensuite trois de ces pages avec votre outil d’IA préféré et demandez à un locuteur natif de les réviser par rapport à la liste de contrôle ci-dessus. Les notes de révision vous en diront plus sur votre futur flux de travail que n’importe quelle comparaison de fournisseurs.
Continuer la lecture : Optimisation par IA · Optimisation par IA