Notice bibliographique
Résumé
L’hétérolinguisme, en dépit d’une présence quasi constante dans l’histoire de la littérature, n’a été que rarement pris en compte par la traductologie. Si les chercheurs l’envisagent, c’est presque toujours pour en avouer l’intraduisibilité. Il se présente généralement comme une voie sans issue où la traduction ne peut que se fourvoyer. Mais que se passe-t-il si l’on cesse de le considérer uniquement en tant que problème ? Cet article tente de démontrer en quoi les textes hétérolingues, tout en remettant en cause le présupposé monolingue sur lequel se fonde la conception littéraire traditionnelle, ouvrent à une pensée et à une pratique alternatives de la traduction. Cette étude retrace tout d’abord l’histoire de l’hétérolinguisme littéraire, examine ensuite la relation entre écriture hétérolingue et traduction, et se penche enfin sur le devenir de l’hétérolinguisme en traduction. Partant des romans Temps de chien (2001/2003) de Patrice Nganang et Verre cassé (2005) d’Alain Mabanckou et de leurs versions anglaise, espagnole et italienne, ce dernier temps de l’étude propose une analyse des stratégies de traduction de l’hétérolinguisme. Loin de s’avérer un défi impossible, la traduction peut faire résonner la trame des langues du texte de départ, mais à condition de quitter son paradigme monolingue.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,015 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».