Fix(l10n): Update translations from Transifex

Signed-off-by: Nextcloud bot <[email protected]>

l10n/fr.js

@@ -3,6 +3,7 @@ OC.L10N.register(
     {
     "Recognize" : "Recognize",
     "Smart media tagging and face recognition with on-premises machine learning models" : "Étiquetage intelligent des médias et reconnaissance faciale à l'aide de modèles d'apprentissage sur site",
+    "Smart media tagging and face recognition with on-premises machine learning models.\nThis app goes through your media collection and adds fitting tags, automatically categorizing your photos and music.\n\n* 📷 👪 Recognizes faces from contact photos\n* 📷 🏔 Recognizes animals, landscapes, food, vehicles, buildings and other objects\n* 📷 🗼 Recognizes landmarks and monuments\n* 👂 🎵 Recognizes music genres\n* 🎥 🤸 Recognizes human actions on video\n\n⚡ Tagging works via Nextcloud's Collaborative Tags\n  * 👂 listen to your tagged music with the audioplayer app\n  * 📷 view your tagged photos and videos with the photos app\n\nModel sizes:\n\n * Object recognition: 1GB\n * Landmark recognition: 300MB\n * Video action recognition: 50MB\n * Music genre recognition: 50MB\n\n## Ethical AI Rating\n### Rating for Photo object detection: 🟢\n\nPositive:\n* the software for training and inference of this model is open source\n* the trained model is freely available, and thus can be run on-premises\n* the training data is freely available, making it possible to check or correct for bias or optimise the performance and CO2 usage.\n\n### Rating for Photo face recognition: 🟢\n\nPositive:\n* the software for training and inference of this model is open source\n* the trained model is freely available, and thus can be run on-premises\n* the training data is freely available, making it possible to check or correct for bias or optimise the performance and CO2 usage.\n\n### Rating for Video action recognition: 🟢\n\nPositive:\n* the software for training and inferencing of this model is open source\n* the trained model is freely available, and thus can be ran on-premises\n* the training data is freely available, making it possible to check or correct for bias or optimise the performance and CO2 usage.\n\n## Ethical AI Rating\n### Rating Music genre recognition: 🟡\n\nPositive:\n* the software for training and inference of this model is open source\n* the trained model is freely available, and thus can be run on-premises\n\nNegative:\n* the training data is not freely available, limiting the ability of external parties to check and correct for bias or optimise the model’s performance and CO2 usage.\n\nLearn more about the Nextcloud Ethical AI Rating [in our blog](https://nextcloud.com/blog/nextcloud-ethical-ai-rating/).\n\nAfter installation, you can enable tagging in the admin settings.\n\nRequirements:\n- php 7.4 and above\n- App \"collaborative tags\" enabled\n- For native speed:\n  - Processor: x86 64-bit (with support for AVX instructions)\n  - System with glibc (usually the norm on Linux; FreeBSD, Alpine linux and thus also the official Nextcloud Docker container and Nextcloud AIO are *not* such systems)\n- For sub-native speed (using WASM mode)\n  - Processor: x86 64-bit, arm64, armv7l (no AVX needed)\n  - System with glibc or musl (incl. Alpine linux and thus also the official Nextcloud Docker container and also Nextcloud AIO)\n- ~4GB of free RAM (if you're cutting it close, make sure you have some swap available)\n- This app is currently incompatible with the *Suspicious Login* app due to a dependency conflict (ie. you can only have one of the two installed)\n\nThe app does not send any sensitive data to cloud providers or similar services. All processing is done on your Nextcloud machine, using Tensorflow.js running in Node.js." : "Marquage multimédia intelligent et reconnaissance faciale avec des modèles de machine learning localement.