Vertaalbureau MOTTE werd opgericht in 1997. Translation Agency MOTTE is founded in 1997. Le bureau de traductions MOTTE est fondé en 1997.
Auteur: Peter Motte
Over ons
"Voor de vertaler is meedenken met de klant onmisbaar om een efficiënte link met de markt te leggen."
Met Vertaalbureau MOTTE lever ik vertalingen van allerlei aard aan bedrijven om hun communicatie met hun klanten soepeler en duidelijker te laten verlopen.
We gebruiken daarvoor diverse technologieën, zowel oudere als nieuwe. Dat levert kostenbesparingen en flexibiliteit op.
Door mijn belangstelling voor wetenschappen en techniek studeerde ik eerst wat wiskunde en daarna talen. Als vertaler kan ik alle onderwerpen die me boeien combineren. Het is minstens even belangrijk om de technologie en het bedrijfsleven te begrijpen als talen te kennen.
Als liefhebber van literatuur publiceerde ik een redelijke bibliografie van poëzie en "techneuten-literatuur" zoals sciencefiction. Dat was een goede oefening om technische teksten in een vlotte taal om te zetten.
Op mijn webpagina en blogs kunt u getuigenissen vinden van klanten zoals BTC voor chemische vertalingen, P&O voor administratieve teksten, en Ballon Media voor het frivolere werk: stripverhalen.
Mijn websites en blogs onderhoud ik zelf. Tijdens mijn wiskundestudies kreeg ik IT-initiaties. Die achtergrond helpt om de hedendaagse vertaalsystemen te gebruiken, omdat ze allemaal op databasemanagement steunen en documentformaten een grote rol spelen. En om de IT-veiligheidsproblemen te begrijpen.
De lijst getuigenissen zou langer kunnen zijn, maar zelfs zonder geheimhoudingsclausules vind ik discretie belangrijk. Ik weet vaak al vroeg welke producten op de markt komen, of aan welke veranderingen een bedrijf werkt. En ik zou ook niet willen dat onze innovaties door een van de medewerkers van Vertaalbureau MOTTE worden gelekt.
Web page developed, translated and maintained by Peter Motte for Translation Agency Motte / Vertaalbureau Motte Abdijstraat 33 B-9500 Geraardsbergen Belgium e-mail: peter.motte@skynet.be
Remember the days when the web was young and people in the Netherlands called a ‘website’ a ‘webstek’?
The word didn’t catch on, but others did, like ‘koekje’ for ‘cookie’, although it’s not very general.
And homepage… That’s an odd one. Often one just writes ‘home’, and in that case almost nobody prefers a Dutch version. ‘Thuispagina’, however, is used, Although a search on Dutch language sites with domain name .nl reveals more than a billion occurrences of the word ‘homepage’, I doubt the validity of those search results. The Netherlands have only approximately 17 million inhabitants. Those figures suggest 75 web pages per inhabitant. Now, that’s not entirely impossible, but it is astonishing.
In general it looks as if Dutch coinages for web terminology didn’t really catch on, but that doesn’t mean you should altogether avoid them when translating, because it’s a way for a company to build its brand and character.
Some words did catch on, like ‘afdrukken’ for ‘to print’.
So it’s not only a matter of looking in a dictionary or putting everything in the hands of some AI. Remember when InterNet was spelled? Which became Internet, and finally plain internet? One has to notice such stuff, and it’s not purely a matter of statistics.
Talk it through with your translator, or make sure you can trust him he chooses what suites your company, personality or target audience.
