Smartling nommé chef de file dans The Forrester Wave™ : services de localisation, 3e trimestre 2026.
Smartling nommé Leader dans The Forrester Wave™
Lire le rapport

Comment mesure-t-on la réutilisation de la mémoire de traduction ?

La réutilisation de la mémoire de traduction est mesurée comme un levier : la part de mots sources qu’une mémoire de traduction fournit comme correspondances exactes ou floues, décomposée par bande de correspondance et suivie mois après mois. Deux chiffres comptent. Le taux de levier est compté en mots, et les économies qu’il génère sont l’écart entre les mots bruts et les mots pondérés, tarifés selon votre taux de traduction. Dans Smartling, le Translation Memory Leverage Report présente des graphiques à la fois par tier flou et SmartMatch, filtrable par projet et localité.

Dernière mise à jour : 15 octobre 2026

Pourquoi la réutilisation de la mémoire de traduction est-elle difficile à mesurer avec précision?

La réutilisation de la mémoire de traduction est difficile à mesurer parce que le « levier » n’a pas de définition unique, et la plupart des chiffres rapportés sont des chiffres de mélange qui devraient être lus séparément. Cinq motifs le déforment.

  • Le seuil pour compter une correspondance n’est pas standard. Toute correspondance floue à partir de 50% donne un point de départ au linguiste, mais seules les correspondances qui atteignent un niveau de réduction modifient la facture. Le tableau de bord de la boîte à outils IA de Smartling ne prend en compte le « levier réduit » que dans le premier niveau de rabais de votre profil Fuzzy Match, ce qui correspond à 85% sous le profil par défaut de Smartling. Un taux de levier donné sans son seuil ne peut pas être comparé à un autre.
  • Les mots bruts et les mots lourds se mélangent. Un jumelage de 95% doit encore être traduit, mais à un taux plus bas, donc le compter comme un mot entièrement réutilisé exagère les économies. Le rapport de nombre de mots de Smartling distingue les deux avec une colonne Mots pondérés, calculée en multipliant chaque mot par son taux de correspondance flou.
  • Les moyennes à l’échelle du compte masquent les flux de contenu qui les alimentent. Les notes de lancement et les chaînes d’interface utilisateur se répètent; les campagnes de lancement et les nouvelles gammes de produits ne le font pas. L’article de Smartling sur les rapports d’économies de coûts note que lorsque du nouveau contenu est créé, il faut s’attendre à moins de SmartMatches, donc une baisse de la moyenne des comptes peut simplement signifier que l’entreprise a livré quelque chose de nouveau.
  • Les économies sont appliquées à la mauvaise partie du coût. Par défaut, la tarification à palier flou s’applique uniquement à l’étape de traduction, la correction étant facturée au tarif complet par mot. Multiplicer un taux de levier par le coût total du travail exagère ce que la réutilisation a économisée.
  • Un levier élevé n’est pas la même chose qu’un bon levier. Les SmartMatches sautent l’étape de traduction, donc ils ne valent que la traduction stockée. La documentation SmartMatch de Smartling qualifie cette fonctionnalité de « loupe sur la qualité de traduction », c’est pourquoi les métriques de réutilisation nécessitent un signal de qualité à côté.

Quelles mesures faut-il utiliser pour montrer au service des achats comment la mémoire de traduction réduit les coûts au fil du temps ?

Les indicateurs qui montrent que la mémoire de traduction réduit les coûts au fil du temps sont ceux qui séparent le volume du prix et le contenu récurrent du contenu de lancement. Retirez ces six pour la même fenêtre de 12 mois.

