Problèmes de traduction du vernaculaire noir américain : le cas de The Adventures of Huckleberry Finn
Bibliographic record
Abstract
Problèmes de traduction du vernaculaire noir américain : le cas de The Adventures of Huckleberry Finn — Cet article propose une analyse du rôle dévolu au vernaculaire noir américain (VNA) par Mark Twain dans The Adventures of Huckleberry Finn et du traitement qui en a été fait par deux traducteurs français (Suzanne Nétillard, 1948/1973/1985, et André Bay, 1961/1990). L'auteure démontre que la transcription du VNA par Twain répond à deux « tendances esthético-cognitives divergentes » (Lane-Mercier). La première, « philologique », où Twain tente, sans vraiment y parvenir en raison de certains effets de clôture, de rendre compte du parler des personnes de race noire dans l'extratexte; la seconde, « artistique », où il cherche à subvertir, à travers sa représentation du VNA sur le plan scriptural, le discours socio-idéologique propre à sa société. En effet, le VNA assume plusieurs fonctions dans The Adventures of Huckleberry Finn: sur le plan esthétique, il crée, au début du roman, un effet de comique; sur le plan social, il identifie le locuteur à son milieu; et sur le plan idéologique, il exprime la position de l'auteur sur l'esclavage et la ségrégation. Or, la tradition française du bien-écrire étant très présente à l'esprit des traducteurs, ces derniers ont plus ou moins pu recréer graphiquement en français un langage caractérisant la voix noire tel que Twain l'avait fait en anglais. Partant, si le VNA n'est pas représenté formellement, toute l'idéologie sous-jacente à sa présence est du même coup atténuée, si ce n'est complètement perdue.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.028 | 0.028 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".