Les multiples voix (auto)biographiques de Philippe Soupault : enjeux et défis de la traduction
Bibliographic record
Abstract
Co-fondateur du surréalisme avec André Breton, Philippe Soupault a écrit de nombreux livres où se mêlent fiction, non-fiction, poésie, autobiographie et biographie. Envisageant la voix à la fois comme une certaine position d’écriture macro-textuelle et un ensemble d’indices de subjectivité articulés dans la trame micro-textuelle, cet article cherche à voir comment la mobilité des voix (auto)biographiques de Soupault a affecté la traduction de ses œuvres, tant sur le plan tant éditorial – au niveau des choix des éditeurs et éditrices des livres à traduire –, que traductif – au niveau des défis particuliers posés à ses traducteurs et traductrices. Après une brève présentation de la place occupée par les textes (auto)biographiques de Soupault dans le rayonnement de l’ensemble de son œuvre en traduction, l’étude aborde les difficultés posées par la traduction anglaise de Profils perdus, recueil de portraits d’écrivains et de peintres où les voix (auto)biographiques de Soupault se montrent particulièrement mobiles. En conclusion, ces défis de traduction sont situés dans le contexte plus large de l’évolution du genre littéraire que la critique anglophone qualifie d’écriture de vie.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.010 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.010 | 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".