Nederlands en Duits liggen als taal erg dicht bij elkaar. Nederlands werd trouwens lange tijd Nederduits genoemd. Voor Nederlandstaligen zijn Duitse teksten dan ook erg doorzichtig. Maar soms zijn er misleidende valse vrienden: woordvormen die in beide talen voorkomen, maar soms verrassend afwijkende betekenis hebben. Toen ik onlangs mijn kennis van het Duitse wijnvocabularium opfriste, werd ik verrast door een grappige valse vriend. Het Duitse weinig is immers een bijvoeglijk naamwoord dat ofwel betekent: “wijn bevattend”, ofwel “wijnachtig, als wijn”. Let wel: “weinig” betekent niet “wijn bevattend” zoals een vat dat wijn bevat, maar bijvoorbeeld een taart die naar wijn smaakt, of een saus die met wijn is gemaakt. Het heeft dus niets te maken met het Nederlandse “weinig”, dat een onbepaald telwoord of een bijwoord is.
L’intelligence artificielle (IA) n’a rien de nouveau en matière de traduction.
Le secteur de la traduction a toujours été l’un de premiers à intégrer la technologie de l’information et de la communication (ICT), parce que traduire c’est communiquer. Les traducteurs ont aussi été les premiers à utiliser les télécopieurs à grande échelle. Nous avons également été les premiers à utiliser des PC, même si c’était uniquement pour que le travail final soit propre. Et nous avons aussi été les premiers à utiliser des PC pour installer des bases de données, ainsi que pour automatiser les dictionnaires et le contrôle de l’orthographe.
L’un des premiers avantages qui m’a séduit dans la traduction assistée par ordinateur était la possibilité de conserver la mise en page du document original. Fini le temps des feuilles de papier avec des blocs de texte numérotés pour établir le lien avec le texte source. Le client recevait enfin un document traduit sans risque de confusion et qu’il pouvait facilement intégrer dans sa chaîne de production.
Lorsque la mémoire des ordinateurs est devenue suffisamment importante et rapide pour stocker le texte source et le texte cible des traductions, nous avons pu récolter les fruits de notre travail antérieur en automatisant ce que nous faisions depuis des décennies : baser les traductions de documents modifiés sur celles des versions précédentes. Mais cette fois, nous n’avions plus à passer au crible et à retaper des piles de textes. L’ordinateur faisait cette partie du travail pour nous, et nous pouvions nous concentrer sur les parties nouvelles et modifiées afin de livrer plus rapidement un meilleur résultat.
La dernière évolution a été l’introduction de la traduction assistée par ordinateur (TAO, ou CAT pour computer aided translation en anglais). Une fois ces logiciels adoptés, la mise en place de règles programmées pour comparer le texte source avec différents types de textes cibles, permettant ainsi au programme de nous aider à adapter le texte cible, n’a plus été qu’une question de temps.
Il en a inévitablement découlé l’introduction d’une intelligence accrue dans ces logiciels, ce qui a finalement donné naissance à ce que nous appelons la traduction automatique (TA, ou MT pour machine translation).
C’est pourquoi je ne comprends pas l’engouement actuel autour de la traduction avec l’IA. En réalité, la TA EST de la traduction avec l’IA. Bien souvent, les systèmes de TA n’utilisent pas la TAO traditionnelle comme base, mais la TAO classique intègre généralement des éléments de TA afin d’utiliser la traduction automatique pour préparer le travail final du traducteur, accélérer le processus et éviter les erreurs des systèmes purement automatisés.
La TA ne fonctionne pas sans la post-édition de traduction automatique (MTPE, machine translation post-editing). Le traducteur révise et édite le texte après la traduction automatique. C’est également ainsi que fonctionne la traduction avec l’IA. La seule différence entre la traduction avec l’IA et la MTPE est terminologique : ce sont deux expressions différentes pour désigner la même chose. C’est pourquoi l’énorme battage médiatique autour de l’IA dans la traduction n’est rien de plus qu’un changement de terminologie, parfois accompagné d’un changement de fournisseur : certains affirment utiliser l’IA pour attirer des clients, mais en réalité, ils font exactement ce que le secteur de la traduction fait depuis au moins dix ans.
Le terme « IA » pour la traduction relève davantage du marketing et du window dressing que d’une nouvelle méthode de travail plus avancée.
Artificiële intelligentie (AI) voor vertalen is niets nieuws.
