Construire un assistant de rédaction pour les langues celtiques

L'anglais dispose d'outils d'orthographe et de grammaire largement utilisés. L'irlandais et les autres langues celtiques en ont beaucoup moins, et leurs changements orthographiques dépendent souvent des mots voisins plutôt que d'une simple recherche dans un dictionnaire.

L'assistant d'écriture blas. est notre réponse : un vérificateur pour les six langues celtiques plus l'anglais, dans le navigateur, là où vous écrivez déjà. Voici la version honnête de cette construction — comment cela fonctionne, ce que cela fait vraiment, et où cela échoue.

Pourquoi une langue celtique a besoin de son propre vérificateur

Un vérificateur anglais échoue sur une phrase irlandaise de deux façons à la fois. Il ne connaît pas les mots, et il ne sait pas quelles erreurs sont même possibles ici.

• Les mutations changent l'orthographe d'un mot correct. En irlandais, an bean devient an bhean ; en gallois, y merch devient y ferch. Un vérificateur d'orthographe ne peut pas signaler une forme correcte ici et fausse là. Seule une règle sur le mot qui précède le peut.
• Le contexte porte la grammaire. La copule irlandaise contre tá, le génitif et l'accord nom-adjectif vivent dans la relation entre mots voisins, pas dans un mot isolé.
• L'orthographe a ses propres pièges. La fada en irlandais et le circonflexe en gallois ne sont pas décoratifs, et apostrophes, traits d'union et contractions suivent des règles qui leurs sont propres.
• Le dialecte n'est pas une erreur. L'irlandais d'Ulster, du Connacht et du Munster diffère ; les registres formel et familier du gallois diffèrent ; le cornique et le mannois ont des orthographes concurrentes. Choisissez une variété et appelez-la vérité, et vous signalerez toute la journée du texte correct.

C'est pourquoi ce n'est pas un vérificateur d'orthographe générique avec des listes de mots ajoutées. Chaque langue a ses règles et ses données.

Ce qui se passe pendant que vous tapez

L'extension vérifie le champ où vous tapez — zone de texte, champ simple ou éditeur de texte enrichi — et pas la page autour. Aucune requête réseau n'intervient dans la vérification elle-même.

Dans le popover, vous avez Accepter, Ignorer et Ajouter le mot, qui inscrit un terme dans un dictionnaire personnel conservé dans le navigateur. Le panneau de revue travaille sur un message plus long : acceptation groupée là où la langue le permet, ignorance des suggestions, annulation et rétablissement. Dans les éditeurs de texte enrichi, les corrections passent par les événements de saisie de l'éditeur plutôt que par du balisage recollé, ainsi le document reste cohérent et la correction reste annulable.

Confiance, et ce que le vérificateur a le droit de dire

Chaque règle porte un nombre, et ce nombre veut dire une seule chose : à quelle fréquence la règle a eu raison lorsqu'elle s'est déclenchée sur nos exemples annotés. Nous avons mis du temps à voir que nous demandions à ce nombre d'être deux choses à la fois — une règle presque toujours juste mais qui ne doit pas crier recevait une fausse probabilité pour rester silencieuse. Confiance et visibilité sont désormais séparées.

Les seuils sont volontairement ennuyeux. En rigueur standard, rien en dessous de 0,5 n'est souligné dans votre texte ; en rigueur relâchée, rien en dessous de 0,7. Vous pouvez demander à voir plus. Le défaut, c'est de ne pas le faire.

Deux conséquences méritent d'être dites clairement. L'acceptation groupée est désactivée pour les langues celtiques : aucune règle celtique n'a mérité la confiance de 0,9 que nous exigeons avant d'appliquer beaucoup de modifications d'un coup, donc là vous acceptez les corrections une par une. Et l'assistant ne réécrit jamais un passage en bloc.

Comment cela a été construit

Les données ont précédé l'interface. Chaque lexique embarqué est généré par un script de compilation à partir de sources publiées, et la licence est consignée à côté du fichier : notre propre vocabulaire et morphologie de cursus, plus des données tierces sous licences ouvertes — BuNaMo de Foras na Gaeilge pour l'irlandais, les données Kaikki issues du Wiktionary et les données Apertium pour les autres. Les dictionnaires que nous conseillons aux apprenants, Foclóir.ie et Teanglann.ie pour l'irlandais et le Geiriadur Prifysgol Cymru pour le gallois, sont les autorités sur lesquelles les données sont construites.

