Tencent libère Hy-MT2, le traducteur IA qui veut se payer… les API payantes

La guerre de la traduction automatique assistée par les grands modèles de langage se poursuit avec un nouvel avantage sur le continent asiatique. Alors que les entreprises restent largement dépendantes des API cloud propriétaires et payantes de Google, Microsoft ou DeepL, Tencent a officialisé le week-end dernier a mise en open source de sa suite de nouvelle génération : Hy-MT2.

Développée par les équipes de Tencent Hunyuan, cette famille de modèles spécialisés ne se contente pas de s’aligner sur la concurrence. Les versions intermédiaires et lourdes revendiquent tout simplement les meilleurs scores du marché sur les benchmarks de référence, surclassant des modèles généralstes pourtant dotés de dix à vingt fois plus de paramètres.

Une gamme en trois tailles pour s’adapter à toutes les infrastructures

Pour maximiser l’adoption de sa technologie par la communauté, Tencent a fait le choix de décliner son architecture selon trois configurations distinctes, couvrant les usages mobiles en périphérie (edge) jusqu’aux infrastructures serveurs lourdes.

Comparatif de la famille de modèles Hy-MT2

L’intégralité de la gamme prend en charge la traduction mutuelle au sein d’un bloc de 33 langues, enrichie nativement de la gestion de cinq variations linguistiques de minorités ethniques et de dialectes régionaux.

Un modèle d’entraînement basé sur les « Lions » de Hunyuan

La supériorité technique de Hy-MT2 ne doit rien au hasard. Contrairement aux LLM classiques entraînés pour le clavardage (chat) généraliste, le framework de Tencent repose sur un modèle d’apprentissage exclusivement sémantique et orienté vers la fidélité de transcription.

Ce processus d’apprentissage s’articule autour de trois piliers méthodologiques visibles sur les cahiers de recherche de l’éditeur. D’un côté, la distillation guidée par référence (Reference-Guided OPD) : le modèle léger (1.8B) subit une distillation active à partir du modèle enseignant (7B) sur une base d’un million de requêtes monolingues pour hériter de sa finesse de découpage sans en subir le coût d’infrastructure.

De l’autre, l’apprentissage par renforcement ciblé (Family-Specific RL) : une optimisation de politique relative basée sur des guides d’évaluation humains stricts (fluidité, précision culturelle, respect des tournures idiomatiques).

Enfin, la distillation croisée (Cross-Family OPD) : l’interconnexion des modèles enseignants pour harmoniser les comportements de traduction, notamment pour les bascules complexes entre le chinois et les langues occidentales.

Trois fonctionnalités indispensables pour la production

Accessible dès à présent sur le GitHub de Tencent HY-MT, le modèle intègre trois prompts pour les flux de travail industriels.

La première est l’intervention terminologique contrôlée, qui permet de forcer l’usage d’un lexique ou d’un glossaire de marque strict (ex: imposer la traduction d’un terme médical ou juridique complexe) sans que le modèle ne tente une translittération hasardeuse.

Ensuite, la traduction sensible au contexte fonctionne ainsi :  le modèle analyse l’environnement d’un paragraphe pour résoudre les homonymes. Un mot ambigu comme « pilote » en français sera ainsi correctement traduit par « épisode pilote » s’il est entouré de phrases évoquant une série télévisée, et non par « aviateur ».

Troisième et dernier élément : la préservation des balises de structure (idéale pour les développeurs web) rend le modèle capable de traduire le texte brut contenu au sein de balises HTML, XML ou de code sans altérer les tags structurels de la page d’origine.

Pour le grand public peu familier avec les plateformes de déploiement, Tencent a immédiatement décliné sa technologie sous la forme d’un mini-programme WeChat baptisé « Tencent Hy Translation » doublé d’applications mobiles natives pour iOS et Android (pour l’heure en chinois).

Les versions de poids ouverts quantifiées (FP8, GPTQ-Int4, GGUF) sont quant à elles téléchargeables sur Hugging Face et la plateforme asiatique ModelScope pour une exécution locale.