Subversion ou servitude volontaire en traduction : de l’identité des contraires
Bibliographic record
Abstract
Le problème du concept de subversion, qu’on l’applique à la traduction, à la traductologie, ou à toute autre question, est qu’il incite à sa propre subversion. C’est ce à quoi cette contribution tente, modestement, de contribuer, en utilisant différentes focales. Nous entamons cette réflexion sur une note optimiste, en posant que la traduction, en ceci qu’elle apporte une part de nouveauté, est d’emblée une opération subversive. Elle n’en est pas moins, l’observation le prouve, une école de conformisme, dans laquelle prospèrent de faux subversifs qui n’ont souvent pas même conscience de leur propre sujétion à un ordre. Cette contradiction intrinsèque nécessite donc d’articuler trois outils de décision : l’éthique, la déontologie, la morale. Car il importe aussi d’être conscient des dangers d’une attitude qui valoriserait exagérément les actes de subversion en traduction en établissant un clivage entre la pratique et la réflexion sur la pratique. Enfin, il est difficile de ne pas transposer cette problématique dans notre rapport à l’intelligence artificielle. In fine, le thème de la subversion soulève donc, en traduction et en traductologie, trois questions : au service de qui imaginons-nous être?; pourquoi faudrait-il que nous nous sentions inférieurs?; la subversion n’est-elle pas finalement, en traductologie, un concept à remiser au même endroit que la fidélité et la trahison?
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.049 |
| Scholarly communication | 0.013 | 0.013 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.004 | 0.007 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".