Het vertaalvak is altijd al beïnvloed geweest door ICT, omdat het nu eenmaal over communicatie gaat. Vertalers waren bij de eersten die faxmachines op grote schaal konden gebruiken. We waren ook bij de eersten die pc’s toepasten, zelfs al was het alleen maar om ervoor te zorgen dat het afgeleverde werk er netjes uitzag. En we waren ook de eersten die pc’s gebruikten om er databases op te installeren om geautomatiseerde woordenboeken en spellingcontrole te gebruiken.
Een van de eerste voordelen die mij aansprak bij vertalen met computers, was dat we de lay-out van het oorspronkelijke document konden behouden. De dagen van velletjes papier met genummerde tekstblokken om het verband te leggen met de oorspronkelijke tekst, waren voorbij. De klant kreeg eindelijk een vertaald document zonder het risico tekst te verwarren, en dat hij vlot in zijn productketen kon introduceren.
Toen de computergeheugen groot en snel genoeg werden om brontekst en doeltekst van vertalingen op te slaan, konden we de voordelen oogsten van ons vroegere werk door de automatiseren wat we al decennia lang deden: vertalingen van gewijzigde documenten baseren op vertalingen van vorige versies. Maar deze keer moesten we geen stapels teksten meer doorploegen en overtikken. De computer deed dat deel van het werk voor ons, en wij konden ons concentreren op de nieuwe en gewijzigde delen en sneller een beter resultaat afleveren.
De jongste evolutie was de introductie van on of computerondersteund vertalen of CAT (van computer aided translation). Eenmaal die programma’s werden gebruikt, was het alleen nog maar een kwestie van tijd voor er programmaregels werden geïmplementeerd om bronmateriaal met allerlei soorten doelmateriaal te vergelijken, zodat het programma ons kon ondersteunen bij het aanpassen van de doeltekst.
Dat betekende onvermijdelijk dat er meer intelligentie in die programma’s werd geïntroduceerd, en dat leidde ten slotte tot wat we machinevertalingen, of MT (van machine translation) noemen.
Daarom begrijp ik de huidige hype over vertalen met AI niet. In feite IS MT vertalen met AI. MT-systemen gebruik vaak geen traditionele CAT als basis, maar traditionele CAT heeft doorgaans wel MT-elementen geïmplementeerd zodat MT wordt gebruikt voor de voorbereiding van het definitieve werk van de vertaler om het proces te versnellen en tegelijk de fouten te vermijden die pure geautomatiseerde systemen maken.
MT werkt niet zonder MTPE: machine translation post editing. De vertaler voert een redactie na de machinevertaling uit. Op die manier werkt ook vertalen met AI. Het enige verschil tussen vertalen met AI en met MTPE is terminologisch: het zijn twee verschillende uitdrukkingen voor hetzelfde ding. Daarom is de enorme hype over AI bij vertalen niets meer dan een verschuiving in terminologie en soms ook in leveranciers: sommigen zeggen om klanten aan te trekken dat ze AI gebruiken, maar ze doen hetzelfde als wat de vertaalsector al minstens tien jaar doet.
De term AI voor vertalen is meer een kwestie van marketing en windowdressing dan van een nieuwe, meer geavanceerde manier van werken.
Following the online AI Expo 2025 I went to a local introduction on AI in my home town. It was organised by the UNIZO, a Belgian association of Small to Medium-sized Enterprises. It’s the biggest network for entrepreneur and self-employed persons in Flanders and Brussels. They are at https://www.unizo.be/ I have to admit that the introduction was far too general to be of any use for me.
Artificial Intelligence (AI) in translation is nothing new.
The craft of translation has always been influence by ICT, because it’s all about communication. We were amongst the first who could use fax machines. We were amongst the first who could use pc’s, even if it was only to have an output which looked more neat. And so we were also the first who used pc’s to install databases on them and to be able to use automated dictionaries and spelling checkers.
One of the first benefits I like about translating using a computer, was that we could preserve the layout of the original document. The days of numbering blocks of text to make clear which part of the translation was related to which part of the original text, were gone. The client finally got a document which he could incorporate in his work flow and product chain without much ado.
