Évaluation de la performance de DeepL Pro sur un texte juridique : Étude sur la base d'un arrêt de la Cour suprême du Canada
Notice bibliographique
Résumé
Cette étude constitue une évaluation de la performance de DeepL Pro sur un texte juridique. Elle se fonde, dans un premier temps, sur des préalables qui 1) exposent la technicité et la complexité du langage juridique 2) définissent les critères de qualité en traduction juridique et les critères spécifiques au corpus test 3) présentent l’état de l’art en TA, ainsi que les méthodes d’évaluation et leurs limites. Finalement, DeepL Pro est évalué sur un arrêt de la Cour suprême du Canada avec une méthode humaine, à savoir l’annotation d’erreur avec la typologie Multidimensional Quality Metrics (MQM) et une traduction de référence. L’analyse du texte produit par le système contribue à exposer les forces et les faiblesses de la traduction automatique neuronale, en vue de déterminer comment et dans quelle mesure cet outil peut être utile au traducteur. L’intégration d’un glossaire permet également d’évaluer la pertinence de cette (faible) forme de spécialisation. Les résultats obtenus indiquent que DeepL Pro n’a pas produit une traduction conforme aux exigences de qualité requises et que, par conséquent, son utilisation dans ce cas de figure présente un intérêt limité.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».