Écrire la non-binarité en français grâce à la traduction audiovisuelle : le pronom « they » dans quelques séries contemporaines
Notice bibliographique
Résumé
Certaines personnes ne se reconnaissant pas dans les deux genres traditionnels, on observe en anglais comme en français une demande pour une plus grande représentativité des personnes non binaires dans le langage. Les anglophones disposent du pronom « they », mais le français a dû trouver des formes linguistiques nouvelles comme le mot-valise « iel », pronom qui a occasionné des protestations lors de son entrée dans Le Robert en ligne en novembre 2021. Cet article étudie des cas concrets d’emploi du pronom « they » dans des séries contemporaines pour analyser comment les adaptateur·rices sont parvenu·es à dégenrer la langue en français, et proposer un ensemble de stratégies réemployables. Les entretiens conduits avec ces professionnel·les éclairent un moment précis (2018-2020) où un phénomène linguistique était observable en anglais mais ne trouvait pas d’équivalent répandu en français et où les ressources théoriques manquaient. L’analyse commence par deux cas où « they » est employé pour cacher le genre d’un personnage ; elle se poursuit avec des personnages non binaires, notamment quand iels demandent à ce que leur pronom de préférence soit employé. L’article finit sur un éloge de l’hétérogénéité en traduction, dans la lignée des écrits de Grunenwald ou Venuti.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,006 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».