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 rempli ce type de formulaire où vous devez lire une séquence de caractères tordue comme celle-là? Combien d'entre vous trouvent ça vraiment, vraiment pénible? Excellent. Donc c'est moi qui l'ait inventé.
(Laughter)
OK, outstanding. So I invented that.
(Rires)
(Laughter)
Enfin j'étais une des personnes qui l'a fait.
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 il est là pour s'assurer que l'entité qui remplit le formulaire est bien un humain et non pas un programme écrit pour soumettre le formulaire des millions de fois. Cela fonctionne car les humains, ou au moins les humains qui voient bien, n'ont aucun problème à lire les caractères déformés, alors que les programmes ne peuvent pas encore le faire. Par exemple, dans le cas de Ticketmaster, la raison pour laquelle vous avez ce type de caractères déformés est d'empêcher les spéculateurs 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 CAPTCHAs sont utilisés partout sur internet. Et comme ils sont utilisés très souvent, la séquence aléatoire de caractères présentée à l'utilisateur n'est pas toujours très heureuse. Voilà un exemple sur la page d'inscription de Yahoo. Les caractères aléatoires présentés à l'utilisateur soit W,A,I,T (Attendre en français), épellent bien sûr un nom Mais le meilleur c'est le message reçu par le support client de Yahoo 20 minutes plus tard.
[Help! I've been waiting for over 20 minutes and nothing happens.]
"A l'aide! J'ai déjà attendu 20 minutes et rien ne se passe."
(Laughter)
(Rires)
This person thought they needed to wait. This, of course, is not as bad as this poor person.
Cette personne a cru qu'elle devait attendre. Evidemment, c'est moins pire que cette pauvre personne. (Restart = Redémarrer)
(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.
CAPTCHA est un projet que nous avons mis sur pied ici à Carnegie Mellon il y a plus de 10 ans, et il a été utilisé partout. Maintenant un projet que nous avons initié quelques années plus tard, qui est une sorte d'évolution du CAPTCHA. Ce projet s'appelle reCAPTCHA, que nous avons commencé ici à Carnegie Mellon, et nous avons ensuite créé une startup. Puis, il y a environ 1 an et demi, Google a acheté la compagnie.
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 comment le projet a commencé. Il a commencé avec la constatation suivante: Il se trouve qu'environ 200 millions de CAPTCHAs sont saisis tous les jours dans le monde. Quand j'ai entendu cela, j'étais assez fier de moi. J'ai pensé: "Regarde l'impact de ce projet de recherche". Et puis je me suis senti mal. Parce que vous voyez, chaque fois que vous tapez un CAPTCHA, en fait, vous perdez 10 secondes de votre temps. Et si vous multipliez çà par 200 millions, vous vous retrouverez avec l'humanité qui perd environ 500 000 heures par jour en tapant ces maudits CAPTCHAs.
(Laughter)
Alors je me suis senti très mal.
So then I started feeling bad.
(Rires)
(Laughter)
Alors j'ai pensé que, évidemment, on ne pouvait pas supprimer les CAPTCHAs,
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.
