Le Private Translation Cloud (PTC) de WPML obtient une note de 90,0 sur 100 dans l’évaluation interne de la qualité de traduction de WPML. DeepL — largement considéré comme le moteur de traduction IA grand public le plus performant — obtient 77,7. Le PTC surpasse DeepL de 12,3 points au total, remporte chacune des neuf dimensions de qualité évaluées par nos linguistes, et réduit d’environ 18 fois le nombre d’erreurs par page.
En un coup d’œil
| Métrique | DeepL |
PTC
|
|---|---|---|
| Score moyen de qualité de traduction (0–100) | 77,7 | 90,0 |
| Problèmes moyens par page traduite | 1,27 | 0,07 |
| Dimensions de qualité où le PTC a obtenu un score supérieur à DeepL | — | 9 sur 9 |
| Langues testées où le PTC a obtenu un score supérieur à DeepL | — | 6 sur 6 (arabe, anglais, français, allemand, italien, espagnol) |
Pourquoi nous avons mené cette étude
D’après les retours de nos clients, DeepL est largement considéré comme la référence en matière de qualité de traduction IA dans l’écosystème WordPress. Lorsque les clients demandent s’ils peuvent publier du contenu traduit par l’IA sans révision humaine, DeepL est généralement le point de comparaison implicite.
WPML a développé son propre moteur de traduction IA — le Private Translation Cloud (PTC) — car « assez bien » ne suffisait pas. Le PTC est le moteur par défaut du mode Tout traduire de WPML et propulse l’essentiel de la traduction automatique sur plus de 1,5 million de sites utilisant WPML.
Nous voulions une réponse mesurable à une question que les prospects nous posent chaque semaine : comment le PTC se compare-t-il réellement à DeepL ? Cette étude est cette réponse. Les chiffres ci-dessus en sont les grandes lignes ; le reste de cet article explique comment ils ont été obtenus et ce qu’ils signifient pour un véritable site de production.
Ce que nous avons mesuré et comment
Nous avons évalué la qualité de traduction à l’aide d’un système basé sur les MQM (Multidimensional Quality Metrics), le même cadre que l’équipe linguistique de WPML utilise pour les évaluations continues des sites clients du PTC. Chaque page traduite est évaluée selon neuf dimensions :
- Grammaire — y avait-il des fautes de grammaire ?
- Sens — le sens de la source a-t-il été préservé ?
- Naturel — le texte semble-t-il naturel et idiomatique pour un locuteur natif ?
- Ton — le ton de la source a-t-il été respecté ?
- Formalité — le bon registre a-t-il été utilisé, tant pour s’adresser au lecteur que dans les formes d’adresse grammaticales ?
- Terminologie — la bonne terminologie a-t-elle été utilisée ?
- Cohérence — la terminologie a-t-elle été appliquée de manière cohérente sur l’ensemble de la page ?
- Majuscules — les conventions de la langue cible ont-elles été respectées ?
- Localisation des nombres, des unités et des dates — les conventions de la langue cible ont-elles été respectées ?
Chaque dimension est notée de 1 à 10 par un linguiste humain dont la langue maternelle est la langue cible. Le score final par page est la moyenne des neuf dimensions, multipliée par dix — ce qui donne une échelle de 1 à 100 correspondant à des niveaux de qualité en langage clair :
| Score | Ce que cela signifie |
|---|---|
| 90–100 | Très bon à parfait — prêt à être publié sans révision |
| 80–89 | Bon — prêt à être publié dans la plupart des contextes |
| 70–79 | Acceptable à médiocre — utilisable mais les erreurs sont visibles |
| 60–69 | Médiocre — nécessite des retouches avant publication |
| 50–59 | Erreurs évidentes pour les locuteurs non natifs |
| En dessous de 50 | Défauts suffisamment importants pour nécessiter un remaniement |
Pour le contexte : la moyenne publiée pour une traduction humaine générique se situe autour de 76. Avec 77,7, DeepL se place juste au-dessus de cette ligne. Avec 90,0, le PTC se place exactement à la limite du niveau « très bon — prêt à être publié sans révision ».
Taille de l’échantillon et sélection
Pour évaluer DeepL, nous avons pris 800 sites aléatoires traduits avec DeepL au cours des 12 derniers mois, nous les avons regroupés par âge du site, volume de contenu et activité de traduction, puis nous avons échantillonné ces groupes. Nos linguistes ont ensuite examiné manuellement les pages principales des sites échantillonnés — 227 pages web au total, évaluées en arabe, anglais, français, allemand, italien et espagnol.
Le score du PTC provient d’un échantillon distinct : 73 évaluations de sites de production, notées par les mêmes linguistes à l’aide de la même méthodologie MQM décrite ci-dessus. L’échantillon du PTC est plus petit que celui de DeepL car chaque mesure du PTC reflète une version spécifique du PTC, et le moteur continue d’évoluer — voir la section Nous n’avons pas terminé ci-dessous.
Par langue : le PTC gagne dans chaque paire
Les scores globaux sont intéressants ; les résultats par langue sont ce qui indique à une équipe de contenu multilingue à quoi s’attendre.
Scores TQ par langue
Le PTC obtient un score supérieur à DeepL dans chaque paire de langues que nous avons testée. L’écart le plus important se situe en arabe (+22,4 points), où DeepL a historiquement sous-performé et où l’investissement de WPML dans la qualité des langues de droite à gauche (RTL) est clairement visible. L’allemand (+11,5) et le français (+9,9) viennent ensuite. L’écart le plus faible se situe en anglais (+6,0 points) — et même là, le PTC fait passer la page du niveau « acceptable, visiblement imparfait » au niveau prêt à être publié.
