« Tu m’as construit » : altérité et identité dans la traduction d’Icelander
Bibliographic record
Abstract
Henri Meschonnic définit le traduire comme « un mode de relation entre une identité et une altérité », et va même jusqu’à affirmer que « l’identité n’advient que par l’altérité ». Sans l’autre, pas de soi. Ainsi, l’œuvre d’origine dépend du traducteur pour se construire dans une autre langue, et le traducteur doit négocier entre son propre univers (langagier, culturel, personnel) et celui de l’auteur d’origine. Dans Icelander (2006) de l’auteur américain Dustin Long, roman intertextuel et faussement policier rappelant ceux de Thomas Pynchon et Jasper Fforde, le personnage de Prescott lance à l’héroïne : « Tu m’as construit. » Cette affirmation pourrait être prononcée par les nombreux autres personnages qui peuplent le récit et dont l’identité semble dépendre de façon vitale d’autrui ; c’est notamment le cas de l’héroïne qui tente de se construire au milieu de ces autres si dominants. Comment se positionner face à l’altérité du monde (Antoine Berman), à l’altérité de l’œuvre d’origine ? Comment la faire parler dans l’œuvre traduite ? Le traducteur doit déconstruire les modes de relation entre identité et altérité mis en place par l’œuvre d’origine, afin de mieux les (re)construire dans l’œuvre traduite. Nous proposons d’analyser ces différents modes de relation entre identité et altérité présents dans l’œuvre d’origine, et les solutions françaises élaborées dans notre traduction parue aux éditions Asphalte (Icelander, 2011). Ceci nous permettra également de tracer un parallèle entre la façon dont les personnages construisent leur identité face à l’altérité, et la façon dont le traducteur construit l’identité de cette œuvre autre qu’est l’œuvre traduite.
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 | 0.002 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.015 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.003 | 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".