parce que la sécurité du web dépend d'eux en quelque sorte. Et je me suis demandé s'il y avait une façon d'utiliser cet effort pour quelque chose de bénéfique pour l'humanité? Alors voilà l'affaire. 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. Alors peut-on vous amener à faire quelque chose d'utile de ces 10 secondes? Une autre façon de le présenter est: Y a t'il un problème monstre que nous ne pouvons pas encore demander aux ordinateurs de résoudre, que nous pourrions découper en petites bouchées de 10 secondes, de façon à ce que chaque fois que quelqu'un résout un CAPTCHA il résolve une petite partie du 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 ignorez peut-être c'est que, de nos jours, chaque fois que vous tapez un CAPTCHA, vous ne faites pas que vous authentifier comme humain, mais en plus vous aidez à numériser des livres. Laissez moi vous expliquer comment ça marche. Il y a de nombreux projets en cours pour numériser des livres. Google en a un. Internet Archive en a un. Amazon, maintenant avec le Kindle, essaye de numériser des livres. En fait, la façon dont cela fonctionne est que vous commencez avec un vieux livre. Vous avez déjà vu ce genre de truc n'est ce pas? 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. Cela vous donne une image par page. Une image avec du texte pour chaque page de livre. La prochaine étape est que l'ordinateur doit être capable de déchiffrer tous les mots de cette image. On utilise la technologie appelée OCR, pour Optical Character Recognition (Reconnaissance Optique des Caractères) qui prend la photo du texte et essaie de déterminer quel texte est écrit. Mais le problème c'est que l'OCR n'est pas parfait. En particulier pour les plus vieux livres quand l'encre est devenue plus pâle et que les pages ont jaunies, l'OCR ne reconnaît pas beaucoup de mots. Par exemple, les choses qui ont été écrites il y a plus de 50 ans, l'ordinateur ne peut reconnaître que 30% des mots. Alors, ce que nous faisons aujourd'hui c'est que nous prenons tous les mots que l'ordinateur ne peut pas reconnaître et nous demandons à des gens de les lire pour nous pendant qu'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 taperez un CAPTCHA, les mots que vous taperez seront en fait des mots venant de livres que l'on numérise mais que l'ordinateur n'a pas su reconnaître. Et maintenant, voilà pourquoi nous avons deux mots maintenant au lieu d'un: c'est que, vous voyez, un des mots est un mot que le système a extrait d'un livre, qu'il n'a pas reconnu et il va vous le présenter Mais comme nous ne savons pas quelle est la bonne réponse, cela ne suffit pas à vous qualifier. Donc nous vous présentons un autre mot, un pour lequel le système connaît la réponse. On ne vous dit pas lequel est lequel et on vous demande de taper les deux. Et si vous saisissez correctement le mot pour lequel le système connaît déjà la réponse, il suppose que vous êtes humain, et il a aussi confiance que vous avez saisi correctement l'autre mot. Et si nous répétons ce procédé avec 10 personnes différentes et qu'elles sont toutes d'accord sur le nouveau mot, nous avons 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.
Voilà comment cela fonctionne. Et depuis que nous avons lancé cette version il y a 3 ou 4 ans, de nombreux sites ont changé du vieux CAPTCHA qui faisait perdre du temps au gens au nouveau, grâce auquel les gens aident à numériser des livres. Par exemple, Ticketmaster. Donc chaque fois que vous achetez un billet sur Ticketmaster, vous aidez à numériser un livre. Facebook: chaque fois que vous ajoutez un ami ou envoyez un poke, vous aidez à numériser un livre. Twitter et environ 350 000 autres sites utilisent reCAPTCHA. Et en fait, le nombre de sites qui utilisent reCAPTCHA est si important que le nombre de mots que nous numérisons par jour est vraiment, vraiment grand. De l'ordre de 100 millions par jour, ce qui correspond à environ 2,5 millions de livres par an. Et tout cela est fait un mot à la fois par des personnes qui saisissent des CAPTCHAs sur internet. (Applaudissements)
(Applause)
Alors évidemment,
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.
comme nous utilisons tant de mots par jour, il peut arriver de drôles de situations. Et c'est encore plus vrai maintenant que nous présentons aux gens 2 mots choisis au hasard l'un à côté de l'autre. Donc il arrive de drôles de choses. Par exemple, nous avons présenté ce mot. C'est le mot "Chrétiens"; pas de problème avec çà. Mais si vous le présentez avec un autre mot choisi au hasard, les choses peuvent mal tourner. Alors on a eu ça. (mauvais Chrétiens)
[bad Christians]
Mais le pire, c'est que le site sur lequel nous avons présenté ça
But it's even worse, because the website where we showed this actually happened to be called The Embassy of the Kingdom of God.
s'appelle l'Ambassade du Royaume de Dieu. (Rires)
(Laughter)
Oups.
Oops.
(Rires)
(Laughter)
En voilà un autre très mauvais.
Here's another really bad one. JohnEdwards.com
JohnEdwards.com (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.
