How many of you had to fill out a web form where you've been asked to read a distorted sequence of characters like this? How many of you found it really annoying?
Combien d'entre vous ont déjà eu à remplir un formulaire en ligne dans lequel on vous demande de lire une séquence déformée de caractères telle que ceux-là ? Combien d'entre vous ont trouvé ça vraiment, vraiment enquiquinant ? Ok, c'est clair. Et c'est moi qui l'ai inventé.
(Laughter)
OK, outstanding. So I invented that.
(rires)
(Laughter)
Enfin, j'ai participé à son invention.
Or I was one of the people who did it. That thing is called a CAPTCHA. And it is there to make sure you, the entity filling out the form, are a human and not a computer program that was written to submit the form millions of times. The reason it works is because humans, at least non-visually-impaired humans, have no trouble reading these distorted characters, whereas programs can't do it as well yet. In the case of Ticketmaster, the reason you have to type these characters is to prevent scalpers from writing a program that can buy millions of tickets, two at a time.
Cette chose s'appelle un CAPTCHA. Et sa raison d'être est de vérifier que vous, l'entité qui remplit le formulaire, êtes bien un humain et pas un quelconque programme informatique, créé pour soumettre le formulaire des millions et des millions de fois. La raison pour laquelle ça marche est que les humains en tous cas les humains qui ne sont pas mal voyants, n'ont pas de problème pour lire des caractères ondulés et déformés, alors que les programmes informatiques ne peuvent pas encore le faire aussi bien. Par exemple, dans le cas de "Ticketmaster", la raison pour laquelle vous devez taper ces caractères est d'empêcher des revendeurs au marché noir d'écrire un programme qui pourrait acheter des millions de tickets, deux par deux.
CAPTCHAs are used all over the Internet. And since they're used so often, a lot of times the sequence of random characters shown to the user is not so fortunate. So this is an example from the Yahoo registration page. The random characters that happened to be shown to the user were W, A, I, T, which, of course, spell a word. But the best part is the message that the Yahoo help desk got about 20 minutes later.
Les CAPTCHA sont utilisés partout sur Internet. Et comme on les utilise aussi souvent, de nombreuses fois, la séquence de caractères aléatoires qui est montrée à l'utilisateur n'est pas très heureuse. Voici un exemple tiré de la page d'inscription de Yahoo. Les caractères aléatoires montrés à l'utilisateur étaient A,T,T,E,N,D,R,E (ndlt: WAIT en anglais), qui, bien sûr, forment un mot. Mais le plus drôle c'est le message que l'aide en ligne de Yahoo a reçu environ 20 min plus tard.
[Help! I've been waiting for over 20 minutes and nothing happens.]
Texte : "Aidez-moi ! J'attends depuis plus de 20 min, et il ne se passe rien."
(Laughter)
(rires)
This person thought they needed to wait. This, of course, is not as bad as this poor person.
La personne pensait devoir attendre. Bien sûr, ce n'est pas aussi terrible que ce qui est arrivé à cette pauvre personne (texte : redémarrez).
(Laughter)
(rires)
CAPTCHA Project is something that we did at Carnegie Melllon over 10 years ago, and it's been used everywhere. Let me now tell you about a project that we did a few years later, which is sort of the next evolution of CAPTCHA. This is a project that we call reCAPTCHA, which is something that we started here at Carnegie Mellon, then we turned it into a start-up company. And then about a year and a half ago, Google actually acquired this company.
Nous avons lancé le projet CAPTCHA il y a plus de 10 ans, ici, à Carnegie Mellon, et il est maintenant utilisé partout. Laissez-moi maintenant vous parler d'un projet que nous avons lancé quelques années plus tard, qui est, en quelque sorte, l'étape suivante du CAPTCHA. Il s'agit du projet que nous avons appelé reCAPTCHA, que nous avons commencé ici à Carnegie Mellon, puis que nous avons transformé en start-up. Et il y environ un an et demi, Google l'a en fait rachetée.
Let me tell you what this project started. This project started from the following realization: It turns out that approximately 200 million CAPTCHAs are typed everyday by people around the world. When I first heard this, I was quite proud of myself. I thought, look at the impact my research has had. But then I started feeling bad. Here's the thing: each time you type a CAPTCHA, essentially, you waste 10 seconds of your time. And if you multiply that by 200 million, you get that humanity is wasting about 500,000 hours every day typing these annoying CAPTCHAs.