\nCette application parcourt votre collection multimédia et ajoute des tags appropriées, catégorisant automatiquement vos photos et votre musique.\n\n* 📷 👪 Reconnaît les visages à partir des photos de contact\n* 📷 🏔 Reconnaît les animaux, les paysages, la nourriture, les véhicules, les bâtiments et autres objets\n* 📷 🗼 Reconnaît les monuments et les monuments\n* 👂 🎵 Reconnaît les genres musicaux\n* 🎥 🤸 Reconnaît les actions humaines en vidéo\n\n⚡ Le taguage fonctionne via les tags collaboratives de Nextcloud\n  * 👂 écoutez votre musique taguée avec l'application audioplayer\n  * 📷 affichez vos photos et vidéos taguées avec l'application photos\n\nTailles des modèles:\n\n * Reconnaissance d'objets: 1 Go\n * Reconnaissance historique: 300 Mo\n * Reconnaissance d'action vidéo: 50 Mo\n * Reconnaissance du genre musical: 50 Mo\n\n## Évaluation éthique de l'IA\n### Note pour la détection d'objets photo: 🟢\n\nPositif:\n* le logiciel de formation et d'inférence de ce modèle est open source\n* le modèle entraîné est disponible gratuitement et peut donc être exécuté localement\n* les données d'entraînement sont disponibles gratuitement, permettant de vérifier ou de corriger les biais ou d'optimiser les performances et l'utilisation du CO2.\n\n### Note pour la reconnaissance faciale photo: 🟢\n\nPositif:\n* le logiciel de formation et d'inférence de ce modèle est open source\n* le modèle entraîné est disponible gratuitement et peut donc être exécuté localement\n* les données d'entraînement sont disponibles gratuitement, permettant de vérifier ou de corriger les biais ou d'optimiser les performances et l'utilisation du CO2.\n\n### Note pour la reconnaissance d'action en vidéo: 🟢\n\nPositif:\n* le logiciel de formation et d'inférence de ce modèle est open source\n* le modèle entraîné est disponible gratuitement et peut donc être exécuté localement\n* les données d'entraînement sont disponibles gratuitement, permettant de vérifier ou de corriger les biais ou d'optimiser les performances et l'utilisation du CO2.\n\n## Évaluation éthique de l'IA\n### Note Reconnaissance du genre musical: 🟡\n\nPositif:\n* le logiciel de formation et d'inférence de ce modèle est open source\n* le modèle entraîné est disponible gratuitement et peut donc être exécuté localement\n\nNégatif:\n* les données de formation ne sont pas disponibles gratuitement, ce qui limite la capacité des parties externes à vérifier et corriger les biais ou à optimiser les performances du modèle et l'utilisation du CO2.\n\nApprenez-en davantage sur la notation Nextcloud Ethical AI [sur notre blog](https://nextcloud.com/blog/nextcloud-ethical-ai-rating/).\n\nAprès l'installation, vous pouvez activer le taquage dans les paramètres d'administration.\n\nRequis:\n- PHP 7.4 et supérieur\n- Application \"tags collaboratives\" activées\n- Pour la vitesse native:\n  - Processeur: x86 64 bits (avec prise en charge des instructions AVX)\n  - Système avec glibc (généralement la norme sous Linux ; FreeBSD, Alpine Linux et donc également le conteneur officiel Nextcloud Docker et Nextcloud AIO ne sont *pas* de tels systèmes)\n- Pour une vitesse sous-native (en utilisant le mode WASM)\n  - Processeur: x86 64 bits, arm64, armv7l (aucun AVX requis)\n  - Système avec glibc ou musl (y compris Alpine Linux et donc aussi le conteneur officiel Nextcloud Docker et aussi Nextcloud AIO)\n- ~4 Go de RAM libre (si vous n’êtes pas sur, assurez-vous d'avoir le  WASM de disponible)\n- Cette application est actuellement incompatible avec l'application *Connexion suspecte* en raison d'un conflit de dépendances (c'est-à-dire que vous ne pouvez installer qu'un seul des deux)\n\nL'application n'envoie aucune donnée sensible aux fournisseurs de cloud ou à des services similaires. Tout le traitement est effectué sur votre machine Nextcloud, à l'aide de Tensorflow.js exécuté dans Node.js.",