Alors on insulte des gens à droite et à gauche tous les jours. Mais évidemment, on ne fait pas qu'insulter les gens. Parce que vous voyez, dés qu'on présente 2 mots choisis au hasard, il peut se passer des choses intéressantes. Cela a donné naissance à un grand mouvement internet auquel des milliers de personnes participent, qui s'appelle CAPTCHA art. Je suis sûr que certains d'entre vous en ont entendu parler. Voilà comment ça marche. Imaginez que vous utilisez internet et voyez un CAPTCHA que vous trouvez vraiment particulier, comme celui là (Grille-pain invisible)
[invisible toaster]
Vous en faites une impression 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.
Evidemment, vous saisissez le CAPTCHA car vous aidez à numériser un livre. Mais donc, premièrement vous faites une impression écran, et vous dessinez quelque chose qui lui correspond.
(Laughter)
(Rires)
That's how it works.
C'est comme ça que 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. (Je l'ai empoigné)
[clenched it]
(Rires)
(Laughter)
Certains sont plus drôles.
Some of them are funnier.
(Fondateurs drogués)
[stoned Founders]
(Laughter)
(Rires)
And some of them, like paleontological shvisle ...
Et certains,
(Laughter)
comme "paleontological shvisle",
they contain Snoop Dogg.
font apparaître 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?
Alors, voilà mon chiffre favori sur reCAPTCHA. C'est la chose que je préfère dans tout ce projet. C'est le nombre de personnes différentes qui ont aidé à numériser au moins un mot d'un livre grâce à reCAPTCHA: 750 millions, un peu plus de 10% de la population mondiale, a aidé à numériser le savoir humain. Et ce sont des chiffres comme ceux là qui me motivent dans mes recherches. Alors la question qui motive mes recherches est: Si on regarde les réalisations les plus importantes de l'humanité, les plus grandes choses que l'humanité a réalisé historiquement -- comme par exemple, construire les pyramides d'Egypte ou le canal de Panama ou envoyer un homme sur la Lune -- on constate une chose curieuse c'est qu'elles ont toutes été réalisées avec le même nombre de personnes. C'est bizarre; elles ont été faites avec environ 100 000 personnes. Et c'est parce que, avant internet, coordonner plus de 100 000 personnes, et en plus les payer, était quasiment impossible. Mais maintenant avec internet, je vous ai montré un projet où nous avons 750 millions de personnes pour aider à numériser le savoir humain. Alors la question qui me motive est, si l'on arrive à mettre un homme sur la Lune avec 100 000 personnes, que peut-on faire avec 100 millions?
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!
A partir de cette question, nous travaillons sur beaucoup de projets différents. Laissez moi vous parler d'un qui m'intéresse particulièrement. C'est quelque chose sur lequel on travaille discrètement depuis la dernière année et demie. Il n'a pas encore été lancé. Il s'appelle Duolingo. Comme il n'a pas encore été 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 là-dessus. Alors voici le projet. Voilà comment il a commencé. J'ai posé une question a un de mes étudiants, Severin Hacker. Voilà Severin Hacker. Donc je lui ai posé la question. Au fait, vous m'avez bien entendu; son nom c'est Hacker.
(Laughter)
Donc je lui demande:
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 pouvons nous avoir 100 millions de personnes qui traduiraient le web dans toutes les langues principales gratuitement? Il y a beaucoup de choses à dire à ce propos. Premièrement, traduire le web. Aujourd'hui le web est divisé dans de multiples langues. Une grande partie est en anglais. Si vous ne connaissez pas l'anglais, vous ne pouvez pas y avoir accès. Mais il y a de grandes parties dans d'autres langues, et si vous ne les connaissez pas, vous ne pouvez pas y avoir accès. Donc je voudrais traduire le web, ou au moins une grande partie, dans chaque grande langue. C'est ça que je voudrais 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.
Vous pourriez me demander, pourquoi ne pas utiliser des ordinateurs pour le faire? Pourquoi ne pas utiliser un traducteur automatique? Les traducteurs automatiques commencent à traduire des phrases çà et là. Pourquoi ne pas les utiliser pour traduire tout le web? Le problème est qu'ils ne sont pas encore assez bons et ne le seront probablement pas avant 15-20 ans. Ils font beaucoup d'erreurs. Et même quand ils ne font pas d'erreurs, comme ils font beaucoup d'erreurs, vous ne savez pas si vous pouvez leur faire confiance.
