Évaluation de la performance de DeepL Pro sur un texte juridique : Étude sur la base d'un arrêt de la Cour suprême du Canada
Bibliographic record
Abstract
Cette étude constitue une évaluation de la performance de DeepL Pro sur un texte juridique. Elle se fonde, dans un premier temps, sur des préalables qui 1) exposent la technicité et la complexité du langage juridique 2) définissent les critères de qualité en traduction juridique et les critères spécifiques au corpus test 3) présentent l’état de l’art en TA, ainsi que les méthodes d’évaluation et leurs limites. Finalement, DeepL Pro est évalué sur un arrêt de la Cour suprême du Canada avec une méthode humaine, à savoir l’annotation d’erreur avec la typologie Multidimensional Quality Metrics (MQM) et une traduction de référence. L’analyse du texte produit par le système contribue à exposer les forces et les faiblesses de la traduction automatique neuronale, en vue de déterminer comment et dans quelle mesure cet outil peut être utile au traducteur. L’intégration d’un glossaire permet également d’évaluer la pertinence de cette (faible) forme de spécialisation. Les résultats obtenus indiquent que DeepL Pro n’a pas produit une traduction conforme aux exigences de qualité requises et que, par conséquent, son utilisation dans ce cas de figure présente un intérêt limité.
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 | 0.003 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.008 |
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".