# 100 000 leçons multilingues : industrialiser la traduction sans tout casser > Passer un catalogue de cent mille leçons à la traduction systématique sans redemander une validation manuelle complète à chaque mise à jour source. - Auteur : Clément Hadrot - Publié le : 2025-07-19 - Mis à jour le : 2025-07-19 - Catégorie : Multilingue - URL : https://wpmoderne.dev.wordpress-developpement.fr/multilingue/industrialiser-traduction-100000-lecons/ ## L’essentiel - Une validation manuelle complète à chaque mise à jour ne tient pas à cette échelle - Un hachage de contenu source permet de cibler uniquement ce qui a changé - La confiance se construit progressivement, module par module Cent mille leçons réparties sur un catalogue de formation en ligne, traduites vers cinq langues : à cette échelle, la moindre règle de validation manuelle systématique devient arithmétiquement intenable. Si chaque mise à jour de contenu source, même mineure, redéclenche une revalidation complète de ses cinq traductions, l'équipe de traduction passe le plus clair de son temps à revalider des leçons qui n'ont, en réalité, quasiment pas changé. C'est pourtant le fonctionnement initial constaté sur ce catalogue : toute modification, même une simple correction typographique dans une leçon source, invalidait automatiquement le statut « traduction à jour » de ses cinq versions linguistiques dans WPML, forçant une repasse complète alors qu'un mot avait changé sur mille. ## Le problème arithmétique de la validation intégrale Avec une moyenne de trois pour cent de leçons modifiées chaque mois, soit environ trois mille leçons sur cent mille, une politique de revalidation intégrale de la traduction dès qu'une modification était détectée générait mécaniquement quinze mille tâches de validation par mois toutes langues confondues, pour un contenu dont l'essentiel n'avait en réalité pas changé de façon significative. L'équipe de traduction, composée de huit personnes réparties sur les cinq langues, ne pouvait matériellement pas absorber ce volume sans réduire drastiquement la qualité de chaque validation, ce qui aurait annulé l'intérêt même de maintenir une validation humaine sur ce contenu pédagogique. ## Cibler le changement réel plutôt que la modification déclarée > L'essentiel à retenir : Une validation manuelle complète à chaque mise à jour ne tient pas à cette échelle ; Un hachage de contenu source permet de cibler uniquement ce qui a changé ; La confiance se construit progressivement, module par module La solution retenue a consisté à ne plus se fier au simple événement « modification enregistrée » comme déclencheur de revalidation, mais à comparer un hachage du contenu textuel réel de la leçon avant et après modification. Une correction typographique change le hachage de façon négligeable en volume ; une réécriture substantielle du contenu pédagogique le change de façon nettement plus large. L'équipe a fixé un seuil de différence textuelle en dessous duquel la revalidation manuelle n'était plus déclenchée automatiquement. ``` function contenu_a_change_significativement( $post_id ) { $ancien_hash = get_post_meta( $post_id, '_contenu_hash_valide', true ); $contenu_actuel = get_post_field( 'post_content', $post_id ); $nouveau_hash = md5( $contenu_actuel ); similar_text( $ancien_hash_texte, $contenu_actuel, $pourcentage ); return $pourcentage < 90; // moins de 90 % de similarité = changement significatif } ``` Ce mécanisme, volontairement simple, ne prétend pas remplacer un jugement éditorial fin. Il sert uniquement de filtre grossier pour écarter les modifications mineures du flux de revalidation manuelle, laissant les huit traducteurs se concentrer sur les changements réellement susceptibles d'affecter le sens pédagogique d'une leçon. ### Un statut intermédiaire de confiance Au lieu du binaire « à jour » ou « à revalider » de WPML par défaut, l'équipe a introduit un troisième statut interne, « modification mineure signalée », visible dans un tableau de bord personnalisé mais ne bloquant pas l'affichage de la traduction existante côté site public. Un traducteur peut consulter ce statut à son rythme, sans pression de délai, et n'a pas à revalider dans l'urgence une leçon dont le contenu affiché reste correct malgré la modification détectée. - Un hachage de similarité textuelle filtre les modifications mineures des modifications substantielles. - Un statut intermédiaire évite de bloquer l'affichage pendant la revalidation. - Le seuil de similarité se règle empiriquement, pas théoriquement, selon le contenu réel observé. ## Construire la confiance progressivement Le seuil de quatre-vingt-dix pour cent de similarité n'a pas été choisi a priori : il résulte de trois mois d'ajustements progressifs, en commençant par un seuil très conservateur de soixante-quinze pour cent, qui déclenchait encore trop de revalidations inutiles, puis en le resserrant module par module jusqu'à obtenir un volume de revalidations manuelles jugé absorbable par l'équipe sans dégrader la qualité perçue des traductions publiées. > Un seuil de similarité textuelle ne se devine pas sur le papier ; il se calibre sur des mois d'observation réelle du contenu, module par module, jusqu'à trouver l'équilibre entre volume absorbable et qualité acceptable. ## Ce que cette architecture n'a pas résolu Ce mécanisme reste imparfait sur un point précis : une modification textuellement mineure peut, dans de rares cas, changer un sens pédagogique important, par exemple l'inversion d'une négation dans une consigne d'exercice. L'équipe a donc conservé une liste noire de mots-clés sensibles — négations, valeurs numériques, unités de mesure — dont la modification déclenche systématiquement une revalidation manuelle, indépendamment du pourcentage de similarité global mesuré. ## Pour aller plus loin Industrialiser la traduction à l'échelle de cent mille contenus ne consiste pas à supprimer la validation humaine, mais à la réserver aux changements qui la méritent réellement. Un filtre de similarité textuelle, complété par une liste de mots-clés sensibles déclenchant systématiquement une revalidation, permet de concentrer une équipe de traduction limitée sur ce qui compte vraiment, sans sacrifier la qualité pédagogique du contenu publié.