Secteurs
La terminologie, le registre et les cas limites diffèrent nettement d’un secteur à l’autre. Cette page expose à quoi ressemblent généralement les données dans neuf secteurs, ce qui a tendance à mal tourner dans chacun, et les tâches qui nous sont le plus souvent demandées.
Le lexique est construit avec vos équipes avant la production. La connaissance sectorielle est ce qui fait de cette première version un point de départ plutôt qu’une page blanche.
Pour la plupart des secteurs, l’expertise sectorielle se résume à la terminologie et aux conventions documentaires : savoir que 与信 désigne l’évaluation du risque de crédit et non le prêt, qu’une facture japonaise sépare les totaux TTC et HT, qu’une escalade sur un ticket de support se signale par un changement de niveau de politesse plutôt que par un mot de colère.
Ce type de connaissance peut être transmis à un annotateur formé avec un bon lexique et quelques jours de calibrage, et pour la majorité des projets c’est la bonne approche — plus rapide, moins coûteuse et produisant des données plus cohérentes que la réunion de spécialistes pour un travail qui n’en a pas besoin.
Certains jugements sont d’une autre nature. Savoir si une clause contractuelle est opposable, si un traitement fiscal est correct, si une réponse d’IA sur l’assurance sociale induirait un lecteur en erreur — ce sont des jugements professionnels, et aucun lexique ne remplace la formation qui les sous-tend. Savoir lesquelles de vos tâches relèvent de quelle catégorie constitue l’essentiel de la valeur de cette conversation.
En bref
Par secteur
Chaque entrée indique les données que nous voyons habituellement, le piège récurrent et les tâches les plus souvent demandées.
Documentation produit, dépôts réglementaires, informations aux investisseurs, communications clients et textes de conformité, dans un registre formel même au regard des standards professionnels japonais.
Le piège récurrent Les formats numériques varient au sein d’un même document — chiffres arabes et kanji, unités 億 et 万, dates d’ère et dates grégoriennes côte à côte. Sans contrôle, les chiffres extraits deviennent peu fiables.
Tâches types
Contrats, conditions, politiques internes, documents judiciaires et registres, rédigés dans un style très codifié aux structures de clauses fixes.
Le piège récurrent Les frontières de clauses et les termes définis ont une portée juridique. Un empan d’entité qui inclut ou exclut un qualificatif change ce que l’annotation affirme, et une simple aisance linguistique ne le révèle pas.
Tâches types
Notes cliniques, documents destinés aux patients, documentation pharmaceutique et textes de recherche, denses en abréviations et en termes issus du latin et de l’anglais.
Le piège récurrent Les abréviations sont ambiguës et dépendantes du contexte, et le même terme apparaît en kanji, en katakana et en écriture latine. Le traitement des informations personnelles conditionne jusqu’à la composition même de l’équipe.
Tâches types
Titres et attributs de produits, textes de catalogue, requêtes de recherche, avis et questions clients — fort volume, faible formalité, très abrégés.
Le piège récurrent Les noms de produits mêlent librement les écritures et s’écrivent différemment selon qu’ils viennent des vendeurs, des utilisateurs de la recherche ou du catalogue. Faire correspondre ces trois surfaces est la véritable tâche cachée derrière la plupart des demandes d’annotation dans la distribution.
Tâches types
Tickets, journaux de conversation, transcriptions d’appels et contenus de base de connaissances, où le niveau de politesse est lui-même un signal sur l’état de la conversation.
Le piège récurrent En japonais, l’escalade se marque souvent par un passage à un langage plus formel plutôt que par une plainte explicite. Les modèles de sentiment entraînés sur des indices lexicaux la manquent complètement.
Tâches types
Rapports d’inspection, journaux de maintenance, manuels techniques, documentation de sécurité et relevés d’atelier, souvent manuscrits ou scannés.
Le piège récurrent Les abréviations propres au site et la terminologie maison dominent, et n’apparaissent dans aucun dictionnaire. Le lexique doit être construit à partir de vos documents plutôt qu’à partir du secteur.
Tâches types
Itinéraires, descriptions d’établissements et d’équipements, avis, noms de lieux et communications multilingues avec les clients.
Le piège récurrent Les noms de lieux et d’établissements japonais admettent plusieurs lectures valides, et un même lieu apparaît sous plusieurs dénominations officielles et familières. Les erreurs de lecture se propagent dans les produits de recherche et de parole.
Tâches types
Documentation, notes de version, contenus de support, discussions entre développeurs et textes d’interface, mêlant partout le japonais au vocabulaire technique anglais.
Le piège récurrent Les emprunts apparaissent en katakana, en anglais, et sous les deux formes dans une même phrase, avec une orthographe des voyelles longues incohérente. Les tokeniseurs les découpent de façon imprévisible, ce qui déstabilise l’annotation par empans.
Tâches types
Formulaires de demande, avis, textes réglementaires et guides de procédure, suivant des conventions administratives établies de longue date.
Le piège récurrent Dates en années d’ère, formes anciennes de kanji dans les noms et les registres, et formules administratives figées qui doivent être conservées à l’identique plutôt que reformulées.
Tâches types
Expertise
La distinction ne tient pas au caractère technique du vocabulaire. Elle tient au fait que le jugement à porter soit ou non un jugement professionnel.
Lorsque des spécialistes sont nécessaires, nous constituons l’équipe autour de l’expertise dont le projet a besoin. Nous n’entretenons pas de vivier permanent de professionnels agréés, la disponibilité est appréciée projet par projet au regard du périmètre, du volume et du calendrier, et si une qualification ne peut pas être trouvée pour votre projet, nous vous le dirons avant son démarrage.
FAQ
Ce que demandent les équipes selon que leur secteur figure ou non dans la liste ci-dessus.
Non. La liste reflète les types de données que nous voyons le plus souvent, pas une frontière. Ce qui détermine l’adéquation, c’est la nature du jugement qu’exige votre tâche : linguistique, terminologique ou professionnel — envoyez un échantillon et nous vous dirons de laquelle il s’agit, et si nous sommes les bonnes personnes pour cela.
À partir de vos documents d’abord, puis de sources publiques, puis d’un spécialiste lorsque cela se justifie. Le lexique est rédigé avant le pilote, éprouvé pendant celui-ci, et versionné avec les consignes. La terminologie maison qui n’apparaît nulle part ailleurs est précisément la partie que nous attendons de vous plutôt que de connaître d’avance.
Généralement oui, et c’est souvent préférable — une équipe unique portant des consignes uniques produit des données plus cohérentes que plusieurs équipes produisant chacune les siennes. Lorsque des entités ont des registres ou des frontières de confidentialité réellement différents, nous les séparons délibérément et disons pourquoi.
Secteurs
Un échantillon représentatif nous en apprend plus sur la difficulté propre au secteur qu’une description. Nous revenons vers vous avec un projet de lexique et un avis sur la nécessité ou non de spécialistes.
NDA avant tout partage de données. Le cadrage du pilote est gratuit.