24 millions de caractères localisés : comment les processus automatisés ont permis à Haufe X360 de conquérir de nouveaux marchés

Le défi : des millions de mots et un format de données complexe

Haufe X360, une marque du groupe Haufe, souhaitait introduire une version localisée du système américain de planification des ressources d’entreprise (ERP) Acumatica dans la région DACH (l’Allemagne, l’Autriche et la Suisse).

Pour ce faire, l’équipe devait adapter l’ensemble de l’interface utilisateur (UI) et toute sa documentation pour cette région dans plus de 4 langues, avec l’intention de s’étendre ultérieurement à d’autres marchés internationaux.

La localisation d’un système aussi complet en constante évolution a posé des défis de taille. C’était surtout le cas pour la documentation, qui comprenait l’ensemble des supports de formation et des manuels d’utilisation de la plateforme ERP.

Traduire manuellement n’est pas une solution évolutive

Le projet nécessiterait la traduction de plus de 60 000 éléments d’interface utilisateur, ainsi que de 24 millions de caractères (soit environ 4 millions de mots) de documentation.

Au départ, tous les éléments de l’interface utilisateur étaient localisés manuellement. Mais lorsque l’équipe a ensuite tenté de confier cette documentation volumineuse à des agences de traduction externes, cette approche a échoué en raison de difficultés de communication et d’une expérience limitée des processus de travail des agences.

À titre de solution temporaire, l’équipe vérifiait et adaptait manuellement les textes directement dans le système. C’était un processus chronophage qui s’est finalement avéré non évolutif compte tenu de l’énorme volume de contenu.

Obstacles techniques et manque de contexte

La documentation a été stockée au format DITA-XML, un format complexe et référencé spécialement conçu pour les contenus techniques. Sa structure arborescente rend la traduction particulièrement difficile, car son transfert vers des outils de traduction standard entraîne souvent des erreurs de mise en forme ou des pertes de données.

L’entreprise a tenté d’intégrer DeepL Traducteur directement dans un système de TAO classique, mais cela a également échoué à cause de la structure spécifique de la plateforme ERP de Haufe X360. Le manque de contexte a également posé problème : par exemple, l’abréviation « COD », qui signifie « Cash on Delivery » (Paiement à la livraison), a été interprétée comme « cod » (cabillaud), menant a des traductions invraisemblables.

La solution : un processus de localisation automatisé, intégré et précis

Haufe X360 a surmonté ses défis de localisation en collaborant étroitement avec un partenaire spécialisé dans l’automatisation et en tirant parti de l’API de DeepL Traducteur ainsi que des glossaires DeepL personnalisés. Cette combinaison a permis de mettre en place un processus entièrement automatisé capable de traiter de grands volumes de contenu tout en garantissant précision, cohérence et efficacité.

DeepL impressionne par sa grande qualité

La décision d’utiliser DeepL Traducteur a été motivée principalement par la qualité exceptionnelle de ses traductions. Le groupe Haufe s’appuie en interne sur DeepL depuis des années, et l’outil a toujours fourni des résultats de qualité supérieure. La qualité élevée de DeepL a permis à l’équipe d’optimiser les traductions automatiques au point de rendre la révision linguistique manuelle largement superflue, ce qui a considérablement accéléré le processus de localisation.

Le processus automatisé de DeepL

Un processus de traduction automatisé a été développé en collaboration avec un expert en transformation. Le processus comprend les étapes suivantes :

Conversion et segmentation de fichiers DITA vers XLIFF

Les fichiers DITA sources sont convertis au format XLIFF et segmentés en vue de leur traduction.

Transfert de données via l’API de DeepL

Le contenu segmenté est envoyé à l’API de DeepL pour être traduit

Intégration du glossaire pour garantir la cohérence

Un glossaire spécifique au module (une base de données terminologique) est généré automatiquement et transmis avec le texte à l’API de DeepL afin de garantir la cohérence terminologique dans l’ensemble des traductions.

Assurance qualité automatisée

Une fois la traduction terminée, des contrôles automatisés identifient les termes incorrects, qui sont ensuite remplacés automatiquement.

Traduction finale

Les fichiers DITA en allemand ainsi obtenus constituent la base du wiki mis à jour, prêt à être utilisé par les Utilisateurs finaux.

Le résultat : une grande efficacité et une base solide pour une expansion internationale

Le processus basé sur DeepL permet à Haufe X360 de gérer la localisation de millions de mots de manière efficace, rentable et avec une amélioration continue de la qualité.

Allègement de la charge de travail pour la gestion des produits et rentabilité

L’automatisation a rendu inutile le recours à une grande équipe de traduction, ce qui a permis de générer d’importantes économies. Les collaborateurs peuvent désormais se concentrer sur le travail terminologique essentiel, pour optimiser leur temps de travail et leur expertise.

Une nouvelle base pour l’ensemble du groupe Haufe

La grande qualité des traductions de DeepL a conduit à l’adoption de la solution dans l’ensemble du groupe Haufe. Il est désormais utilisé dans de nombreux domaines, notamment :

• dans un système automatisé RH
• pour la traduction des tickets d’assistance
• dans une application de traduction web

Perspectives et impact stratégique

La prochaine étape pour Haufe X360 consiste à optimiser davantage ses glossaires en étroite collaboration avec les experts de DeepL. L’objectif est de cartographier de manière encore plus cohérente les termes techniques composés très spécifiques et les fonctions système complexes.

C’est cette base technique qui permet de répondre avec souplesse aux exigences du marché. Grâce au déploiement d’un processus de gestion des glossaires plus efficace, Haufe X360 peut fournir de nouveaux packs linguistiques avec un minimum d’efforts pour répondre aux demandes des clients.

Le néerlandais, le slovaque et le tchèque sont actuellement en cours d’implémentation, et d’autres langues suivront selon les besoins, ouvrant la voie à une croissance encore plus importante à l’avenir.