Avant 2010, accepter un paiement en ligne signifiait demander un compte marchand à une banque. Des semaines de paperasse. Des contrôles de solvabilité. Des minimums de transaction. Puis il fallait intégrer une passerelle de paiement via une API XML dont l'environnement de test ressemblait à peine à la production. Vous gériez vous-même la conformité PCI — stockage des numéros de carte, gestion des clés de chiffrement, audits de sécurité à passer.
Aujourd'hui, un développeur ajoute quelques lignes de code à une page de paiement. Conformité, détection de la fraude, conversion de devises, versements — tout est géré derrière l'API. Le développeur ne voit jamais la complexité. La complexité n'a pas disparu. Elle a été encapsulée.
Et ce schéma se répète. Une catégorie entière de travail professionnel — qui exigeait autrefois des spécialistes, des prestataires et des mois de coordination — se retrouve compressée en un appel API. L'appel est simple. Ce qui tourne derrière ne l'est pas.
La localisation professionnelle avant l'API#
Localiser un produit dans plusieurs langues signifiait faire appel à un prestataire de traduction. Le prestataire affectait des traducteurs — souvent peu familiers du produit, du domaine ou de la terminologie existante. Vous envoyiez un guide terminologique. Le traducteur le lisait, plus ou moins. Les traductions revenaient sous 5 à 10 jours ouvrés. Trois termes étaient faux. Vous les renvoyiez pour révision. Encore 3 jours.
Pendant ce temps, quelqu'un devait gérer le glossaire, suivre les chaînes qui avaient changé depuis le dernier lot, vérifier que les traductions allemandes utilisaient les bons guillemets, et confirmer que la version portugaise employait l'orthographe européenne, pas brésilienne. Toute cette coordination se faisait entre feuilles de calcul, e-mails et fils Slack.
Pour les équipes qui ont essayé d'automatiser avec des LLM, la traduction allait vite, mais pas l'assurance qualité. Chaque requête repartait de zéro. Aucune mémoire des termes approuvés. Aucune prise en compte de la voix de marque. Aucune vérification que le résultat respectait les conventions terminologiques du domaine.
Puis les LLM ont franchi le seuil de qualité nécessaire pour la traduction en production. Non pas parce qu'ils sont devenus meilleurs en langues, mais parce qu'il est devenu possible d'injecter le contexte métier au moment de l'inférence et d'obtenir un rendu cohérent, fidèle à la terminologie. La pièce manquante, c'était le pipeline de contexte autour du modèle.
La localisation professionnelle derrière l'API#
Un POST. Les résultats arrivent par webhook à mesure que chaque langue est prête.
curl -X POST https://api.lingo.dev/jobs/localization \
-H "X-API-Key: $LINGO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"sourceLocale": "en",
"targetLocales": ["de", "fr", "ja", "ko", "pt-BR",
"es", "it", "zh-Hans", "nl", "sv", "pl", "tr", "ar", "th"],
"data": {
"title": "Introduction to Machine Learning",
"steps": [
{ "heading": "What is ML?", "body": "Machine learning is a subset of artificial intelligence." },
{ "heading": "Supervised Learning", "body": "Training a model with labeled data." }
]
},
"callbackUrl": "https://your-app.com/webhooks/translations"
}'202 renvoyé en quelques millisecondes. L'appelant peut continuer immédiatement. Chaque langue est traitée indépendamment par le moteur de localisation. L'allemand arrive en 4 secondes. Le japonais en 6. L'arabe en 8. Chaque résultat est envoyé à votre webhook dès qu'il est prêt. Pour afficher la progression en temps réel dans votre interface, connectez un WebSocket au groupe de tâches — « 3 langues sur 16 prêtes » mis à jour en direct.
Le développeur ne gère jamais la complexité. La complexité n'a pas disparu. Elle a été encapsulée — exactement comme pour les paiements.
Ce qui tourne derrière l'API#
Lorsqu'un job de localisation démarre, la plateforme exécute un pipeline en plusieurs étapes à travers la configuration du moteur. Six étapes, chacune conçue pour traiter un mode d'échec bien précis qui apparaît quand on la saute.
Optimisation du texte source
Un agent IA préédite le texte source avant le début de la traduction. Formulations ambiguës, terminologie incohérente, expressions idiomatiques culturellement marquées — tout est réécrit pour faciliter la traduction. Cela élimine le problème du garbage in, garbage out qui dégrade toutes les étapes en aval.
Enrichissement du contexte
Le moteur récupère le glossaire, la voix de marque et les instructions spécifiques à la langue configurés pour cette paire de langues. Les termes correspondants du glossaire sont injectés dans la fenêtre de contexte du LLM. Le modèle voit la bonne correspondance terminologique avant même de générer le moindre token. C'est la retrieval augmented localization — l'étape qui réduit les erreurs terminologiques de 17 à 45 % selon les prestataires.
