Comparaison d’un texte original et de ses rétrotraductions : que disent les mesures textométriques ?
Notice bibliographique
Résumé
Cet article présente les premiers résultats de l’analyse d’un corpus littéraire composé de poèmes et d’un essai, ainsi que de leurs 16 rétroversions en français, après traduction dans 8 langues, typologiquement et diachroniquement diversifiées (l’italien, l’allemand, l’arabe, le farsi, le japonais, le coréen, le latin et le grec ancien). Cet ensemble fait l’objet d’une approche interdisciplinaire, interrogeant la rétrotraduction d’un point de vue textométrique et stylistique. À partir d’une évaluation de la distance traductionnelle entre les textes alignés (originaux et rétroversions), fondée sur la longueur, l’indice Dice et la stabilité des lemmes, trois hypothèses principales sont éprouvées : les textes sont-ils davantage transformés lorsqu’ils sont passés par une langue distante du français ? Les poèmes subissent-ils des distorsions plus grandes que l’essai en prose ? Le corpus rétrotraduit peut-il être un outil herméneutique pour l’analyse du texte original ? Pour étudier ces différents aspects dans une perspective de linguistique de corpus outillée et de stylistique française, nous proposons une méthodologie d’alignement multitextuel et de mesures textométriques, s’appuyant sur l’étiquetage et la lemmatisation des unités. L’étude stylistique prend appui sur ces mesures pour aborder ce multitexte riche et complexe. Menée sur un ensemble de taille réduite, l’analyse vise à la mise en place de procédures reproductibles sur d’autres corpus de versions traduites d’un texte dans une même langue.
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 | 0,004 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,006 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».