Contexte correspondant à la totalité ou à une partie importante d’un texte.

Il importe de distinguer le macrocontexte des autres types de contextes, à savoir : le microcontexte, le contexte verbal et le contexte cognitif.

Base de données, alimentée par les traducteurs ayant recours aux systèmes de TAO, qui permet de  stocker les segments source et cible appelés « unités de traduction » au fur et à mesure de la progression du processus de traduction, et ce, en vue d’une réutilisation ultérieure.

1- Les avantages mis de l’avant par les fabricants de mémoires de traduction sont nombreux, mais on insiste notamment sur trois aspects, à savoir l’accroissement de la productivité des traducteurs (par le recyclage des traductions), l’amélioration de la qualité du produit fini (grâce notamment à l’uniformité terminologique) et l’augmentation du chiffre d’affaires des entreprises.

2- Les principaux effets « néfastes » des mémoires de traduction du point de vue des traducteurs sont notamment leur incidence sur le processus de traduction qui est morcelé puisqu’elles les obligent à s’attarder surtout aux phrases – parfois même à des bouts de phrases – plutôt qu’au texte dans son ensemble ainsi que les problèmes litigieux qu’elles soulèvent en ce qui a trait à la tarification. 

Database that contains past translations, aligned and ready for reuse in matching pairs of source and target units.

A typical TM entry, sometimes called a translation unit or TU, consists of a source segment linked to its translation, plus relevant metadata (e.g. time/date and author stamp, client name, subject matter, etc.). The TM application also contains the algorithm for retrieving a matching translation if the same or a similar segment arises in a new text.

When the translator opens a segment in the editor window, the program compares it to existing entries in the database:

• If it finds a source segment in the database that precisely coincides with the segment the translator is working on, it retrieves the corresponding target as an exact match (or a 100 per cent match); all the translator need do is check whether it can be reused as-is, or whether some minor adjustments are required for potential differences in context.
• If it finds a databased source segment that is similar to the active one in the editor, it offers the target as a fuzzy match together with its degree of similarity, indicated as a percentage and calculated on the Levenshtein distance, i.e. the minimum number of insertions, deletions or substitutions required to make it equal; the translator then assesses whether it can be usefully adapted, or if less effort is required to translate from scratch; usually, only segments above a 70 per cent threshold are offered, since anything less is deemed more distracting than helpful.
• If it fails to find any stored source segment exceeding the pre-set match threshold, no suggestion is offered; this is called a no match, and the translator will need to translate that particular segment in the conventional way.