De la traduction juridique à la jurilinguistique : la quête de l’équivalence
Bibliographic record
Abstract
Dans un pays où règnent un bilinguisme officiel et un bijuridisme d’État, la traduction n’est jamais loin et l’opération traduisante passe alors obligatoirement par la comparaison des droits. Ces deux activités sont plus étroitement liées qu’on ne le pense. Aussi n’est-il guère étonnant que, parmi les comparatistes, on trouve des spécialistes avertis de la traduction juridique et que des traducteurs soient formés à la jurilinguistique. Le Canada s’est illustré de longue date dans ces deux domaines. En deux siècles de pratique, il a décliné toute la gamme de procédés et méthodes de traduction de ses textes juridiques. À l’origine, littérale et servile, la manière de traduire est aujourd’hui plus libre. L ’équivalence – dont nous évoquons la saga – est devenue « fonctionnelle » ; la corédaction (bilingue anglais-français) est apparue dans le processus de production des lois. Mais l’équivalence des textes n’en est pas moins problématique et la question de l’interprétation du texte, traduit ou corédigé, n’est pas tranchée pour autant. En droit, l’opération traduisante requiert le savoir-faire du jurilinguiste pour produire l’équivalence « fonctionnelle » des textes, soit un rapport harmonieux entre la lettre et l’esprit du message que porte le droit. On avancera que le traducteur-jurilinguiste peut produire, au terme de son analyse, la « haute » traduction que, selon R. Sacco, seul un comparatiste peut produire.
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 | 0.007 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.008 | 0.030 |
| Scholarly communication | 0.013 | 0.010 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.007 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
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".