Repérage des décalages informationnels de traduction au moyen du criblage automatique des segments hétéromorphes d’un corpus parallèle

Résumé Fr En

Nous présentons une méthode de criblage quantitatif et automatique des segments hétéromorphes dans les corpus parallèles de traductions qui rationalise la recherche qualitative et manuelle des décalages de traduction informationnels. Ces derniers fournissent des données sur la traduction comme résultat qui servent à caractériser les idiosyncrasies textuelles et linguistiques des langues en contact et qui renseignent aussi sur les biais individuels du sujet traduisant ainsi que sur les biais culturels inhérents à l’opération de traduction pour les langues-cultures en contact. Pour montrer comment fonctionne la méthode de repérage, nous l’appliquons à un corpus de traductions alignées avec leur segment source. Le corpus contient un discours en anglais du président américain John F. Kennedy (1961) et un discours de la première ministre britannique Theresa May (2017) qui ont été traduits en français. Pour le criblage automatique des segments hétéromorphes, l’algorithme PML (précision des mots lexicaux) analyse automatiquement les paires de segments source et cible et compare le nombre de mots lexicaux dans les segments source et cible pour calculer le ratio de la précision de l’information traduite (PIT). Par la suite, les segments hétéromorphes criblés au moyen du ratio PIT sont analysés manuellement pour déterminer l’origine ou la cause de la variation des contenus informatifs de la traduction et définir les repérages qu’elle entraîne, le cas échéant. La méthode offre l’avantage de rationaliser la recherche de décalages dans les segments hétéromorphes négatifs et positifs des textes traduits dans un corpus parallèle, puisqu’elle permet de cibler et de cribler les paires de segments hétéromorphes qui sont le plus susceptibles de contenir des décalages informationnels de traduction.

We present a method of quantitative and automatic screening of heteromorphic segments in corpora of aligned translations that streamlines the qualitative and manual search for informational translation shifts. The latter provide data on translation as a result that serve to characterize the textual and linguistic idiosyncrasies of the languages in contact and also provide information on the individual biases of the subject translating as well as the cultural biases inherent in the translation operation for the languages-cultures in contact. To show how the tracking method works, we apply it to a bilingual corpus of translations aligned with their source segment. The corpus contains a speech by American President John F. Kennedy (1961) and a speech by British Prime Minister Theresa May (2017) that have been translated into French. For automatic screening of heteromorphic segments, the LWA (lexical word accuracy) algorithm automatically analyzes all source and target segment pairs and compares the number of lexical words in the source and target segments to calculate the translated information accuracy ratio (TIA). Subsequently, the heteromorphic segments screened using the TIA ratio are analyzed manually to determine the origin or cause of the variation in the translation’s informational content and to define the shifts it causes, if any. The method has the advantage of rationalizing the search for translation shifts in negative and positive heteromorphic segments of translated texts in a parallel corpus since it allows targeting and screening of heteromorphic segment pairs that are most likely to contain informational translation shifts.