Perspectives
Traduction par IA et écart salarial des immigrants
Sur un chantier de construction en périphérie de Séoul, une consigne de sécurité est prononcée en coréen. En quelques secondes, des travailleurs du Vietnam, de l’Ouzbékistan, du Népal et du Cambodge l’entendent dans leur propre langue.
Ce n’est pas de la science-fiction. Deux des plus grands constructeurs de la Corée du Sud — Daewoo E&C et Lotte Engineering — ont déployé des plateformes de traduction par IA sur des dizaines de chantiers cette année. Le système de Daewoo prend en charge 180 langues avec un glossaire propre à la construction. Termes techniques. Protocoles de sécurité. Noms d’équipements. Calibré pour un environnement où une mauvaise traduction n’est pas un simple inconvénient, c’est une catastrophe.
Mais cette histoire va bien au-delà de la sécurité sur les chantiers
Dans les pays de l’OCDE, les immigrants gagnent 18 % de moins que les travailleurs nés au pays. Les trois quarts de cet écart ne concernent pas les compétences, mais plutôt l’accès à des emplois, des industries et des entreprises mieux rémunérés. Et le principal indicateur de cet accès est la maîtrise de la langue. Partout en Europe, la recherche démontre constamment une pénalité salariale de 23 à 27 % pour les immigrants qui ne maîtrisent pas la langue du pays d’accueil. Une étude de la Réserve fédérale a calculé que les barrières empêchant les immigrants d’atteindre leur potentiel productif coûtent à l’économie américaine l’équivalent de 25 % de la contribution économique totale des immigrants.
Un problème de traduction
L’OCDE a constaté que l’écart de rémunération des immigrants se réduit d’un tiers en cinq ans et de moitié en dix ans. Cet échéancier suppose que l’immigrant fait tout le travail d’adaptation. Des années d’immersion. Des cours formels. De l’alternance codique culturelle. Tout le fardeau pèse sur la personne qui a le potentiel, et non sur l’institution qui en a besoin.
L’IA inverse la tendance
Au lieu de demander : « À quelle vitesse pouvez-vous apprendre notre langue ? », elle demande : « Pourquoi la langue devrait-elle déterminer qui peut contribuer ? » Un chirurgien qui parle dari. Un ingénieur qui parle tagalog. Un soudeur qui parle ouzbek. Leur compétence n’a jamais changé. C’est l’interface qui a changé.
Nous avons passé des décennies à mesurer les immigrants selon leur aisance linguistique. Nous aurions peut-être dû mesurer nos systèmes selon leur souplesse.