Comment Topcon a développé sa localisation sans grande équipe de localisation

Topcon a déployé la traduction par l'IA à grande échelle dans les domaines de l'ingénierie, des publications techniques, du marketing et de l'apprentissage en ligne en associant des agents d'IA Smartcat chargés d'examiner les contenus à un correcteur humain, et en traitant l'ensemble via des modèles. Le résultat : un examen de 5 000 segments en 31 langues, qui prenait auparavant deux semaines, se termine désormais du jour au lendemain, et l'interface utilisateur traduite est déployée en quelques jours au lieu de deux fois par an.

Lors d'une récente session de webinaire Smartcat, Brittany Clark, directrice principale du marketing produit chez Smartcat, s'est entretenue avec Michelle Quirke, gestionnaire de l'engagement des programmes chez Topcon, pour analyser comment Topcon y est parvenu : le flux de travail, les indicateurs qui ont renforcé la confiance et les leçons qu'elle aurait aimé connaître il y a dix ans.

• La rapidité sans compromis sur la qualité : les agents d'examen de l'IA Smartcat peuvent examiner chaque fichier en environ une heure, de sorte qu'un emploi de 31 fichiers lancé à la fin de la journée est prêt pour la relecture humaine le matin suivant.

• Les données, et non l'intuition, ont mis fin au processus d'examiner en interne : Topcon a abandonné l'obligation d'examiner dans le pays pour l'eLearning dès lors que le rapport a montré que les réviseurs apportaient des modifications à bien moins de 5 % du contenu.

• Chaque modification apportée par l'IA est expliquée : L'agent d'examen laisse un commentaire sur chaque segment qu'il édite, offrant ainsi aux propriétaires de projet une visibilité qu'ils n'avaient jamais eue avec les flux de travail exclusivement humains.

• Les modèles sont le levier d'évolution : Les modèles d'attribution et de projet transforment la localisation en quelques clics pour les équipes qui ne sont pas dans Smartcat tous les jours.

• La frontière suivante est la gouvernance du contenu : Topcon souhaite que l'IA aide à repérer le contenu en double, contradictoire et obsolète avant même qu'il ne soit traduit.

Topcon est un fabricant mondial de technologies de précision, notamment de machines largement utilisées dans l'agriculture. Son parcours de traduction a débuté en Amérique latine, où de nombreux opérateurs de machines ne parlent pas anglais — et Topcon ne disposait d'aucun manuel en portugais ou en espagnol.

Un gestionnaire d'assistance de la région a commencé à utiliser Smartcat pour traduire de courts guides de référence rapide destinés aux clients et aux concessionnaires. Il a été demandé à Michelle d'évaluer si la plateforme était adaptée à l'usage prévu. « J'y ai jeté un coup d'œil, et après je me suis tout simplement laissée happer », a-t-elle déclaré.

Les premiers jours ont été douloureux. Les deux premiers manuels que Topcon a traduits étaient des fichiers Word que de nombreuses personnes avaient édités au fil des ans. Après la traduction, Michelle a passé de 30 à 40 heures à les réassembler, trouvant des images cachées et du texte égaré chaque fois qu'elle réalignait une page.

Aujourd’hui, elle apporte son assistance aux équipes d’ingénierie, de publications techniques, de marketing et d’eLearning, sans disposer d’une grande équipe de localisation dédiée.

Le modèle de Topcon repose sur deux principes : l'appropriation et l'implication fondée sur le risque.

• Les unités commerciales sont propriétaires de leur propre traduction. Chaque équipe prend la responsabilité de son flux de travail, afin que la charge de travail ne fasse pas retour vers une seule personne.

• Le contenu à haut risque fait l'objet d'une surveillance directe. Les suites d'interface utilisateur d'ingénierie peuvent atteindre 20 000 mots et 5 000 à 6 000 segments. « Si nous nous trompons, nous nous trompons lourdement », a déclaré Michelle. Elle vérifie donc les projets d'interface utilisateur au préalable et verrouille les segments qui ne doivent pas subir de modifications.

Cette structure, combinée avec l'IA, a modifié le rythme des sorties. Alors que l'ingénierie déployait autrefois deux grandes mises à jour de traduction par an, certaines équipes mènent désormais des projets en continu qui publient de petites mises à jour chaque semaine ou chaque mois. Même la traduction de l'interface utilisateur se fait en quelques jours.

Pour l'eLearning, les gains de temps sont concrets : Michelle a mesuré environ 2,5 heures sauvegardées par cours, par langue. Un cours d'agriculture localisé en neuf langues permet de sauvegarder environ 22 heures de travail pratique.

Un agent de révision IA est un collègue IA qui examine le contenu traduit en contexte — en vérifiant la terminologie, le sens et la cohérence — et édite les segments là où c'est nécessaire, avant qu'un correcteur humain n'effectue la passe finale.

Le flux de travail principal de Topcon pour l'eLearning ressemble à ceci :

1. traduction par l'IA produit le premier jet.

2. Un agent d'examiner contextuel IA l'examine et le corrige.

3. Un correcteur du marché Smartcat termine l'examen humain final.

La règle à l'échelle de l'entreprise de Topcon est simple : les agents d'IA sont les bienvenus dans le flux de travail, tant qu'un humain les suit toujours.

Le marketing est le suivant. Son flux de travail actuel utilise deux étapes de marché plus un examen interne. Le flux de travail prévu ajoute un agent d'examen contextuel par IA et un agent SEO, suivis d'un correcteur du marché. Examiner en interne devient un élément à ajouter facultatif pour les nouveaux produits, et non une étape par défaut.