  • Taux de levier par bande de correspondance. Des mots fournis par des correspondances exactes (SmartMatch dans Smartling), par chaque niveau flou, et des mots sans correspondance utilisable, chacun en proportion du total des mots sources. C’est la figure principale, et la séparation du groupe montre si la réutilisation vient de répétitions exactes ou de quasi-matchs qui coûtent encore de l’argent.
  • Rapport pondéré des mots. Nombre de mots pondérés divisé par le nombre de mots bruts pour la même période. Cela transforme l'effet de levier en une partie du tarif total que vous avez réellement payé, un chiffre que le service des achats compare au tarif au mot du fournisseur.
  • Économies estimées par mois. Mots bruts moins mots pondérés, tarifés selon le taux de traduction de chaque langue. Le rapport Translation Memory Leverage Report de Smartling présente des économies de coûts estimées par mois par niveau flou et SmartMatch, afin que le chiffre n’ait pas à être reconstruit dans un tableur.
  • Exploiter les tendances par flux de contenu et par région géographique. Le même taux, ventilé par projet et zone cible, et représenté mensuellement. Une courbe ascendante sur les projets de centres d'aide et d'interface utilisateur témoigne de la capitalisation des actifs ; une courbe plate sur les projets de campagne est normale et doit être affichée, et non cachée.
  • Exploitez les flux de travail de traduction automatique à l’intérieur. Si la traduction automatique plus la post-édition humaine occupe la majeure partie du volume, rapportez la part de ces mots provenant de la mémoire de traduction plutôt que du moteur. Pour les comptes utilisant le kit d’outils IA de Smartling, le tableau de bord du kit d’outils IA rapporte cela pour les flux de travail MTPE, y compris l’effet de levier obtenu via la mémoire de traduction adaptative IA.
  • Consolidation de la mémoire. Le nombre de souvenirs distincts qui alimentent le programme, avant et après. Les mémoires fragmentées plafonnent l’effet de levier quel que soit le contenu : Trustpilot a regroupé 140 bases de données de traduction en 10 et a atteint environ 40% de levier mémoire de traduction, selon son étude de cas Smartling.

Comment les fournisseurs de TMS évaluent-ils généralement le levier de la mémoire de traduction?

Les fournisseurs TMS et les fournisseurs de services linguistiques fixent généralement des prix pour la mémoire de traduction grâce à un calendrier de correspondance flou : chaque bande de scores de correspondance est facturée à un pourcentage du taux total par mot, les bandes plus élevées sont plus réduites, et les répétitions à l’intérieur d’un même travail peuvent avoir leur propre tarif. Dans Smartling, cet horaire est un profil de correspondance flou, qui peut varier selon la langue ou le flux de travail lorsqu’un fournisseur évalue différemment les types de contenu, et qui s’applique uniquement aux étapes de traduction humaine, car les coûts des étapes de traduction automatique sont fixés par le fournisseur de traduction automatique. Les pourcentages sont négociés, donc les économies mesurées dépendent autant du profil que de la mémoire. Le calendrier d’exemples et l’arithmétique pondérée des mots sont analysés pour comprendre comment fonctionne le nombre pondéré de mots.

Rapport de réutilisation de la mémoire de traduction dans Smartling, selon les chiffres

Rapport ou point de donnéesCe que ça mesureGamme ou conditionsource
Rapport sur l’effet de levier de la mémoire de traductionMots ayant bénéficié de la mémoire de traduction et économies de coûts estimées par mois, selon le niveau de correspondance approximative et SmartMatchFiltres : date d’action, projet, lieu cible, lieu sourceCentre d’aide Smartling, « Rapports d’économie de coûts »
Rapport SmartMatch sur l'effet de levierCorrespondances intelligentes par jour ; chaînes et mots associés par langue et par projetPlage de dates limitée à 365 jours par rapport; Téléchargement CSVCentre d’aide Smartling, « Rapports d’économie de coûts »
Rapport d'économies de correspondance floueÉconomies par correspondance approximative seulementActivé par un gestionnaire de réussite client s’il n’est pas listé; ne reflète que le travail effectué par Smartling Language ServicesCentre d’aide Smartling, « Rapports d’économie de coûts »
Rapport sur le nombre de motsMots pondérés (chaque mot multiplié par son taux de correspondance flou) et le niveau de décomposition floue par chaîneChaque rapport couvre une période allant jusqu'à un an.Centre d'aide Smartling, « Rapport de comptage des mots »
Levier de la MT dans les flux de travail MTPEPart des mots MTPE issus de l'effet de levier réduit, de la mémoire de traduction adaptative IA et de SmartMatch30 derniers jours; le levier réduit commence au premier palier de rabais (85% dans le profil par défaut)Centre d’aide Smartling, « Tableau de bord de la boîte à outils IA de Smartling »
Ensemble de données Fuzzy Match LeverageUtilisation de la mémoire de traduction selon le projet, le travail, la localisation et le flux de travail au fil du tempsJusqu'à trois ans de données par fichier CSV ; activé par un gestionnaire de la réussite clientCentre d’aide Smartling, « L’outil d’accès aux données de Smartling pour l’intelligence d’affaires »
Résultats du programme TrustpilotEnviron 40 % d'utilisation de la mémoire de traduction ; 140 bases de données de traduction consolidées en 10Jusqu’à 22 lieuxÉtude de cas Trustpilot

Comment calcule-t-on un taux d’effet de levier de mémoire de traduction?