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.
Je vais vous montrer un exemple de quelque chose traduit avec une machine. En fait, c'est une question sur un forum. Quelqu'un essayait de poser une question à propos de JavaScript. Il a été traduit du japonais à l'anglais. Je vous laisse lire. La personne commence en s'excusant pour le fait de l'avoir traduit avec un ordinateur. La phrase suivante est le préambule à sa question. Il explique juste ce qu'il s'est passé. Rappelez vous que c'est une question de JavaScript.
[At often, the goat-time install a error is vomit.]
(Par souvent, le chèvre-temps installe une erreur est vomi)
(Laughter)
(Rires)
Then comes the first part of the question.
Arrive la première partie de sa question.
[How many times like the wind, a pole, and the dragon?]
(Combien de fois comme le vent, un poteau, et le dragon?)
(Laughter)
(Rires)
Then comes my favorite part of the question.
Et voilà ma partie préférée.
[This insult to father's stones?]
(Cela insulte les bijoux du père?)
(Laughter)
(Rires)
And then comes the ending, which is my favorite part of the whole thing.
Et la fin, ce que je préfère. (Merci de vous excuser de votre bêtise. Il y en a beaucoup merci.)
[Please apologize for your stupidity. There are a many thank you.]
(Rires)
(Laughter)
Bon, alors, la traduction automatique n'est pas 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. Nous avons besoin des gens pour traduire le web. La prochaine question que vous avez peut-être, on ne peut pas simplement les payer pour le faire? Nous pourrions payer des traducteurs professionnels pour traduire tout le web. On pourrait le faire. Malheureusement, ce serait très coûteux. Par exemple, traduire une petite, petite part du web, Wikipedia, dans une langue, l'espagnol. Wikipedia existe en espagnol, mais il est vraiment petit comparé à l'anglais. C'est à peu près 20% de l'anglais. Si on veut traduire l'autre 80% en espagnol, cela coûterait au moins 50 millions de dollars -- et c'est en utilisant la main d'oeuvre la plus exploitée dans un pays là-bas. Donc ce serait très coûteux. Ce que nous voulons c'est avoir 100 millions de personnes qui traduiraient le web dans toutes les grandes langues 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.
Maintenant si c'est ce que vous voulez faire, vous voyez que vous allez être confronté a deux gros obstacles. Le premier est le manque de personnes bilingues. Je ne sais même pas s'il existe 100 millions de personnes qui utilisent le web et qui sont assez bilingues pour nous aider à traduire. C'est un gros problème. L'autre problème auquel vous êtes confronté est le manque de motivation. Comment motiver des gens à traduire le web gratuitement? Normalement, vous devez les payer pour ça. Alors, comment les motiver pour qu'ils le fassent gratuitement? Quand nous avons commencé à réfléchir, nous avons été bloqués par ces deux choses. Mais nous avons réalisé qu'il y a une façon de résoudre ces problèmes en une solution. Il y a une façon de faire d'une pierre deux coups. Et c'est de transformer la traduction en quelque chose que des millions de personnes veulent faire, et cela aide aussi pour le manque de bilingues, et 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 $500 for software to learn a new language. So people really want to learn a new language. So what we've been working on for the last year and a half is a new website -- it's called Duolingo -- where the basic idea is people learn a new language for free while simultaneously translating the web. And so basically, they're learning by doing.
Il se trouve qu'aujourd'hui il y a plus de 1,2 milliards de personnes qui apprennent une langue étrangère. Les gens veulent vraiment, vraiment apprendre une autre langue. Et ce n'est pas juste parce qu'ils sont obligés à l'école. Par exemple, rien qu'aux Etats-Unis, il y a plus de 5 millions de personnes qui ont payé plus de 500$ pour un logiciel de langue. Donc les gens veulent vraiment, vraiment apprendre une autre langue. Donc on travaille depuis un an et demi sur un nouveau site -- il s'appelle Duolingo -- et l'idée c'est que les gens apprennent une nouvelle langue gratuitement en même temps qu'ils traduisent le web. Et donc 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.