Laissez-moi vous raconter les débuts de ce projet. Ce projet est né du constat suivant : il s'avère qu'approximativement 200 millions de CAPTCHA sont tapés par des gens tous les jours dans le monde. La première fois que j'ai entendu ça, j'étais assez fier de moi. Je me suis dit "regarde l'influence que ma recherche a eue". Mais ensuite, j'ai commencé à me sentir mal. En effet, à chaque fois que vous tapez un CAPTCHA, vous perdez en gros 10 secondes de votre temps. Et si vous multipliez ça par 200 millions, vous vous rendez compte que l'humanité perd environ 500 000 heures chaque jours en tapant ces ennuyeux CAPTCHA.
(Laughter)
Alors, j'ai commencé à me sentir mal.
So then I started feeling bad.
(rires)
(Laughter)
Et puis j'ai commencé à me demander, bon, bien sûr, on ne peut pas simplement se débarrasser des CAPTCHA,
And then I started thinking, of course, we can't just get rid of CAPTCHAs, because the security of the web depends on them. But then I started thinking, can we use this effort for something that is good for humanity? So see, here's the thing. While you're typing a CAPTCHA, during those 10 seconds, your brain is doing something amazing. Your brain is doing something that computers cannot yet do. So can we get you to do useful work for those 10 seconds? Is there some humongous problem that we cannot yet get computers to solve, yet we can split into tiny 10-second chunks such that each time somebody solves a CAPTCHA, they solve a little bit of this problem? And the answer to that is "yes," and this is what we're doing now.
car la sécurité du Web en dépend un peu. Mais alors j'ai commencé à me demander s'il y avait moyen d'utiliser cet effort pour quelque chose de bénéfique pour l'humanité ? Alors, voilà. Pendant que vous tapez un CAPTCHA, pendant ces 10 secondes, votre cerveau fait quelque chose d'incroyable. Votre cerveau fait quelque chose que les ordinateurs ne savent pas encore faire. Pouvons-nous alors vous amener à faire un travail utile pendant ces 10 secondes? Autrement dit, y a-t-il un énorme problème que nous ne sachions pas encore résoudre à l'aide d'ordinateurs, mais que nous puissions découper en petits bouts de 10 secondes de façon à ce que chaque fois que quelqu'un résout un CAPTCHA, il résout un petit bout de ce problème ? Et la réponse est "oui", et c'est ce que nous faisons maintenant.
Nowadays, while you're typing a CAPTCHA, not only are you authenticating yourself as a human, but in addition you're helping us to digitize books. Let me explain how this works. There's a lot of projects trying to digitize books. Google has one. The Internet Archive has one. Amazon, with the Kindle, is trying to digitize books. Basically, the way this works is you start with an old book. You've seen those things, right? Like a book?
Ce que vous ne savez peut-être pas, c'est que maintenant, quand vous tapez un CAPTCHA, non seulement vous vous authentifiez en tant qu'humain, mais en plus vous contribuez à la numérisation de livres. Laissez-moi vous expliquer comment ça marche. Il y a plein de projets dont le but est de numériser des livres. Google en a un. Internet Archive en a un. Amazon, maintenant avec Kindle, essaye de numériser des livres. Voilà en gros comment ça marche : vous prenez un vieux livre. Vous voyez de quoi je parle, n'est-ce pas ? Genre, un livre ? (rires)
(Laughter)
Donc, vous prenez un livre et vous le scannez.
So you start with a book and then you scan it.
Scanner un livre,
Now, scanning a book is like taking a digital photograph of every page. It gives you an image for every page. This is an image with text for every page of the book. The next step in the process is that the computer needs to be able to decipher the words in this image. That's using a technology called OCR, for optical character recognition, which takes a picture of text and tries to figure out what text is in there. Now, the problem is that OCR is not perfect. Especially for older books where the ink has faded and the pages have turned yellow, OCR cannot recognize a lot of the words. For things that were written more than 50 years ago, the computer cannot recognize about 30 percent of the words. So now we're taking all of the words that the computer cannot recognize and we're getting people to read them for us while they're typing a CAPTCHA on the Internet.
c'est comme prendre une photo numérique de chaque page du livre. Vous avez alors une image de chaque page du livre. Une image avec du texte pour chaque page du livre. L’étape suivante du processus implique que l'ordinateur sache décrypter tous les mots de l'image. On utilise une technologie appelée ROC, pour Reconnaissance Optique de Caractères, qui prend une image du texte et essaie d'identifier le texte qui s'y trouve. Le problème est que la ROC n'est pas parfaite. Surtout avec les vieux livres, dont l'encre est passée, et les pages jaunies, La ROC ne reconnait pas beaucoup mots. Par exemple, pour des trucs écrits il y a plus de 50 ans, l'ordinateur ne reconnait pas environ 30% des mots. Donc maintenant nous prenons tous les mots que l'ordinateur ne reconnait pas et des gens les lisent pour nous quand ils tapent un CAPTCHA sur Internet.