     "Status" : "Statut",
     "The machine learning models have been downloaded successfully." : "Les modèles de machine learning ont été téléchargés avec succès.",
     "The machine learning models still need to be downloaded." : "Les modèles de machine learning doivent encore être téléchargés.",
@@ -70,11 +71,14 @@ OC.L10N.register(
     "Enable unlimited concurrency of classifier processes" : "Activer des processus parallèles illimités pour le classificateur",
     "Tensorflow WASM mode" : "Mode WASM de Tensorflow",
     "Checking CPU" : "Vérification du CPU",
+    "Could not check whether your machine supports native TensorFlow operation. Make sure your OS has GNU lib C, your CPU supports AVX instructions and you are running on x86. If one of these things is not the case, you will need to run in WASM mode." : "Impossible de vérifier si votre ordinateur prend en charge le fonctionnement natif de TensorFlow. Assurez-vous que votre système d'exploitation dispose de GNU lib C, que votre CPU supports AVX et que vous l'utilisez x86. Si l’une de ces choses n’est pas le cas, vous devrez exécuter en mode WASM.",
     "Your machine supports native TensorFlow operation, you do not need WASM mode." : "Votre machine supporte le fonctionnement natif de TensorFlow, vous n'avez pas besoin du mode WASM.",
     "WASM mode was activated automatically, because your machine does not support native TensorFlow operation:" : "Le mode WASM a été activé automatiquement, car votre machine ne prend pas en charge le fonctionnement natif de TensorFlow :",
     "Enable WASM mode" : "Activer le mode WASM",
+    "Recognize uses Tensorflow for running the machine learning models. Not all installations support Tensorflow, either because the CPU does not support AVX instructions, or because the platform is not x86 (ie. on a Raspberry Pi, which is ARM), or because the Operating System that your nextcloud runs on (when using docker, then that is the OS within the docker image) does not come with GNU lib C (for example Alpine Linux, which is also used by Nextcloud AIO). In most cases, even if your installation does not support native Tensorflow operation, you can still run Tensorflow using WebAssembly (WASM) in Node.js. This is somewhat slower but still works." : "Recognize utilise Tensorflow pour exécuter les modèles de machine learning. Toutes les installations ne prennent pas en charge Tensorflow, soit parce que le CPU ne prend pas en charge les instructions AVX, soit parce que la plate-forme n'est pas x86 (c'est-à-dire sur un Raspberry Pi, qui est ARM), soit parce que le système d'exploitation sur lequel votre nextcloud s'exécute (lors de l'utilisation de Docker, alors c'est le système d'exploitation dans l'image docker) ne vient pas avec GNU lib C (par exemple Alpine Linux, qui est également utilisé par Nextcloud AIO). Dans la plupart des cas, même si votre installation ne prend pas en charge le fonctionnement natif de Tensorflow, vous pouvez toujours exécuter Tensorflow à l'aide de WebAssembly (WASM) dans Node.js. C'est un peu plus lent mais fonctionne toujours.",
     "Tensorflow GPU mode" : "Mode GPU pour Tensorflow",
     "Enable GPU mode" : "Activer le mode GPU",
+    "Like most machine learning models, Recognize will run even faster when using a GPU. Setting this up is non-trivial but works well when everything is setup correctly." : "Comme la plupart des modèles de machine learning, Recognize s'exécutera encore plus rapidement lors de l'utilisation d'un GPU. Cette configuration n’est pas triviale mais fonctionne bien lorsque tout est correctement configuré.",
     "Learn how to setup GPU mode with Recognize" : "Découvrez comment configurer le mode GPU avec Recognize",
     "Node.js" : "Node.js",
     "Checking Node.js" : "Vérification de Node.js",