Traduire les textes juridiques dans un contexte de plurilinguisme officiel : quelle formation pour quelles compétences spécifiques ?
Notice bibliographique
Résumé
Question fondamentale pour les systèmes plurilingues, la qualité de la traduction juridique est abordée ici sous l’angle non pas des aménagements institutionnels, mais des acteurs. Les spécificités des contextes de plurilinguisme officiel sont mises en relation avec la problématique de la compétence traductionnelle, de façon à tirer des conclusions applicables à la formation. Dans les systèmes plurilingues, la traduction juridique doit répondre à des exigences particulières liées à l’intertextualité, au statut du texte traduit, à la pluralité des destinataires et à l’institutionnalisation du processus. Ces exigences ont des implications sur plusieurs plans. À cet égard, l’article se réfère aux modèles généraux de compétence et à leur approfondissement interdisciplinaire dans la perspective de la traduction juridique. Il propose d’intégrer la question du plurilinguisme officiel dans un enseignement structuré autour des situations professionnelles, en mettant l’accent sur les aspects suivants : l’utilisation raisonnée des ressources documentaires ; l’acquisition de connaissances relatives au droit linguistique et au fonctionnement institutionnel ; la prévention des interférences et du jargon ; et le développement d’une capacité d’argumenter et d’interagir avec d’autres professionnels. Pour terminer, l’article illustre la singularité des divers contextes plurilingues. Il rejette l’idée selon laquelle ils représenteraient pour la traduction juridique une situation simplifiée, nécessitant des compétences purement techniques.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 tête enseignante, 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 ».