So the next time you type a CAPTCHA, these words that you're typing are actually words from books that are being digitized that the computer could not recognize. The reason we have two words nowadays instead of one is because one of the words is a word that the system just got out of a book, it didn't know what it was and it's going to present it to you. But since it doesn't know the answer, it cannot grade it. So we give you another word, for which the system does know the answer. We don't tell you which one's which and we say, please type both. And if you type the correct word for the one for which the system knows the answer, it assumes you are human and it also gets some confidence that you typed the other word correctly. And if we repeat this process to 10 different people and they agree on what the new word is, then we get one more word digitized accurately.
Alors, la prochaine fois que vous tapez un CAPTCHA, ces mots que vous taperez seront en fait des mots venant de livres en cours de numérisation que l'ordinateur n'a pas su reconnaitre. Et la raison pour laquelle nous avons deux mots, et non pas un seul, est qu'un de ces mots est un mot que le système a tiré d'un livre, sans savoir ce que c'est, et il va vous le montrer. Mais comme il ne connait pas la bonne réponse, il ne peut pas évaluer la vôtre. Donc nous vous en donnons un autre, un pour lequel le système connait la réponse. Nous ne vous disons pas lequel est lequel, et nous vous demandons de taper les deux. Et si vous tapez le bon mot pour celui pour lequel le système connait déjà la réponse, il suppose que vous êtes humain, et il vous fait confiante pour taper l'autre mot correctement. Et si nous répétons ce processus avec environ 10 personnes différentes, et que toutes tombent d'accord sur le nouveau mot, alors nous obtenons un mot de plus numérisé correctement.
So this is how the system works. And since we released it about three or four years ago, a lot of websites have started switching from the old CAPTCHA, where people wasted their time, to the new CAPTCHA where people are helping to digitize books. So every time you buy tickets on Ticketmaster, you help to digitize a book. Facebook: Every time you add a friend or poke somebody, you help to digitize a book. Twitter and about 350,000 other sites are all using reCAPTCHA. And the number of sites that are using reCAPTCHA is so high that the number of words we're digitizing per day is really large. It's about 100 million a day, which is the equivalent of about two and a half million books a year. And this is all being done one word at a time by just people typing CAPTCHAs on the Internet.
Voila comment fonctionne le système. Et en gros, depuis que nous l'avons lancé, il y a 3 ou 4 ans, beaucoup de sites web ont commencé à passer du vieux CAPTCHA avec lequel les gens perdaient leur temps au nouveau CAPTCHA avec lequel les gens contribuent à numériser des livres. Par exemple, Ticketmaster. Alors chaque fois que vous achetez un billet sur Ticketmaster, vous contribuez à numériser un livre. Facebook : Chaque fois que vous ajoutez quelqu'un, ou lui envoyez un poke vous contribuez à numériser un livre. Twitter et environ 350 000 autres sites utilisent reCAPTCHA. Et en fait, le nombre de sites utilisant reCAPTCHA est si grand que le nombre de mots que nous numérisons par jour est très très grand. C'est environ 100 millions par jour, soit l’équivalent d’à peu près 2,5 millions de livres par an. Et tout est fait un mot après l'autre, uniquement par des gens qui tapent des CAPTCHA sur Internet. (applaudissements)
(Applause)
Bien sûr,
Now, of course, since we're doing so many words per day, funny things can happen. This is especially true because now we're giving people two randomly chosen English words next to each other. So funny things can happen. For example, we presented this word. It's the word "Christians"; there's nothing wrong with it. But if you present it along with another randomly chosen word, bad things can happen. So we get this.
puisque nous faisons tellement de mots par jour, il peut se produire de drôles de choses. Et c'est particulièrement vrai car nous proposons aux gens deux mots pris au hasard dans la langue anglaise, l'un à côté de l'autre. Et donc de drôles de choses se produisent. Par exemple, nous avons proposé ce mot. Il s'agit du mot "Chrétiens"; il n'y a rien de mal à ça. Mais si vous le présentez à côté d'un autre mot pris au hasard, de mauvaises choses peuvent se produire. Ainsi, nous avons obtenu ça. (Texte : mauvais chrétiens)
[bad Christians]
Et c'est bien pire, car il se trouve que le site web où cela s'est affiché
But it's even worse, because the website where we showed this actually happened to be called The Embassy of the Kingdom of God.
