Mémoire de glossaire par client pour traducteurs freelance

Les 45 minutes que vous perdez chaque lundi matin

Chaque traducteur freelance commence le lundi pareil. Ouvrir l'outil TAO. Ouvrir le dossier du projet de la semaine dernière. Récupérer le PDF du guide de style du client. Trouver le tableur du glossaire. Se rappeler que Client A préfère "utilisateur" mais que Client B insiste sur "utilisatrice" comme forme neutre. Se rappeler que la voix de marque de Client C est du français formel sans contractions, tandis que Client D utilise un voseo informel. Se rappeler que dans le projet gaming "weapon" reste en anglais mais "armor" se traduit. Se rappeler.

Au moment où vous êtes vraiment prêt à traduire, vous avez cramé 45 minutes rien qu'à recharger l'état mental. Multipliez par quatre ou cinq clients sur une semaine normale, et c'est trois heures de chargement de contexte pur, avant de facturer un centime.

La vraie solution n'est ni un tableur de glossaire supplémentaire, ni une autre base terminologique, ni un autre export de termbase memoQ. La vraie solution est un agent IA qui se souvient du contexte par client pour vous et qui est accessible depuis là où vous travaillez. Un agent Hermes sur Telegram avec des skills de glossaire par client est la façon la moins chère d'y arriver aujourd'hui, et il se rentabilise dès le premier lundi où vous sautez l'échauffement de 45 minutes.

Ce que la mémoire par client doit contenir

La plupart des traducteurs connaissent la théorie. En pratique, la mémoire par client doit tenir quelques éléments précis :

Glossaire terminologique avec terme source, terme cible préféré et règles de non-traduction.
Préférences de style. Registre formel ou informel, contractions autorisées ou non, tolérance de longueur de phrase, capitalisation des titres.
Ton. Voix de marque décrite en langage clair avec trois ou quatre phrases exemples.
Décisions passées. "Discuté et convenu de traduire 'sustainability' en 'sostenibilità' et non 'durabilità' après un appel en septembre."
Particularités client. "Toujours utiliser la virgule d'Oxford pour ce client. Ils renvoient les fichiers sans."
Fichiers de référence déjà livrés, pour que l'agent puisse ressortir une formulation antérieure.
Liste de non-traduction. Noms de marque, noms de produits, acronymes précis.

Sept catégories par client. Les maintenir à la main pour 5 à 20 clients, c'est la raison pour laquelle la plupart des traducteurs ont un termbase à moitié à jour et un Google Doc de notes jamais relu.

Comment un agent IA remplace le rituel

Un agent IA sur Telegram avec des skills par client transforme le rituel "charger le contexte manuellement" en "demander à l'agent." Exemples de requêtes réelles qu'un traducteur envoie à l'agent dans la journée :

"Pour Client A, comment traduit-on 'user experience' ?"
"Quel ton pour Client C, montre-moi des exemples."
"'Platform' est-il capitalisé dans les livrables de Client B ?"
"Je viens de recevoir ce segment de Client D, compare au guide de style et signale ce qui cloche."
"Ajoute 'geofencing' au glossaire de Client A, cible 'geolocalizzazione' d'après le mail client du jour."
"Ressors les trois dernières fois où j'ai traduit 'onboarding' pour Client B."
"Client E a envoyé une maj de style de 2 pages, parse-la et ajoute les changements à sa mémoire."

L'agent répond en quelques secondes depuis sa mémoire. Vous n'ouvrez jamais le PDF. Vous ne cherchez jamais dans le tableur. Vous demandez, vous recevez, vous traduisez.

Comment le glossaire se construit

Une soirée par client. C'est le setup complet.

Étape 1, collez les actifs existants. Votre CSV de glossaire actuel, le PDF du guide de style, les fichiers livrés précédents si vous les avez. L'agent lit et normalise tout dans sa propre skill par client.

Étape 2, écrivez un bref libre et court. Deux paragraphes sur la voix du client et les particularités qui n'entrent pas dans la doc officielle. "Ils n'acceptent jamais la voix passive en copy marketing, mais ok en doc. Ils ont une blague récurrente : ne jamais utiliser 'leverage'. À proscrire."

Étape 3, dites à l'agent votre workflow. "Quand je pose une question sur Client A dans Telegram, charge toujours sa skill glossaire. Quand je colle un segment avec '#A' au début, traite-le comme appartenant à Client A."

C'est tout. Vous répétez pour chaque client actif. En quelques semaines, le glossaire grossit organiquement à partir de vos vraies requêtes quotidiennes.

Usage quotidien réel dans un workflow TAO

Vous continuez à travailler dans Trados, memoQ, Wordfast ou Phrase. L'agent ne remplace pas l'outil TAO. Il s'installe à côté, dans une autre appli sur votre second écran ou sur votre téléphone.

9h00. Vous ouvrez le projet du lundi pour Client A. Avant de commencer, vous tapez dans Telegram : "#A quel est l'état actuel du glossaire ?" L'agent répond avec les 20 termes top et tout changement depuis lundi dernier.

