7.1 Traduire pour son public

🖥️ Diapositives du cours — Séance 27 (ven. 4 déc.)

Un résultat, N publics. La discipline consiste à décider ce qui change d’une version à l’autre — et à démontrer que ce qui n’a pas changé, c’est la vérité de l’affirmation.

Ce qui change d’un public à l’autre¶

Quatre publics couvrent l’essentiel de ce qu’un géoscientifique rencontre. Ce qui varie entre eux, ce n’est pas « leur intelligence » (n’écrivez jamais de haut) ; c’est ce qu’ils tiennent déjà pour acquis, ce qu’ils feront de l’information, et le type d’énoncé d’incertitude sur lequel ils peuvent agir.

Un résultat d’alerte sismique précoce montre bien pourquoi un résumé unique ne peut pas les servir tous. Pour un sismologue, c’est un problème de latence de détection et d’estimation de magnitude. Pour un ingénieur en génie civil, c’est un nombre de secondes d’avance sur un site donné, et la question de savoir si cela suffit à déclencher une coupure automatique. Pour un cadre de la Sécurité civile, c’est un taux de fausses alarmes dont il devra répondre publiquement. Pour un riverain, c’est de savoir si l’alerte reçue sur son téléphone mérite son attention. Même système, quatre affirmations différentes.

Exemple traité : un résultat, quatre versions¶

Le résultat technique, exactement tel qu’il figurerait dans un rapport :

Notre détecteur retrouve 92 % des événements M > 2 pour 1 fausse alarme par jour ; le rappel tombe à 60 % en dessous d’un rapport signal sur bruit (SNR) de 3.

Pour les pairs de la discipline (on reste près de l’original ; on ajoute le contexte que les pairs exigeront) :

À un point de fonctionnement de 1 fausse alarme/jour, le détecteur retrouve 92 % des événements M > 2 du catalogue, soit un gain de rappel de 15 points sur la référence (baseline) STA/LTA à taux de fausses alarmes égal. Le rappel se dégrade à 60 % en dessous de SNR 3, c’est-à-dire que les événements manqués sont pour l’essentiel les petits et les bruités, que tout pointeur manque ; nous n’avons pas évalué en dessous de M 1,5.

Pourquoi ces choix : les pairs n’ont pas besoin qu’on leur explique le « rappel » ; ils ont besoin de la comparaison à la référence et du régime de défaillance, parce que leurs deux premières questions sont « mieux que quoi ? » et « où est-ce que ça casse ? ». L’affirmation elle-même reste intacte.

Pour un scientifique d’un domaine voisin (un modélisateur d’aléa ou un ingénieur) :

Le catalogue automatique est complet à 92 % pour les événements de magnitude supérieure à 2 en conditions de bruit normales, avec environ une détection parasite par jour. La complétude tombe à environ 60 % pour les événements les plus petits et les plus bruités : le catalogue sous-estime donc les taux au voisinage de son seuil de magnitude — si vous y ajustez des paramètres de récurrence, la magnitude de complétude doit être prise à ≈ 2, et pas plus bas.

Pourquoi ces choix : le « rappel » est devenu « complétude » — la grandeur analogue dans le domaine du voisin — et la conséquence pour son calcul (des estimations de taux biaisées) est énoncée explicitement, parce qu’il ne la déduira pas de votre métrique. C’est une traduction d’affirmation : le domaine de validité (« au-dessus de M 2, bruit normal ») voyage avec le chiffre.

Pour un financeur ou un décideur public :

Le système détecte désormais automatiquement 9 séismes sur 10 au-dessus de la magnitude 2, avec environ une fausse alerte par jour qu’un analyste doit écarter — une charge de travail qu’une seule personne absorbe. Il manque surtout les plus petits événements pendant les périodes bruitées. C’est un outil de niveau recherche : assez fiable pour constituer des catalogues, pas encore assez pour déclencher des alertes au public sans relecture humaine, et l’étape suivante (évaluation sur deux réseaux supplémentaires, ~1 an) vise exactement cet écart.

Pourquoi ces choix : les métriques sont devenues des grandeurs opérationnelles (charge de travail d’un analyste, obligation de relecture), et la maturité est énoncée dans les termes de la décision en jeu — un financeur décide de ce qu’il va payer ensuite, donc l’écart honnête et son prix sont le cœur du message, pas une faiblesse à cacher.

Pour le grand public :

Notre logiciel repère maintenant la plupart des petits séismes que personne ne ressent — environ 9 sur 10 au-dessus de la magnitude 2. Suivre ces petites secousses aide les scientifiques à cartographier les failles actives. Cela ne prédit pas les séismes, et cela ne change rien à ce que vous devez faire : des secousses trop petites pour être ressenties sont aussi trop petites pour compter pour votre sécurité.

