ChatGPT traduit correctement la majorité des textes courants. Là où il se distingue des moteurs de traduction classiques comme Google Translate ou DeepL, c’est sur sa capacité à recevoir des instructions contextuelles : registre de langue, public cible, glossaire maison. Là où il échoue, c’est prévisible mais rarement documenté avec précision.
Effet du modèle sous-jacent sur la qualité de traduction ChatGPT
Les comparatifs publiés avant 2025 évaluent des modèles qui ne sont plus accessibles dans le produit grand public. OpenAI a retiré plusieurs anciens modèles (GPT-4.1, GPT-4o, GPT-5) de l’interface ChatGPT en 2026 et déployé o3 Pro et GPT-5.5 Instant comme modèles par défaut, avec des améliorations explicites en compréhension contextuelle et en concision.
A voir aussi : Pourquoi l'hydrogène n'est pas une source d'énergie ?
Nous observons que la plupart des articles qui concluent « ChatGPT est bon mais pas parfait » s’appuient sur des tests réalisés avec des versions obsolètes. Un benchmark mené sur GPT-4 en 2023 n’a aucune valeur prédictive sur le comportement du modèle actuel pour traduire un contrat ou une notice technique.
La conséquence pratique : toute évaluation de la traduction par ChatGPT doit mentionner le modèle testé. Sans cette information, le résultat est inexploitable.
A découvrir également : Comment ne pas détecter l'IA ?
Traduction de documents PDF et workflows documentaires avec ChatGPT
Les articles concurrents se limitent au copier-coller de texte brut. Les usages réels en entreprise sont plus complexes. Depuis 2025, des workflows complets se sont imposés : pré-traitement OCR, injection de glossaires métier, puis révision assistée.
ChatGPT accepte désormais l’upload direct de fichiers PDF. Le modèle extrait le texte, conserve une partie de la mise en forme et applique les consignes terminologiques fournies dans le prompt. Pour un document scanné, un passage préalable par un outil OCR reste nécessaire, le modèle ne gérant pas nativement la reconnaissance de caractères sur des images basse résolution.
Limites concrètes sur les PDF longs
Sur un document de plus d’une vingtaine de pages, la fenêtre de contexte sature. Le modèle commence à omettre des paragraphes ou à résumer au lieu de traduire. Nous recommandons de découper le fichier en sections de dix pages maximum avant injection.
Les tableaux imbriqués et les mises en page à colonnes multiples posent aussi problème. Le texte extrait perd sa structure logique, ce qui produit des traductions incohérentes quand deux colonnes sont fusionnées dans le mauvais ordre.
ChatGPT face à DeepL et Google Translate : où chacun excelle
Plutôt qu’un classement global, nous distinguons trois cas d’usage précis.
- Texte courant sans terminologie spécialisée : DeepL et ChatGPT produisent des résultats de qualité comparable. Google Translate reste légèrement en retrait sur le naturel des formulations en français, mais couvre davantage de paires de langues
- Expressions idiomatiques et registres de langue : ChatGPT prend l’avantage grâce au prompting. Demander « traduis en français soutenu, registre juridique » oriente la sortie de façon que DeepL ne permet pas sans glossaire personnalisé
- Langues à faibles ressources (swahili, khmer, somali) : Google Translate reste le plus fiable. Les données d’entraînement de ChatGPT sur ces langues sont plus limitées, ce qui génère des erreurs de syntaxe fréquentes et des calques depuis l’anglais
DeepL conserve un avantage net sur la traduction de textes longs grâce à sa gestion de la cohérence terminologique sur l’ensemble du document. ChatGPT, lui, peut dériver terminologiquement entre le début et la fin d’un texte si le prompt ne verrouille pas le vocabulaire.
Traduction professionnelle et traduction assermentée : ce que ChatGPT ne remplace pas
Un point que les guides d’utilisation omettent systématiquement : aucune traduction produite par ChatGPT n’a de valeur juridique. Pour une naturalisation, un mariage, une inscription universitaire ou une procédure judiciaire, seul un traducteur assermenté auprès d’une cour d’appel peut certifier conforme une traduction.
L’IA générative ne figure dans aucun registre officiel et ne peut apposer de cachet. Utiliser ChatGPT pour produire un brouillon avant relecture par un traducteur assermenté fait gagner du temps, mais le document final doit être entièrement validé et signé par le professionnel.
Risques sur les contenus sensibles
Les conditions d’utilisation d’OpenAI précisent que les données saisies peuvent être utilisées pour l’entraînement des modèles (sauf désactivation explicite dans les paramètres). Pour des documents confidentiels (contrats, brevets, données médicales), le risque de fuite de données reste un frein majeur en entreprise.
DeepL Pro et les API OpenAI avec option de non-rétention offrent des garanties contractuelles sur ce point, mais pas l’interface gratuite de ChatGPT.
Prompt engineering : la variable que les outils classiques n’ont pas
La vraie différence entre ChatGPT et un moteur de traduction automatique tient à la possibilité de formuler des instructions complexes. Un prompt bien construit transforme la qualité du résultat.
- Spécifier la paire de langues et la variante régionale (« portugais brésilien », pas juste « portugais »)
- Fournir un glossaire de termes métier directement dans le prompt ou en pièce jointe
- Demander explicitement de conserver la ponctuation, les balises HTML ou la structure Markdown du texte source
- Indiquer le public cible : grand public, spécialistes, enfants, texte marketing
Sans ces instructions, ChatGPT produit une traduction générique, souvent correcte mais plate. Avec un prompt structuré, la sortie se rapproche d’une post-édition humaine de qualité.
Le traducteur professionnel qui intègre ChatGPT dans son flux de travail ne l’utilise pas comme un remplacement mais comme un premier jet paramétrable. La valeur ajoutée se situe dans la capacité à piloter le modèle, pas dans le modèle lui-même. Pour les textes à enjeu, la relecture humaine reste le dernier filtre avant publication.