était en fait appelé Ambassade du Royaume de Dieu. (rires)
(Laughter)
Oh la gaffe !
Oops.
(rires)
(Laughter)
Voici encore un vraiment mauvais coup.
Here's another really bad one. JohnEdwards.com
JohnEdwards.com (Texte : Maudit libéral)
[Damn liberal]
(Laughter)
(rires)
So we keep on insulting people left and right everyday. Of course, we're not just insulting people. Here's the thing. Since we're presenting two randomly chosen words, interesting things can happen. So this actually has given rise to a really big Internet meme that tens of thousands of people have participated in, which is called CAPTCHA art. I'm sure some of you have heard about it. Here's how it works. Imagine you're using the Internet and you see a CAPTCHA that you think is somewhat peculiar, like this CAPTCHA.
Ainsi, nous insultons sans cesse des gens ici et là, tous les jours. Bien sûr, nous ne nous contentons pas de les insulter. Vous voyez, le truc c'est que, puisque nous présentons deux mots pris au hasard, il peut se passer des choses intéressantes. Et ça a donné lieu à un immense mème sur Internet, auquel des dizaines de milliers de personnes ont participé, et qui s'appelle le CAPTCHA art. Je suis sûr que certains d'entre en ont déjà entendu parler. Voici comment ça marche. Imaginez que vous soyez en train d'utiliser Internet et que vous voyiez un CAPTCHA, que vous trouvez quelque peu bizarre, comme ce CAPTCHA (Texte : grille-pain invisible).
[invisible toaster]
Ce que vous êtes alors censé faire, c'est une capture d'écran.
What you're supposed to do is you take a screenshot of it. Then of course, you fill out the CAPTCHA because you help us digitize a book. But first you take a screenshot and then you draw something that is related to it.
Bien sûr, ensuite, vous remplissez le CAPTCHA car vous nous aidez à numériser un livre. Mais ensuite, d'abord vous faites une capture d'écran, et ensuite vous dessinez quelque chose qui ait un rapport.
(Laughter)
(rires)
That's how it works.
Voilà comment ça marche.
(Laughter)
Il y en a des dizaines de milliers comme ça.
There are tens of thousands of these. Some of them are very cute.
Certains sont vraiment mignons. (Texte : je l'ai serré)
[clenched it]
(rires)
(Laughter)
D'autres sont plus drôles.
Some of them are funnier.
(Texte : fondateurs défoncés)
[stoned Founders]
(Laughter)
(rires)
And some of them, like paleontological shvisle ...
Et certains,
(Laughter)
comme bidule paléontologique,
they contain Snoop Dogg.
font figurer Snoop Dogg.
(Laughter)
(rires)
OK, so this is my favorite number of reCAPTCHA. So this is the favorite thing that I like about this whole project. This is the number of distinct people that have helped us digitize at least one word out of a book through reCAPTCHA: 750 million, a little over 10 percent of the world's population, has helped us digitize human knowledge. And it is numbers like these that motivate my research agenda. So the question that motivates my research is the following: If you look at humanity's large-scale achievements, these really big things that humanity has gotten together and done historically -- like, for example, building the pyramids of Egypt or the Panama Canal or putting a man on the Moon -- there is a curious fact about them, and it is that they were all done with about the same number of people. It's weird; they were all done with about 100,000 people. And the reason for that is because, before the Internet, coordinating more than 100,000 people, let alone paying them, was essentially impossible. But now with the Internet, I've just shown you a project where we've gotten 750 million people to help us digitize human knowledge. So the question that motivates my research is, if we can put a man on the Moon with 100,000, what can we do with 100 million?
