Traduire le mètre, traduire le rythme : les poèmes de Sappho par Philippe Brunet
Bibliographic record
Abstract
En 1991, Philippe Brunet publie une traduction inédite de la poétesse grecque archaïque du VII ème siècle avant J.-C., Sappho. Dans cette traduction, celui-ci a tenté d'imiter et de faire ressentir le mètre grec en français. La difficulté de cette entreprise réside dans le fait que le français n'est pas une langue à accent de mot et qu'il ne ressent pas la quantité des syllabes. Les mètres poétiques du français se basent en effet sur le nombre des syllabes et non sur leur quantité. à la Renaissance, une telle tentative d'imitation du mètre grec avait déjà été entreprise par Jean-Antoine de Baïf. Mais celui-ci, oubliant les particularités accentuelles du français, n'a pas réussi à développer un système adéquat. Philippe Brunet quant à lui a su utiliser ces règles accentuelles françaises pour faire ressentir à son lecteur quelque chose du rythme quantitatif grec. Se servant autant de l'accent tonique que de l'accent initial, son système respecte dans son ensemble la langue française tout en créant un rythme nouveau. Une fois cette traduction comparée à d'autres, on peut également voir à quel point ses recherches sémantiques et prosodiques aident à la réalisation de ce rythme particulier.\nM ots-clé :\nSappho, grec, traduction, rythme, mètre, métrique, accent.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.012 | 0.003 |
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".