Pourquoi ces choix : le taux de fausses alarmes a disparu — il n’a aucun sens hors du contexte opérationnel — et deux phrases devancent les deux mésinterprétations prévisibles (« ils savent prédire les séismes », « dois-je m’inquiéter ? »). Ce que le grand public a besoin de voir mis en avant, c’est ce que le résultat ne signifie pas.

L’échec le plus courant : traduire le jargon plutôt que l’affirmation¶

Le réflexe dont il faut se défaire : remplacer les mots techniques par des mots clairs tout en élargissant silencieusement l’affirmation. Comparez, pour la version destinée au financeur :

✗ « Notre IA détecte 92 % des séismes. »

Chaque mot est clair ; l’affirmation est désormais fausse de trois façons : les 92 % ont été mesurés au-dessus de M 2, à un taux de fausses alarmes choisi, sur les données d’un seul réseau. Traduire le jargon remplace du vocabulaire ; traduire l’affirmation redéfinit son domaine de validité pour que ses conditions de vérité survivent dans le nouveau vocabulaire. « 9 séismes sur 10 au-dessus de la magnitude 2 » est exactement aussi clair, et reste vrai. Le test, pour toute phrase traduite : pourriez-vous la défendre, isolée, devant le membre le plus sceptique de ce public ? Si c’est la restriction qui la rend vraie, la restriction reste — dans les mots que ce public peut porter.

Le public le plus proche est le plus difficile : les sous-disciplines voisines¶

Les géosciences sont une fédération de sous-cultures — sismologie, glaciologie, hydrologie, sciences de l’atmosphère, géochimie — qui diffèrent par le vocabulaire, par les normes de preuve et par leurs réflexes de science ouverte (la sismologie diffuse ses formes d’onde par des services standardisés (FDSN) et considère cela comme allant de soi ; d’autres communautés traitent les données comme leur propriété jusqu’à publication ; « validation de modèle » désigne des procédures différentes dans chacune). La traduction par-dessus une frontière de sous-discipline échoue plus souvent que la traduction vers le grand public, parce que les deux côtés supposent partagées des conventions qui ne le sont pas.

Un protocole qui fonctionne, un après-midi par frontière. Pour chaque concept central de votre résultat, cherchez dans le domaine voisin :

1. La grandeur analogue. Votre « rappel à taux de fausses alarmes fixé » est le « taux de détection (POD) contre taux de fausses alarmes (FAR) » d’un hydrologue — la vérification des prévisions s’y fait en POD/FAR ; votre magnitude de complétude est, pour un glaciologue, le plus petit événement de vêlage détectable. Employez son terme et citez sa référence canonique sur le sujet.
2. La référence analogue. Chaque domaine a son « battez ça ou personne ne s’y intéresse » : la prévision de persistance en hydrologie et en climatologie, le STA/LTA en détection sismique, les modèles degré-jour en glaciologie. Énoncez votre gain par rapport à la référence du voisin, ou attendez-vous à voir votre résultat déprécié.
3. Le mode de défaillance analogue. Votre « faible SNR » est son « bassin non jaugé » ou sa « lacune de données de la nuit polaire » — le régime où les méthodes se dégradent et où tout le monde le sait. Nommer son régime difficile, et dire honnêtement comment votre méthode se comporte dans l’équivalent du vôtre, est le moyen le plus rapide d’installer la confiance.

Si vous ne pouvez pas remplir les trois lignes, c’est que vous ne connaissez pas encore assez le domaine voisin pour collaborer avec lui — ce qu’il vaut mieux découvrir avant la réunion de lancement qu’après.

Exercice : traduction assistée par IA avec passe de vérification¶

À faire hors intégration continue, avec l’assistant IA de votre choix ; déclarez-le comme indiqué au chapitre 6.4. Cet exercice est la répétition générale du livrable « traduction pour un public » du projet final.

1. Prenez un résultat quantitatif de votre projet (ou le résultat de détection ci-dessus). Rédigez vous-même la version technique, avec toutes les restrictions qui la rendent vraie.
2. Demandez à un assistant IA de rédiger les quatre versions destinées aux quatre publics. Itérez librement sur la rédaction — cette partie ne coûte rien.
3. Vient maintenant la partie notée, la passe de vérification. Recensez chaque affirmation de chaque brouillon. Qualifiez-la :
   • préservée — mêmes conditions de vérité que la version technique ;
   • affaiblie — plus vague, mais toujours impliquée par la version technique (acceptable, à signaler) ;
   • rompue — affirme quelque chose que la version technique n’autorise pas.
4. Corrigez chaque affirmation rompue, puis rendez : la version technique, les quatre brouillons (finaux) et le tableau de vérification, y compris ce que vous avez corrigé.

Vous trouverez des affirmations rompues. Les modèles laissent tomber les restrictions sous la pression de la simplification, pour la même raison que les humains pressés : la phrase se lit mieux sans elles.