Bon, voilà mon nombre préféré de reCAPTCHA. Et c'est le truc que je préfère dans tout ce projet. C'est le nombre de personnes distinctes qui ont contribué à numériser au moins un mot avec reCAPTCHA : 750 millions de personnes, soit un peu plus de 10% de la population mondiale, nous ont aidés à numériser le savoir humain. Et c'est ce genre de nombre qui me motive à continuer mes recherches. Et la question qui motive mes recherches est la suivante : Si vous observez ce que l'humanité a fait à grande échelle, ces choses vraiment grandes, que l'humanité a faites dans l'histoire, comme par exemple construire les pyramides d’Égypte, ou le Canal de Panama, ou envoyer un homme sur la lune, elles présentent un fait curieux, c'est qu'elles ont toute été réalisées par le même nombre de gens. C'est étrange : elles ont toutes été réalisées par environ 100 000 personnes. Et la raison en est que, avant Internet, coordonner plus de 100 000 personnes, sans parler de les payer, était impossible. Mais maintenant, avec Internet, je viens de vous montrer un projet dans lequel j'ai obtenu que 750 millions de personnes nous aident à numériser le savoir humain. Donc, la question qui motive mes recherches est, si nous pouvons envoyer un homme sur la lune avec 100 000 personnes, que pouvons-nous faire avec 100 millions de personnes?
So based on this question, we've had a lot of different projects that we've been working on. Let me tell you about one that I'm most excited about. This is something that we've been semiquietly working on for the last year and a half or so. It hasn't yet been launched. It's called Duolingo. Since it hasn't been launched, shhh!
En partant de cette question, nous avons travaillé sur de nombreux projets différents. Laissez-moi vous parler de celui qui m'enthousiasme le plus. Nous travaillons là-dessus sans en parler trop depuis environ un an et demi. On ne l'a pas encore lancé. Ça s'appelle Duolingo. Comme on ne l'a pas encore lancé, chut!
(Laughter)
(rires)
Yeah, I can trust you'll do that. So this is the project. Here's how it started. It started with me posing a question to my graduate student, Severin Hacker. OK, that's Severin Hacker. So I posed the question to my graduate student. By the way, you did hear me correctly; his last name is Hacker.
Oui, je peux vous faire confiance pour ça. Voici donc ce projet. Voilà comment il a commencé. Il a commencé quand j'ai posé une question à mon étudiant en doctorat, Severin Hacker. Voici Severin Hacker. Je lui ai donc posé la question. Au fait, vous m'avez bien entendu ; son nom de famille est Hacker.
(Laughter)
je lui ai donc posé cette question :
So I posed this question to him: How can we get 100 million people translating the web into every major language for free? There's a lot of things to say about this question. First of all, translating the web. Right now, the web is partitioned into multiple languages. A large fraction of it is in English. If you don't know English, you can't access it. But there's large fractions in other different languages, and if you don't know them, you can't access it. So I would like to translate all of the web, or at least most of it, into every major language. That's what I would like to do.
Comment faire pour que 100 millions de personnes traduisent gratuitement le Web dans toutes les langues principales ? Bon, il y a beaucoup à dire là dessus. D'abord, traduire le Web. Pour le moment, le Web est fractionné en de multiples langues. Une grande partie est en anglais. Si vous ne connaissez pas du tout l'anglais, vous ne pouvez pas y accéder. Mais il y en a de grandes parties dans d'autres langues différentes, et si vous ne connaissez pas ces langues, vous ne pouvez pas y accéder. Alors j'aimerais traduire tout l'Internet, ou tout du moins la plus grande partie du Web, dans toutes les langues principales. C'est ce que j'aimerais faire.
Now, some of you may say, why can't we use computers to translate? Machine translation is starting to translate some sentences here and there. Why can't we use it to translate the web? The problem with that is it's not yet good enough and it probably won't be for the next 15 to 20 years. It makes a lot of mistakes. Even when it doesn't, since it makes so many mistakes, you don't know whether to trust it or not.
Certains d'entre vous me diront, pourquoi ne pouvons-nous pas utiliser les ordinateurs pour faire cette traduction ? Pourquoi ne pouvons-nous pas utiliser la traduction informatisée ? De nos jours, on a commencé à traduire des phrases ici et là avec la traduction informatisée. Pourquoi ne pouvons-nous pas l'utiliser pour traduire tout le Web ? Et bien, le problème est que ce n'est pas encore assez bon et que ça ne le sera pas avant les 15 à 20 prochaines années. Il y a beaucoup d'erreurs. Même quand il n'y a pas d'erreur, elles sont tellement fréquentes que vous ne savez pas si vous pouvez vous y fier ou pas.
So let me show you an example of something that was translated with a machine. Actually, it was a forum post. It was somebody who was trying to ask a question about JavaScript. It was translated from Japanese into English. So I'll just let you read. This person starts apologizing for the fact that it's translated with a computer. So the next sentence is going to be the preamble to the question. So he's just explaining something. Remember, it's a question about JavaScript.
