Deux écrivains roumains à l’épreuve de la traduction du conte français
Notice bibliographique
Résumé
La présente contribution propose une analyse critique et comparative portant sur la façon de traduire de deux écrivains-traducteurs roumains, Caragiale et Sadoveanu, qui ont traduit en roumain des contes français et les ont publiés autour de 1910, mais depuis des positions traductives différentes et avec des conséquences variées sur la conversation écriture-traduction. Nous partons dans cette étude des points communs qui rapprochent les deux auteurs : le premier concerne le choix d’un genre bref, le conte, en l’occurrence, le conte merveilleux de Perrault pour Caragiale et le conte de chasse et le conte fantastique de Maupassant pour Sadoveanu. Un autre point commun est un intérêt marqué pour la traduction très libre, sorte d’adaptation « à sa façon », de quelques contes de Perrault, Poe, Twain, dans le cas de Caragiale, renommé dramaturge roumain, mais également conteur vers la fin de sa carrière; pour la traduction littéraire de grands auteurs et de grandes oeuvres, – Maupassant, Tourgueniev, les Psaumes – dans le cas de Sadoveanu, remarquable prosateur et inégalable conteur. L’analyse comparative du texte traduit et de l’original montre que l’écrivain Caragiale, déjà célèbre à l’époque où il traduit Perrault, élabore une poétique de l’imitation qui lui permet un jeu très libre avec le conte-source auquel il imprime son style, allant jusqu’à l’acclimatation, tandis que Sadoveanu, traduisant en début de carrière, est plus proche de l’original, sans réprimer pour autant quelques marques de son écriture en cours de cristallisation. Dans le cas des deux écrivains, il s’agit de degrés différents de conversation entre l’écriture et la traduction : entre l’écrivain et le traducteur, où l’écrivain domine, si l’on pense à Caragiale; où l’écrivain se trouve toujours en compétition avec le traducteur, si l’on pense à Sadoveanu.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,018 | 0,019 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».