Deux haïkus de Bashô (étude comparative de quelques traductions françaises)
Bibliographic record
Abstract
L’article compare plusieurs traductions françaises de deux haïkus de Bashô (1644-1694). Il s’agit moins d’observer l’amélioration accomplie au travers des années que de voir encore en quoi peut consister la soi-disant intraduisibilité de la poésie d’une langue si éloignée des langues indo-européennes. Si l’harmonie d’une langue mise en valeur dans la poésie n’est pas traduisible comme l’a dit Dante, il faudrait, concernant le chinois ou le japonais, ajouter « l’harmonie imitative » (Claudel), que propose la picturalité des signes et qui joue un certain rôle dans la poésie écrite dans ces langues. Pour la traduction d’un poème aussi bref (et dont l’énoncé risque de paraître si plat dans la traduction), doit-on se contenter de rendre seulement le sens ? Et s’il n’y a pas d’autres moyens, comment entreprendre cette traduction ? L’article aborde ces questions à travers l’analyse des versions françaises de deux haïkus. Or, même pour la restitution du sens, il y a des problèmes : le premier exemple soulève la question de l’ellipse agrammaticale de l’original, devant être complétée dans les traductions, et le deuxième, le rôle de la particule de ponctuation servant de césure, idiomatique et intraduisible. Il s’agit des rapports au non-dit ou aux sentiments inexprimables que la brièveté met encore en relief.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.009 | 0.006 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".