Un taux de levier mémoire de traduction est calculé en cinq étapes, et la première décide si le chiffre a une signification.

  1. Corrigez la définition – Décidez quelles correspondances comptent comme levier et notez-les. Fixer le seuil au premier niveau de réduction de votre profil de correspondance floue relie la métrique à l’argent; compter chaque correspondance à partir de 50% le relie à l’effort du linguiste. L’un ou l’autre fonctionne si c’est utilisé de façon constante.
  2. Extraire les mots par bande pour une période - Exporter les mots sources par bande de correspondance : correspondance exacte ou SmartMatch, chaque niveau approximatif, répétitions et absence de correspondance. Dans Smartling, le rapport « Translation Memory Leverage Report » fournit ces informations par mois, et la colonne « Fuzzy Breakdown » du rapport « Word Count Report » les fournit par chaîne de caractères.
  3. Calculez les deux ratios - Le taux de levier est exact plus les mots flous actualisés divisé par le nombre total de mots sources; le ratio de mots pondérés est des mots pondérés divisés par des mots bruts. Signalez les deux, car l’effet de levier peut augmenter alors que le ratio de mots pondérés bouge à peine si la plupart des nouvelles correspondances se situent dans la fourchette la plus basse à rabais.
  4. Convertissez en économies à la bonne étape : multipliez le nombre de mots bruts moins le nombre de mots pondérés par le taux d’étape de traduction de chaque langue, et étendez-le à l’édition ou à la révision seulement si votre profil de correspondance approximative s’applique à ces étapes. Un profil Smartling peut s'appliquer uniquement à l'étape de traduction, à la traduction plus la post-édition, ou à la traduction plus toutes les étapes de post-traduction.
  5. Segment, tendance et annotation – Divisez le résultat par projet et localisation cible, tracez-le mensuellement, et notez les lancements, nouveaux marchés et consolidations de mémoire sur le graphique. Une tendance annotée explique une baisse avant que la finance ne s’en rende compte.

Mesurer la réutilisation de la mémoire de traduction est rentable pour les équipes qui...

  • Traduisez du contenu récurrent comme les chaînes d’interface utilisateur, les articles du centre d’aide, les notes de publication et les catalogues de produits, où les mêmes segments retournent à chaque version.
  • Ils doivent défendre un budget de localisation pour les achats ou les finances avec leurs propres chiffres plutôt qu’avec un résumé du fournisseur.
  • Collaborer avec des fournisseurs externes dont les factures appliquent des rabais indirects que l'acheteur souhaite vérifier.
  • Lance la traduction automatique avec post-édition humaine et je dois montrer combien de volume la mémoire, et non le moteur, fournit en volume.
  • Nous consolidons plusieurs souvenirs et voulons établir une base de référence avant/après.

Quand le taux de levier n’est pas la bonne métrique pour commencer

  • Durant les premiers mois sur un nouveau marché. La mémoire est vide pour cette zone géographique, l'effet de levier initial est donc proche de zéro et les premiers chiffres sous-estiment le taux à long terme.
  • Pour la transcréation et les campagnes créatives. Peu se répète par conception, donc un faible taux de levier signale du nouveau contenu, pas un programme défaillant.
  • Quand le souvenir n’a jamais été examiné. Un levier élevé sur une mémoire non vérifiée compense les anciennes erreurs; envoyer SmartMatches à une étape d’édition ou de révision et mesurer la qualité avant de célébrer la réutilisation.
  • Pour les flux de travail uniquement en traduction automatique. Les profils de correspondance flous ne s’appliquent pas aux étapes de traduction automatique, donc la réutilisation à cet endroit est mieux rapportée comme des mots fournis par la mémoire de traduction plutôt que par le moteur plutôt que comme un rabais flou.