Donc la façon dont ça marche c'est que si vous êtes débutant, on vous donne des phrases très très faciles Il y a évidemment beaucoup de phrases très faciles sur le web. On vous donne des phrases très faciles et la signification de chaque mot. Et en les traduisant, et en voyant les autres les traduire, vous commencez à apprendre la langue. Et au fur et à mesure que vous avancez, on vous donne des phrases de plus en plus complexes à traduire. Mais en tout temps, vous apprenez en faisant. Ce qui est fou 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. Premièrement, les gens apprennent vraiment la langue. Nous avons presque fini de le construire et nous le testons. Les gens apprennent réellement une langue avec le site. Et ils apprennent aussi bien qu'avec le meilleur logiciel d'apprentissage. Donc les gens apprennent vraiment une langue. Et non seulement ils l'apprennent bien, mais en plus, c'est plus intéressant. Parce qu'avec Duolingo, les gens apprennent avec du vrai contenu. Par opposition à apprendre des phrases toutes faites, les gens apprennent avec du vrai contenu qui est intéressant. Les gens apprennent 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 étonnant, les traductions que nous obtenons des utilisateurs, même si ce sont juste des débutants, les traductions sont aussi précises que celles des traducteurs professionnels, ce qui est très surprenant. Je vous montre un exemple. Voilà une phrase qui a été traduite de l'allemand à l'anglais. En haut c'est de l'allemand. Au milieu, la traduction en anglais faite par un traducteur professionnel que nous avons payé 20 cents le mot pour cette traduction. Et en bas, la traduction par les utilisateurs de Duolingo qui ne connaissaient pas l'allemand avant de commencer à utiliser le site. Vous voyez que c'est presque parfait. Evidemment, nous avons une astuce ici pour obtenir une traduction aussi bonne que celle d'un professionnel. Nous combinons les traductions de plusieurs débutants pour avoir 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.
Mais même en combinant les traductions, le site peut en fait traduire assez rapidement. Je vais vous montrer, voilà une estimation de la vitesse à laquelle nous pourrions traduire Wikipedia de l'anglais à l'espagnol. Rappelez vous que cela vaut 50 millions de dollars. Donc si nous voulions traduire Wikipedia en espagnol, nous pourrions le faire en 5 semaines avec 100 000 utilisateurs actifs. Et en 80 heures avec un million d'utilisateurs actifs. Vu que tous les projets sur lesquels nous avons travaillé à ce jour on eu des millions d'utilisateurs, nous espérons pouvoir traduire très rapidement avec ce nouveau projet.
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.
Maintenant ce qui m'intéresse le plus avec Duolingo c'est que je pense que cela donne un bon modèle d'affaires pour l'enseignement des langues. Donc voilà: Le modèle d'affaires actuel est que l'étudiant paie, et concrètement, l'étudiant paie 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 actuel. Le problème avec ce modèle d'affaires c'est que 95% des gens de la planète n'ont pas 500 dollars. Donc c'est très injuste pour les pauvres. C'est complètement orienté vers les riches. Vous voyez, avec Duolingo, puisque pendant que vous apprenez vous créez de la valeur, vous traduisez des choses -- nous pourrions par exemple faire payer quelqu'un pour une traduction. Donc voilà comment nous pouvons le monétiser. Puisque les gens créent de la valeur en apprenant, ils n'ont pas à payer avec de l'argent, ils paient avec leur temps. Mais la magie c'est qu'ils paient avec leur temps, mais ce temps aurait été dépensé de toute façon pour apprendre la langue. Donc ce qui est beau avec Duolingo je pense c'est qu'il propose un bon modèle d'affaires -- un qui ne discrimine pas les pauvres. Ah et voilà le site. Merci.
So here's the site. Thank you.
(Applaudissements)
(Applause)
Voilà 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 ne l'avons pas encore lancé, mais si vous y allez, vous pouvez faire partie de notre phase beta privée, qui commencera sûrement d'ici 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 fruit du travail d'une équipe formidable dont certains sont ici aujourd'hui.
some of whom are here. So thank you.
Alors merci.
(Applause)
(Applaudissements)