Permettez-moi de vous montrer un exemple de traduction faite par ordinateur. En fait, c'est un billet sur un forum. C'est quelqu'un qui essayait de poser une question à propos de JavaScript. Ça a été traduit du japonais à l'anglais. Je vais vous le laisser lire. Cette personne commence par s'excuser pour le fait que c'est une traduction faite par ordinateur. La phrase suivante sera le préambule à la question. Il ne fait donc qu'expliquer quelque chose. Souvenez-vous, c'est une question à propos de JavaScript.
[At often, the goat-time install a error is vomit.]
(Texte : A souvent, le temps de chèvre installe une erreur est vomi.)
(Laughter)
(rires)
Then comes the first part of the question.
Ensuite vient la première partie de la question.
[How many times like the wind, a pole, and the dragon?]
(Texte : Combien de fois comme le vent, un poteau, et le dragon ? )
(Laughter)
(rires)
Then comes my favorite part of the question.
Ensuite vient la partie de la question que je préfère.
[This insult to father's stones?]
(Texte : Ceci insulte aux pierres du père ? )
(Laughter)
(rires)
And then comes the ending, which is my favorite part of the whole thing.
Et puis vient la fin, qui est ce que je préfère dans tout ça. (Texte : S'il vous plait excusez-vous pour votre stupidité. Il y a un beaucoup merci.)
[Please apologize for your stupidity. There are a many thank you.]
(rires)
(Laughter)
Bon, donc, la traduction par ordinateur, pas encore assez bonne .
OK, so computer translation, not yet good enough. So back to the question. So we need people to translate the whole web. So now the next question you may have is, well, why can't we just pay people to do this? We could pay professional translators to translate the whole web. We could do that. Unfortunately, it would be extremely expensive. For example, translating a tiny fraction of the whole web, Wikipedia, into one other language, Spanish. OK? Wikipedia exists in Spanish, but it's very small compared to the size of English. It's about 20 percent of the size of English. If we wanted to translate the other 80 percent into Spanish, it would cost at least 50 million dollars -- and this is even at the most exploited, outsourcing country out there. So it would be very expensive. So what we want to do is, we want to get 100 million people translating the web into every major language for free.
Revenons à la question de départ. Nous avons donc besoin de gens pour traduire tout le Web. Maintenant, la question suivante que vous vous posez peut-être, c'est pourquoi ne pouvons-nous pas simplement payer des gens pour le faire ? Nous pourrions payer des traducteurs professionnels pour traduire tout le Web. Nous pourrions le faire. Malheureusement, ce serait extrêmement cher. Par exemple, traduire une minuscule fraction de tout le Web, Wikipedia, dans une seule autre langue, l'espagnol, Wikipedia existe en espagnol, mais c'est très petit comparé à la taille de l'anglais. Ça représente environ 20% de la taille de l'anglais. Si nous voulions traduire les 80 autres pour cent en espagnol, ça coûterait au moins 50 millions de dollars, même en délocalisant dans le pays le plus exploité qui soit. Ce serait donc très cher. Alors ce que nous voulons faire, c'est trouver 100 millions de personnes pour traduire le Web dans toutes les langues principales gratuitement.
If this is what you want to do, you quickly realize you're going to run into two big hurdles, two big obstacles. The first one is a lack of bilinguals. So I don't even know if there exists 100 million people out there using the web who are bilingual enough to help us translate. That's a big problem. The other problem you're going to run into is a lack of motivation. How are we going to motivate people to actually translate the web for free? Normally, you have to pay people to do this. So how are we going to motivate them to do it for free? When we were starting to think about this, we were blocked by these two things. But then we realized, there's a way to solve both these problems with the same solution. To kill two birds with one stone. And that is to transform language translation into something that millions of people want to do and that also helps with the problem of lack of bilinguals, and that is language education.
Et si c'est ce que vous voulez faire, vous vous rendez très vite compte que vous allez tomber sur deux gros os, deux gros obstacles. Le premier c'est le manque de personnes bilingues. Je ne sais même pas s'il existe 100 millions de gens qui utilisent le Web et qui sont suffisamment bilingues pour nous aider à traduire. C'est un gros problème. L'autre problème que vous allez rencontrer, c'est le manque de motivation. Comment allons-nous motiver les gens à traduire le Web gratuitement ? Normalement, on doit payer les gens pour ça. Alors, comment allons-nous les motiver à le faire gratuitement ? Quand nous avons commencé à y réfléchir, nous étions bloqués par ces deux choses. Mais ensuite nous nous sommes rendus compte qu'en fait il y a un moyen de résoudre ces deux problèmes avec une solution unique. Une manière de faire d'une pierre deux coups. Il s'agit de transformer la traduction en quelque chose que des millions de gens veulent faire, tout en contribuant à résoudre le problème du manque de personnes bilingues : c'est l'apprentissage des langues.