Traduction par LLM
Le moteur sélectionne le modèle prioritaire le mieux classé pour cette paire de langues dans la chaîne de repli configurée. Si le modèle principal échoue, le moteur bascule automatiquement vers le modèle suivant. L'appelant ne voit jamais ce basculement.
Post-édition humaine
Optionnel. Un traducteur qualifié relit et corrige le brouillon généré par l'IA — en se concentrant sur ce que le modèle a raté, plutôt que de retraduire depuis zéro. La plateforme gère le sourcing des traducteurs et leur adéquation au domaine du contenu ; les résultats arrivent via le même webhook. Pas de gestion de prestataire, pas d'étape d'approbation dans l'interface. Délai : quelques heures, pas des semaines.
Enterprise
La post-édition humaine est disponible en bêta privée sur les offres enterprise. Contactez-nous pour l'activer sur vos moteurs.
Post-édition par IA
Optionnel. Après l'intervention humaine, un agent IA applique une dernière passe de cohérence. Validation de la mise en forme, nouvelle vérification du glossaire, alignement du ton avec la voix de marque — tout en préservant l'intention du traducteur humain et en appliquant des standards communs à l'échelle du moteur. L'humain améliore la précision. L'IA garantit la cohérence.
Enterprise
La post-édition par IA est disponible en bêta privée sur les offres enterprise. Contactez-nous pour l'activer.
Vérification par rétrotraduction
Optionnel. Un modèle indépendant retraduit le résultat vers la langue source. L'agent compare la rétrotraduction au texte source d'origine, signale les divergences sémantiques et ajuste les segments où le sens a dérivé pendant la traduction. Cela permet de détecter des erreurs qu'une évaluation uniquement dans le sens aller ne voit pas.
Enterprise
La vérification par rétrotraduction est disponible en bêta privée sur les offres enterprise. Contactez-nous pour l'activer.
Chaque étape est configurable par moteur. L'optimisation du texte source, la post-édition humaine, la post-édition par IA et la rétrotraduction peuvent être activées ou désactivées indépendamment. L'enrichissement du contexte et la traduction par LLM sont toujours activés — c'est le cœur du moteur.
Une équipe qui localise des contenus marketing pourra activer les six étapes. Une équipe qui localise de la documentation interne pourra n'utiliser que l'enrichissement du contexte et la traduction par LLM. Dans les deux cas, l'appel API reste le même. Le pipeline, lui, s'adapte.
Livraison#
Les résultats arrivent par le canal que vous avez configuré — sans polling.
Webhooks — chaque langue est livrée dès qu'elle est prête. Une traduction allemande terminée en 4 secondes arrive immédiatement, sans attendre qu'une traduction japonaise se termine en 6. Chaque webhook inclut une signature cryptographique conforme à la spécification Standard Webhooks. Les livraisons échouées sont retentées avec un backoff exponentiel, jusqu'à 5 tentatives.
WebSocket — connectez-vous à un groupe de tâches pour suivre la progression en temps réel. Chaque événement inclut un instantané complet de l'état : nombre total de tâches, tâches terminées, tâches échouées, statut par langue. Votre frontend ne maintient jamais d'état local — le serveur pousse l'état réel à chaque événement.
Isolation des défaillances — si le japonais échoue mais que l'allemand réussit, la traduction allemande est livrée normalement. La tâche en échec apparaît avec un message d'erreur. Le statut du groupe devient partial. Réessayez en envoyant une nouvelle requête contenant uniquement les langues en échec.
Ce que cela change#
Conformité, gouvernance terminologique, adaptation au domaine, relecture humaine, évaluation de la qualité — tout est pris en charge derrière l'API. Le développeur envoie le contenu et les langues cibles. Le responsable localisation configure le moteur. La plateforme exécute le workflow.
La coordination qui exigeait autrefois un chef de projet, une relation fournisseur et une feuille de calcul partagée se déroule désormais dans un workflow d'arrière-plan durable, avec livraison par webhook, isolation des défaillances et diffusion de la progression en temps réel.
Si votre besoin de localisation se limite à la traduction ponctuelle d'un document, sans exigence de cohérence d'une release à l'autre, l'API est surdimensionnée pour votre usage. La valeur du moteur se renforce avec le temps — les termes du glossaire s'accumulent, la voix de marque s'affine, les scores de qualité progressent. Lingo.dev est conçu spécifiquement pour les produits qui évoluent en continu, où le même contenu change à chaque sprint et où la cohérence entre les langues est non négociable.
Consultez la référence API complète, ou réservez une démo pour voir le pipeline en action.