Michelle a effectué un test comparatif direct. Alors qu'elle cherchait à comprendre pourquoi des traductions d'interface utilisateur en place depuis longtemps avaient subi des modifications inattendues, elle a proposé une vérification de cohérence sur l'interface utilisateur d'un produit en ligne depuis des années — en 31 langues.

Elle a exécuté les agents pour examiner de l'IA Smartcat sur l'interface utilisateur. À titre de comparaison, elle a également conçu des agents distincts avec Microsoft Copilot, limités à examiner uniquement le contenu qu'elle fournissait.

Les autres agents ne parvenaient pas à gérer le volume, et leurs résultats dérivaient : « ils s'en sortaient bien pendant un court moment, puis ils finissaient par divaguer. » L'IA chargée d'examiner signale les points de préoccupation, et les humains prennent la décision finale sur les modifications à appliquer.

Pendant des années, Topcon a ajouté une étape finale pour examiner en interne. Examiner dans le pays est une étape où un employé de langue maternelle qui connaît le produit vérifie la traduction avant sa publication. C'est une pratique exemplaire établie, et la recherche dans les domaines réglementés tels que l'évaluation des résultats cliniques la recommande toujours. Chez Topcon, cependant, ces examinateurs le faisaient en plus de leurs emplois à temps plein.

Michelle a utilisé les rapports de Smartcat pour examiner chaque projet d'eLearning et mesurer l'ampleur des modifications réellement apportées par les réviseurs internes. La cible était tout ce qui se trouvait en dessous de 5 %, et la plupart des projets se situaient bien en deçà.

Pendant ce temps, l'étape représentait un goulot d'étranglement. Certains projets sont restés à examiner en interne pendant une année entière, et les relancer a pris plus de temps à Michelle que toute autre partie du processus.

Ainsi, Topcon a supprimé la procédure consistant à examiner en interne l'eLearning, il y a environ 18 mois à deux ans. La preuve résidait dans les cours eux-mêmes : les employés, le personnel d'assistance et les concessionnaires sont tenus de les terminer, ils constatent donc directement la qualité de la traduction. Une fois que les autres équipes ont vu les données et les résultats, les publications techniques ont suivi, ne conservant l'action d'examiner en interne que pour certains manuels de nouveaux produits.

Michelle a donné un avant-après précis pour un emploi d'environ 5 000 segments dans 31 langues. Elle déclenche les 31 fichiers en même temps, termine sa journée et les tient prêts pour une relecture humaine le matin suivant.

Cette vitesse crée des options. Lorsqu'une équipe produit affirme qu'une langue ne sera pas déployée à moins que les traductions n'arrivent avant un délai imparti, Topcon peut désormais fournir immédiatement une première version réalisée uniquement par l'IA — afin que l'équipe puisse vérifier l'interface utilisateur à l'écran — pendant qu'un correcteur humain termine la version finale sous deux jours.

L'agent chargé d'examiner de Smartcat laisse un commentaire sur chaque segment auquel il apporte des modifications, en expliquant pourquoi. Les traducteurs humains ne font généralement de commentaire que lorsqu'ils ont besoin d'éclaircissements.

Ces commentaires sont désormais le meilleur outil de Topcon pour rallier d'autres équipes : montrez-leur les révisions et le raisonnement. Un traducteur de longue date du marché valide même les commentaires de l'agent, laissant parfois un seul mot — « génial ». Comme Michelle l'a dit, c'est un seul mot, mais il dit tout.

Standardisez le flux de travail et masquez la complexité derrière des modèles. Un modèle de flux de travail est un ensemble sauvegardé d'étapes, d'attributaires et de ressources linguistiques dont chaque nouveau projet hérite automatiquement, afin que les utilisateurs choisissent un modèle au lieu de configurer un projet à partir de zéro.

Lorsque Michelle a formé pour la première fois les équipes internes, il n'y avait aucun modèle. Chaque utilisateur a dû apprendre à créer un projet et à déterminer quelles ressources linguistiques y joindre. Désormais, l'attribution et les modèles de projet — ainsi que les connecteurs d'Adobe Experience Manager (AEM) et d'Adobe Workfront — effectuent ce travail automatiquement.

Pour les utilisateurs occasionnels, cela signifie quelques clics et l'emploi est fait. Pour Michelle, cela signifie qu'elle n'assure plus le suivi de projet au quotidien. Les notifications l'informent lorsque quelque chose nécessite de l'attention ; sinon, « cela fonctionne tout seul ».

Une traduction plus rapide met en lumière un problème plus important : savoir quel contenu est à jour. Le contenu de Topcon provient de l'assistance, de la gestion des produits, des experts en la matière et des rédacteurs techniques. Avec le temps, cela produit des guides rapides et des manuels presque identiques qui disent des choses légèrement différentes.

La réglementation fait monter les enchères. Une nouvelle exigence de l'UE implique que les déclarations de conformité doivent être accessibles sans connexion, et des pays tels que la France exigent que l'ensemble du contenu du produit soit rédigé dans la langue locale avant qu'un produit ne puisse être vendu.

Topcon répond en adoptant l'anglais technique simplifié pour des manuels plus courts et plus réutilisables, en créant du contenu en tant qu'auteur dans AEM et en protégeant une source unique de vérité afin qu'une modification apportée une seule fois se mette à jour partout. Michelle explore également le prochain Content Update Coworker de Smartcat, qui examine le contenu existant et recommande ce qu'il faut créer ou mettre à jour, afin qu'un expert interne puisse l'approuver.

Sa demande pour Smartcat : s'étendre davantage dans le flux de travail des deux côtés — avant la traduction et après. La raison pour laquelle cela compte, c'est le client.

Cela concorde avec ce que nous observons sur le marché : 96 % des entreprises développent leur contenu multilingue, selon le rapport Global Growth 2026 de Smartcat.