So it turns out that today, there are over 1.2 billion people learning a foreign language. People really want to learn a foreign language. And it's not just because they're being forced to do so in school. In the US alone, there are over five million people who have paid over $500 for software to learn a new language. So people really want to learn a new language. So what we've been working on for the last year and a half is a new website -- it's called Duolingo -- where the basic idea is people learn a new language for free while simultaneously translating the web. And so basically, they're learning by doing.
Il s'avère qu'aujourd'hui, il y a plus de 1,2 milliard de gens qui apprennent une langue étrangère. Les gens veulent vraiment apprendre une langue étrangère. Et ce n'est pas seulement parce qu'on les y oblige à l'école. Par exemple, rien qu'aux États-Unis, il y a plus de 5 millions de gens qui ont payé au moins 500 $ des logiciels pour apprendre une nouvelle langue. Les gens veulent donc vraiment apprendre une nouvelle langue. Ce sur quoi nous travaillons depuis un an et demi, c'est un nouveau site web, qui s'appelle Duolingo, où l'idée de départ est que les gens apprennent une nouvelle langue gratuitement tout en traduisant le Web. Et donc en gros ils apprennent en faisant.
So the way this works is whenever you're a just a beginner, we give you very simple sentences. There's a lot of very simple sentences on the web. We give you very simple sentences along with what each word means. And as you translate them and as you see how other people translate them, you start learning the language. And as you get more advanced, we give you more complex sentences to translate. But at all times, you're learning by doing.
Voilà comment ça marche : quand vous n'êtes que débutant, nous vous donnons des phrases très, très simples. Il y a, bien sûr, beaucoup de phrases très simples sur le web. Nous vous donnons des phrases très, très simples en même temps que la signification de chaque mot. Et en les traduisant, et en voyant comment d'autres les traduisent, vous commencez à apprendre la langue. Et au fur et à mesure de votre progression, nous vous donnons des phrases de plus en plus complexes à traduire. Mais à tout moment, vous apprenez en faisant. Ce qui est dingue, avec cette méthode,
Now, the crazy thing about this method is that it actually really works. People are really learning a language. We're mostly done building it and now we're testing it. People really can learn a language with it. And they learn it about as well as the leading language learning software. So people really do learn a language. And not only do they learn it as well, but actually it's more interesting. Because with Duolingo, people are learning with real content. As opposed to learning with made-up sentences, people are learning with real content, which is inherently interesting. So people really do learn a language.
c'est que ça marche vraiment. D'abord, les gens apprennent vraiment une langue. Nous avons presque fini de le construire, et nous sommes en train de le tester. Les gens peuvent vraiment apprendre une langue avec ça. Et ils apprennent aussi bien qu'avec le meilleur logiciel d'apprentissage de langue. Les gens apprennent vraiment une langue. Et non seulement ils l'apprennent, mais en fait c'est bien plus intéressant. Parce que vous voyez, avec Duolingo, les gens apprennent avec du contenu authentique. Contrairement à l'apprentissage avec les phrases préfabriquées, les gens apprennent avec du contenu authentique, qui est intéressant par essence. Les gens apprennent donc vraiment une langue.
But perhaps more surprisingly, the translations that we get from people using the site, even though they're just beginners, the translations that we get are as accurate as those of professional language translators, which is very surprising. So let me show you one example. This is a sentence that was translated from German into English. The top is the German. The middle is an English translation that was done by a professional translator who we paid 20 cents a word for this translation. And the bottom is a translation by users of Duolingo, none of whom knew any German before they started using the site. If you can see, it's pretty much perfect. Of course, we play a trick here to make the translations as good as professional language translators. We combine the translations of multiple beginners to get the quality of a single professional translator.