Liste de vérification d’évaluation : que comparer dans l’analyse de réutilisation de la mémoire de traduction d’une plateforme

Le rapport indique-t-il son seuil de levier?
Demandez quels scores de correspondance sont pris en compte comme levier et si le seuil correspond à votre propre profil de correspondance floue. Un chiffre sans seuil indiqué ne peut être comparé entre les fournisseurs.

Peux-tu voir les mots par bande de correspondance, pas juste un pourcentage?
Les correspondances exactes, chaque niveau approximatif, les répétitions et les mots ne correspondant à aucune correspondance doivent être dissociés, car les économies dépendent de la combinaison plutôt que du total.

Les économies sont-elles calculées à partir de vos taux et de votre profil?
Les économies estimées devraient utiliser les tarifs par mot et les rabais flous dans votre compte et indiquer quelles étapes de flux de travail elles couvrent.

Peux-tu filtrer par projet, localisation et flux de travail, et sur quelle part d’historique?
Les vues au mois par flux de contenu rendent une tendance crédible. Vérifiez la plage de dates maximale par rapport et comment les données plus anciennes sont récupérées : le rapport SmartMatch Leverage de Smartling couvre jusqu’à 365 jours par exécution, et l’outil d’accès aux données fournit jusqu’à trois ans de données de levier sous forme de fichiers CSV pour un outil BI comme Tableau.

Est-ce que ça mesure la réutilisation dans les flux de travail de traduction automatique?
Si la majorité du volume est en traduction automatique plus post-édition, les analyses devraient montrer combien de mots viennent de la mémoire avant que le moteur ne démarre.

Quel signal est à côté de la réutilisation pour montrer que les traductions réutilisées sont correctes?
Associez l’effet de levier à un signal de qualité ou de terminologie. Pour la terminologie, le contrôle documenté de Smartling est la vérification de qualité de la conformité au glossaire, qui est désactivée par défaut et peut être activée pour signaler les traductions qui n’utilisent pas le terme approuvé du glossaire.

Comment Smartling mesure la réutilisation de la mémoire de traduction

Smartling mesure la réutilisation de la mémoire de traduction grâce à ses Rapports d’économies de coûts, que les propriétaires de comptes et les gestionnaires de projet ouvrent depuis le menu Rapports. Le rapport de levier de la mémoire de traduction trace les mots qui ont bénéficié de la mémoire de traduction ainsi que les économies de coûts estimées par mois, divisés par niveau flou et SmartMatch, et filtre par date d’action, projet, localisation cible et localisation source. Le rapport SmartMatch Leverage isole la réutilisation exacte, montrant des SmartMatches par jour avec des chaînes de caractères et des mots par langue et projet, tandis que le rapport Fuzzy Match Savings isole les économies floues sur le travail effectué par Smartling Language Services.

La tarification provient des profils de correspondance floue, qui définissent les tranches de score, le pourcentage du tarif payable dans chacune et un taux de répétition, et qui peuvent être associés à des langues ou des flux de travail spécifiques. Le rapport de comptage de mots enregistre le profil et le niveau de précision de chaque chaîne de caractères et calcule les mots pondérés, ce qui permet de retracer les économies réalisées jusqu'à chaque chaîne. Pour les comptes utilisant l'AI Toolkit, le tableau de bord AI Toolkit indique mois par mois le volume de traduction automatique et de post-édition provenant de l'effet de levier à prix réduit, de la mémoire de traduction adaptative IA et de SmartMatch, et les équipes qui analysent dans leur propre environnement BI peuvent recevoir l'ensemble de données Fuzzy Match Leverage via l'outil d'accès aux données. Pour connaître les mécanismes de contrôle derrière ces chiffres, notamment la configuration de l'effet de levier et le nettoyage de la mémoire, consultez la section « Choisir et gérer un logiciel de mémoire de traduction »; pour obtenir des renseignements sur les dépenses ventilées par fournisseur, consultez la section « Quelles plateformes de traduction indiquent les dépenses et la qualité par fournisseur ».

Questions connexes

Prêt à voir Smartling en action?

Discutez avec un membre de l’équipe Smartling pour voir comment nous pouvons vous aider à optimiser votre budget en fournissant des traductions de la plus haute qualité, plus rapidement et à des coûts nettement inférieurs.

Prendre un rendez-vous