Trois sortes de preuves façonnent ce qui est réellement distribué :

• Des tests de règles annotés. Chaque règle est exécutée contre des exemples annotés à la main, et le taux de vrais positifs obtenu devient sa confiance. Modifier un seuil est une mesure, pas une préférence.
• Du texte propre qui doit rester silencieux. Des corpus sous licence ouverte — les phrases Tatoeba dans les six langues celtiques, des transcriptions Common Voice et des textes du domaine public — sont passés dans le vérificateur pour chercher ce qu'il signale à tort. Une règle qui se déclenche sur un texte correct est restreinte, pas célébrée.
• De vraies sessions navigateur. Accepter, Annuler et Ignorer sont vérifiés dans de vraies sessions — Chrome, Firefox et Safari sur macOS — sur les pages où les gens écrivent, et les défauts trouvés là deviennent des tests de non-régression.

Ce sont des portes de publication, et elles échouent actuellement. Réussir un test navigateur ne rend pas une langue précise.

Ce qui est appris, et ce qui est réellement distribué

La vérification passive embarquée est faite de règles et de dictionnaires exécutés dans l'extension. Le seul composant appris de l'emballage est un petit analyseur de dépendances anglais, embarqué localement et épinglé par empreinte, utilisé pour l'anglais seul.

Tout ce qui est neuronal pour les langues celtiques est de la recherche, pas de l'exécution. La compilation supprime entièrement du paquet les candidats grammaticaux neuronaux et le moteur Kotlin partagé. C'est une décision de compilation, pas un interrupteur dans les réglages.

La revue approfondie dans le nuage est optionnelle, réservée à l'anglais et exige un compte Premium lié. Elle envoie le texte anglais que vous choisissez uniquement après votre consentement actuel et une demande explicite ; vous pouvez la désactiver ou retirer le consentement dans les réglages. Son contrat interdit de conserver le texte brut ou de l'utiliser pour l'entraînement. La disponibilité du fournisseur est distincte des vérifications locales : une revue indisponible est signalée, jamais remplacée par un résultat inventé.

La vérification passive reste sur votre appareil et n'entraîne aucun modèle sur votre rédaction. La revue optionnelle dans le nuage possède un contrat distinct interdisant la conservation et l'entraînement ; l'enregistrement de mots et la synchronisation du compte sont d'autres actions réseau. Aucun modèle neuronal celtique n'a franchi notre seuil de revue, donc aucun ne s'exécute dans l'extension distribuée. Nous ne revendiquons aucune validation par des relecteurs humains. Nos preuves viennent de dictionnaires et corpus publiés, de tests annotés et de vérifications sur des textes corrects.

Ce qui reste sur votre machine

La vérification n'exige ni connexion de compte ni connexion réseau. Les données de règles sont embarquées dans l'extension et les vérifications s'exécutent dans son processus d'arrière-plan.

La frontière du compte est une porte séparée que vous choisissez d'ouvrir. Lier un compte ne conserve dans le navigateur qu'un jeton restreint et révocable, et c'est ce qui permet d'enregistrer des mots dans votre bibliothèque blas. et de synchroniser les suggestions ignorées entre installations. L'analytique anonyme est un choix distinct et signale des compteurs, pas du texte. La liste détaillée figure dans la politique de confidentialité.

Où il est faible

Sept langues sont sélectionnables — l'anglais plus les six langues celtiques — et elles ne sont pas couvertes de façon égale. L'irlandais et le gallois ont les jeux de règles les plus profonds ; le gaélique écossais, le mannois, le cornique et le breton distribuent un paquet grammar-v1 plus étroit, si bien que la même phrase y produit moins de résultats utiles. Le traitement des dialectes est volontairement prudent plutôt qu'une licence de signaler des dialectes entiers comme faux.

Les portes de précision vivent dans le dépôt, et à la date de ce texte elles ne passent pas. Sur la plateforme actuelle, la vérification au niveau paragraphe est correcte pour une langue sur six (61 règles attendues sur 64, 42 suggestions attendues sur 49), et la vérification de référence sourcée réussit 579 cas sur 720, chaque langue restant sous son seuil de publication. Ce sont nos propres chiffres sur notre propre matériel, et c'est la raison pour laquelle nous décrivons le vérificateur comme incomplet plutôt que terminé.

• Google Docs fonctionne en revue-et-copie. Il vérifie le texte du document et vous laisse copier une version corrigée ; il n'écrit pas les modifications dans le document.
• Ce n'est pas un traducteur. La traduction en regard est traitée comme un soutien d'apprentissage, pas comme un produit de traduction.
• La disponibilité varie selon le navigateur, et rien de tout cela n'est une promesse. Chrome et Firefox sont le chemin de distribution. L'extension Safari pour Mac a une version approuvée pour la distribution ; la version iPad n'a pas terminé sa vérification et n'est pas publiée, donc n'y supposez rien.

Essayer la vraie version

La page de l'assistant d'écriture propose une démonstration modifiable des mutations irlandaises et galloises. Elle utilise le vérificateur local de règles du site, et non une réponse scriptée ni toute la chaîne de vérification de l'extension. La page présente aussi les options d'installation dans le navigateur. Les pages de recherche et le dictionnaire donnent accès aux sources.