Mais ce qui est peut-être plus surprenant, c'est que les traductions que nous obtenons des gens qui utilisent ce site, même si ce ne sont que des débutants, les traductions que nous obtenons sont aussi exactes que celles des traducteurs professionnels, ce qui est très surprenant. Permettez-moi de vous montrer un exemple. Voici une phrase qui a été traduite de l'allemand à l'anglais. L'allemand est en haut. Au milieu, c'est la traduction anglaise faite par un traducteur professionnel que nous avons payé 20 cents le mot pour sa traduction. Et en bas, la traduction des utilisateurs de Duolingo, alors qu'aucun d'eux ne connaissait un mot d'allemand avant de commencer à utiliser le site. Vous voyez, c'est parfait. Bien sûr, nous avons triché ici pour que les traductions soient aussi bonnes que celles des professionnels. Nous avons combiné les traductions de nombreux débutants pour obtenir la qualité d'un seul traducteur professionnel.
Now, even though we're combining the translations, the site actually can translate pretty fast. So let me show you, this is our estimates of how fast we could translate Wikipedia from English into Spanish. Remember, this is 50 million dollars' worth of value. So if we wanted to translate Wikipedia into Spanish, we could do it in five weeks with 100,000 active users. And we could do it in about 80 hours with a million active users. Since all the projects my group has worked on so far have gotten millions of users, we're hopeful that we'll be able to translate extremely fast.
Même si nous combinons les traductions, le site peut en fait traduire assez vite. Laissez-moi vous montrer, voici nos estimations quant à la vitesse à laquelle nous pourrions traduire Wikipedia d'anglais en espagnol. Rappelez-vous, ça représente une valeur de 50 millions de dollars. Alors si vous voulez traduire Wikipedia en espagnol, cela peut être fait en 5 semaines, avec 100 000 utilisateurs actifs. Et nous pourrions le faire en 80 heures avec un million d'utilisateurs actifs. Puisque tous les projets sur lesquels mon groupe a travaillé jusqu'à présent ont eu des millions d'utilisateurs, nous espérons que nous serons en mesure de traduire très vite avec ce projet-ci.
Now, the thing that I'm most excited about with Duolingo is I think this provides a fair business model for language education. So here's the thing: The current business model for language education is the student pays, and in particular, the student pays Rosetta Stone 500 dollars.
Ce qui m'enthousiasme le plus avec Duolingo c'est que je pense qu'il apporte un modèle économique équitable pour l'apprentissage des langues. Voilà ce qu'il en est : le modèle économique actuel pour l'apprentissage des langues, c'est que l'élève paie, et en particulier, l'élève paie à Rosetta Stone 500 dollars.
(Laughter)
(rires)
That's the current business model. The problem with this business model is that 95 percent of the world's population doesn't have 500 dollars. So it's extremely unfair towards the poor. This is totally biased towards the rich. Now, see, in Duolingo, because while you learn, you're actually creating value, you're translating stuff -- which, for example, we could charge somebody for translations, so this is how we could monetize this. Since people are creating value while they're learning, they don't have to pay with their money, they pay with their time. But the magical thing here is that is time that would have had to have been spent anyways learning the language. So the nice thing about Duolingo is, I think, it provides a fair business model -- one that doesn't discriminate against poor people.
C'est le modèle économique actuel. Le problème avec ce modèle économique, c'est que 95% de la population mondiale n'a pas 500 dollars. C'est donc extrêmement injuste envers les pauvres. C'est totalement en faveur des riches. Vous voyez, dans Duolingo, lorsque vous apprenez, en fait vous créez de la valeur, vous traduisez des trucs, que par exemple nous pourrions facturer à quelqu'un. C'est ainsi que nous pourrions le rentabiliser. Puisque les gens créent de la valeur en apprenant, ils n'ont pas à payer avec leur argent, ils paient avec leur temps. Mais ce qui est magique ici, c'est qu'ils paient avec leur temps, mais que c'est du temps qu'ils auraient passé de toute façon à apprendre la langue. Ce qui est bien avec Duolingo c'est que je crois que ça apporte un modèle économique équitable, qui ne défavorise pas les pauvres. Voici donc le site. Merci
So here's the site. Thank you.
(applaudissements)
(Applause)
Donc voici le site.
We haven't yet launched, but if you go there, you can sign up to be part of our private beta, which is probably going to start in three or four weeks. We haven't yet launched it.
Nous n'avons pas encore fait le lancement, mais si vous allez voir, vous pouvez vous inscrire pour participer à la version bêta privée, qui devrait normalement commencer dans 3 ou 4 semaines. Nous n'avons pas encore lancé Duolingo.
By the way, I'm the one talking here, but Duolingo is the work of a really awesome team,
Au fait, c'est moi qui parle ici, mais Duolingo est le travail d'une équipe géniale, dont voici certains.
some of whom are here. So thank you.
Merci.
(Applause)
(applaudissements)