9h17. Un segment dit "implement the new geofencing feature." Vous n'êtes pas sûr que geofencing soit tranché. Vous tapez "#A geofencing." Agent : "Tranché jeudi dernier en 'geolocalizzazione', mail client en pièce jointe. Le client a explicitement rejeté 'geofencing' comme anglicisme."

9h45. Vous tombez sur un segment où vous hésitez sur le ton. Vous le collez dans Telegram : "#A c'est dans leur voix ?" L'agent lit le segment, compare au guide de style, renvoie : "Un peu trop formel. Envisagez 'ti aiutiamo a' à la place de 'vi permettiamo di'. Correspond à leur ton de la newsletter de mars."

11h30. Le client envoie un terme révisé par mail. Vous transférez le mail à l'agent : "#A ajoute au glossaire." L'agent lit, met à jour, confirme. Pas d'édition supplémentaire dans le tableur.

Samedi après-midi. Vous êtes à mi-chemin d'un nouveau projet pour Client A. En pleine session, un terme vous dit quelque chose. Vous tapez "#A on a déjà vu 'predictive scheduling' ?" Agent : "Oui, projet du 14 mars. Vous l'avez traduit en 'pianificazione predittiva'. Mail source et segment final livrés en pièce jointe."

Pourquoi cela bat un termbase partagé

Les termbases partagés et outils comme QTerm de memoQ ou MultiTerm de Trados existent exactement pour ce problème. Ils marchent. Ils sont aussi rigides. Trois choses qu'ils ne font pas et qu'un agent fait.

Demander en langage naturel. Vous n'interrogez pas memoQ en français. Vous cliquez dans une boîte de dialogue. Un agent prend "quel ton pour Client C" et vous rend un paragraphe. Plus rapide à la marge, des dizaines de fois par jour.

Expliquer le pourquoi. Un termbase vous donne le terme. Un agent vous donne le terme plus la raison : "Client B exige 'platform' en minuscule parce que leur brand lead l'a écrit dans la maj de style de 2024." Le pourquoi compte quand vous devez défendre un choix.

Retenir des décisions qui n'ont jamais atteint le termbase. La plupart des traducteurs n'ajoutent pas chaque décision au termbase, c'est une friction. Mais ils s'envoient des messages Telegram. Un agent à mémoire persistante dans Telegram capture ces décisions gratuitement parce qu'elles ont lieu dans le canal qu'il possède déjà.

Ce que l'agent ne remplace pas

Trois choses restent chez vous.

L'outil TAO lui-même. Segmentation, matching de TM, QA, format de livraison, c'est pour cela que les TAO existent. Utilisez-les.

Les relations client. Le coup de fil de cinq minutes pour trancher un terme délicat, le mail pour expliquer un choix. C'est humain et cela le restera.

Le jugement final. Les recommandations de glossaire de l'agent sont un point de départ. Si un segment appelle à casser une règle, vous la cassez. Vous êtes le traducteur.

L'économie pour un freelance en activité

Les chiffres qui comptent. Un traducteur freelance à plein temps qui fait 6h de traduction effective par jour plus 2h de chargement de contexte, QA, admin et échanges clients laisse 2 heures payées par jour sur la table. Réduire le chargement de contexte ne serait-ce que de 30 minutes par jour grâce à la mémoire par client libère du temps qui vaut à peu près 150 euros ou dollars à un tarif moyen de 0,10-0,12 par mot à vitesse normale.

Un agent Hermes sur Hermify coûte 12 dollars par mois plus votre propre consommation d'API du modèle, typiquement quelques dollars par mois pour cet usage. Une heure récupérée par semaine paye l'année entière. Dix heures récupérées par mois paient de belles vacances.

Le volet confidentialité

La traduction implique souvent des NDA. Préoccupation légitime. Hermes Agent tourne avec votre propre clé API du modèle, ce qui veut dire que les appels vont directement de votre agent à votre fournisseur, pas via un SaaS tiers. Les données clients restent entre vous, votre agent, et votre fournisseur LLM (OpenAI, Anthropic, etc.) selon leurs propres politiques. Si vous travaillez avec des clients qui exigent spécifiquement des modèles locaux, vous pouvez faire tourner Hermes avec un modèle open et un endpoint self-hosted, setup plus dur mais possible.

Dans les deux cas, vous avez une meilleure histoire de confidentialité que "j'ai collé le doc client dans ChatGPT pour poser une question," ce que la plupart des freelances font en silence.

Mise en place ce week-end

Montez un agent Hermes sur Hermify. Soixante secondes.
Choisissez vos 3 clients principaux. Chargez glossaire, guide de style, exemples de voix et particularités.
Installez le raccourci hashtag. "#A", "#B", "#C" pour changer de contexte vite.
Utilisez l'agent pendant une semaine complète de travail. En fin de semaine, regardez ce que vous lui avez demandé le plus. Ces sujets deviennent de nouvelles skills ou entrées de glossaire.
Ajoutez le reste des clients sur les deux semaines suivantes. Faites-le paresseusement : un client est ajouté quand son prochain projet arrive, pas en batch.

En un mois, vous ne vous souviendrez plus comment vous travailliez sans.