When computer memories became big and fast enough to store source and target of previous translations, we could start reaping the benefits of our previous work, by automating what we had already been done for decades: found translations of reviewed documents on the translations of the original documents. But this time we didn’t have to plough through huge stacks of material and type it over. The computer did part of the work for us, and we could deliver faster a better result.
That last evolution was the introduction of computer aided translation, or CAT. Once those programs were used, it was simply a matter of time before we could implement logic to compare source material with target material of various kinds, so that the program could support us to amend the target.
Inevitable that lend to an increasing intelligence of the programs, and finally to what we call machine translation, or MT.
That’s why I don’t understand the hype about translating with AI. As a matter of fact MT IS translating with AI. MT systems often don’t use the traditional CAT tools as their fundamental work system, and traditional CAT tools have implemented some MT elements to make it possible to use MT to prepare for the definitive work by the translation to speed up the work and at the same time to avoid mistakes by the automated systems.
MT doesn’t work without MTPE: machine translation post editing. The translator does the post editing of the texts produced by MT. That is the way translation with AI works. The only difference I see between translation with AI and MTPE is the terminology: it are two different expressions to mention the same thing. Therefore the huge hype about AI in the field of translation is nothing more than a shift in providers: some say they use AI to draw clients, but they’re doing the same thing that the translation business has been doing for several years now. AI in translation is more about marketing and window dressing than about offering a new, more advanced way of working.
AI can be creative in certain ways, though its approach to creativity is very different from human creativity. When we talk about creativity in AI, it often comes down to how well an AI can generate new ideas, solve problems in novel ways, or produce art, music, or writing that feels fresh or innovative. However, its creative output is typically bound by the data and patterns it has been trained on, as well as the algorithms that guide its process. Here’s a closer look at what AI creativity involves:
1. Generative Creativity
Examples: AI-generated art, music, and writing are among the most visible examples of generative creativity. Models like DALL-E, GPT, and others use vast datasets of images, text, and audio to create something new by combining and transforming existing patterns in unique ways.
Mechanism: Generative models use sophisticated algorithms to synthesize data, but they’re not truly creating from scratch or from personal inspiration; instead, they combine elements learned from training data. So, while the output may look creative to us, it’s a reconfiguration of prior data rather than an entirely novel concept.
2. Problem-Solving and Innovation
Examples: AI algorithms can help discover new drugs, suggest innovative materials, or optimize systems in ways that weren’t obvious to humans. AI excels at exploring many possibilities at once, especially in structured fields like mathematics, physics, and chemistry.
Mechanism: Using methods like reinforcement learning or evolutionary algorithms, AI can “explore” solutions by trial and error or adapt previous successful strategies to new challenges. In many cases, the solutions AI finds can surprise or even inspire human researchers, as they may break with traditional thinking or assumptions.
3. Augmenting Human Creativity
Examples: AI can serve as a collaborator in creative fields, helping artists, musicians, and writers experiment with new ideas, overcome creative blocks, or find unexpected directions. For instance, musicians might use AI to generate a melody based on a given style or genre.
Mechanism: In this role, AI acts more like a tool that expands the human creative process, giving artists and creators a starting point, reference, or unexpected twist. The final creative control and decision-making, however, remain with the human.
4. Limitations in True Creativity
Context and Intent: Human creativity is driven by emotions, experiences, and intentions, all of which give depth and meaning to creative work. AI doesn’t experience these things; it operates without consciousness, intuition, or intent.
Originality: While AI can generate outputs that look original, it isn’t creating from a true sense of originality; it’s generating based on patterns and probabilities in its training data. Even when it makes surprising connections, they lack the subjective motivation that often drives human creativity.
In Summary
AI can generate creative outputs by recombining existing elements in innovative ways, and it can even inspire or collaborate with humans. However, because it lacks true consciousness, personal experience, and emotional depth, AI’s creativity differs from human creativity in significant ways
Vertaalbureau MOTTE 