La variance est également importante. La distribution de DeepL présente une longue traîne inférieure en arabe, avec des pages individuelles obtenant des scores bien en dessous de la moyenne — des pages qu’un utilisateur allemand ou français considérerait comme cassées. Les distributions du PTC sont plus resserrées et centrées plus haut, ce qui permet à une équipe de contenu de planifier autour d’un niveau de qualité attendu plutôt que de prévoir un budget pour les valeurs aberrantes.
Le PTC surpasse également DeepL sur chacune des neuf dimensions de qualité que nous évaluons : grammaire, sens, naturel, ton, formalité, terminologie, cohérence, majuscules et conventions locales. Les gains les plus importants se situent dans les dimensions qui comptent le plus pour un humain lisant une page sur un vrai site web — terminologie (+1,5), grammaire (+1,4), naturel (+1,4) et localisation des nombres/unités/dates (+1,4). Il n’y a aucune dimension où DeepL fait jeu égal, et aucune dimension où le PTC ne fait que prendre une légère avance.
Taux d’erreur : la situation opérationnelle
Les scores moyens sont utiles ; le nombre d’erreurs est plus utile pour quiconque gère un vrai site. Nos relecteurs ont consigné chaque problème distinct qu’ils ont identifié sur chaque page — grammaire, sens, terminologie, tout y est passé.
Problèmes moyens par page
DeepL génère en moyenne 1,27 problème par page. Le PTC en génère 0,07 — soit une réduction d’environ 18 fois des erreurs par page sur le même contenu source.
Pour un site de 200 pages, cela se traduit à peu près par :
- DeepL : ~254 problèmes à trouver, à évaluer et à corriger avant publication.
- PTC : ~14 problèmes sur l’ensemble du site.
C’est la différence entre la traduction IA en tant que premier brouillon et la traduction IA en tant que flux de travail. D’après notre évaluation, DeepL est un premier brouillon solide — nos mesures ont révélé des problèmes nécessitant une révision sur la plupart des pages avant publication. Le PTC, selon cette mesure, est un flux de travail : le nombre d’erreurs est suffisamment faible pour que l’étape de révision humaine devienne facultative pour la plupart des contenus plutôt qu’obligatoire pour tous.
Ce que signifie réellement une « bonne traduction »
Les descriptions des notes du cadre MQM constituent un contrepoids utile au langage marketing qui entoure la traduction IA. Une page notée « 9/10 » n’est pas une page à 90 % ; c’est une page où un locuteur natif, en lisant attentivement, ne trouve rien qu’il souhaiterait modifier. Une page notée « 7/10 » est acceptable en l’état mais visiblement imparfaite. Une page notée « 5/10 » est une page où un locuteur non natif peut repérer des erreurs.
La moyenne de DeepL se situe dans le haut de la fourchette des 7 — acceptable, mais visiblement imparfaite pour un lecteur natif attentif. La moyenne du PTC se situe à 90,0, exactement à la limite de « très bon — prêt à être publié sans révision ». C’est la différence de qualité que nos relecteurs ont mesurée. Cela correspond à une distinction réelle : le résultat de DeepL est un point de départ qui nécessite une révision humaine avant publication ; le résultat du PTC est, dans la plupart des cas, la publication elle-même.
Pourquoi WPML peut offrir cette qualité
Nous sommes conscients que « nous avons construit notre propre moteur d’IA » est une affirmation que beaucoup d’entreprises font actuellement. Le PTC est inhabituel pour deux raisons spécifiques.
L’échelle et la révision continue. WPML équipe plus de 1,5 million de sites et ce, depuis plus d’une décennie. L’équipe linguistique de WPML évalue en permanence la qualité de traduction du PTC — en échantillonnant les résultats, en les notant avec le même cadre MQM utilisé dans cette étude, et en surveillant les modèles où le moteur produit systématiquement des résultats de moindre qualité pour un terme, une paire de langues ou un type de contenu particulier.
La spécialisation. Le PTC n’est pas un projet secondaire chez WPML. Il dispose d’une équipe dédiée — ingénieurs, MLOps et linguistes humains. Lorsque les linguistes signalent un modèle récurrent, l’équipe d’ingénierie le traite comme un bogue : étendre le glossaire, ajuster le modèle de formalité, ajouter une exception, déployer le correctif. Cette boucle fonctionne en continu, c’est pourquoi la qualité du PTC s’est améliorée au cours des 12 derniers mois, passant de « aussi bon qu’une traduction humaine moyenne » aux chiffres de cette étude.
Cette combinaison — une révision humaine continue à une échelle significative, associée à une équipe qui répond à chaque découverte comme à un ticket d’ingénierie — est ce qui produit les chiffres de qualité ci-dessus. Ce n’est pas l’architecture du modèle ; c’est le modèle de fonctionnement.
Nous n’avons pas terminé
Avec 90,0, le PTC se place exactement à la limite de « très bon — prêt à être publié sans révision ». Nous sommes satisfaits de ce résultat. Nous ne pensons pas que ce soit le plafond.
La boucle AQ → ingénierie décrite ci-dessus est toujours en cours d’exécution. L’équipe linguistique de WPML continue d’analyser les modifications que les clients apportent aux résultats du PTC sur de vrais sites, identifie les modèles que ces modifications révèlent, et l’équipe d’ingénierie déploie les correctifs — extensions de glossaire, ajustements de formalité, optimisations spécifiques aux paires de langues. Nous nous attendons à ce que la prochaine mesure soit supérieure à celle-ci.
Ce que cela signifie pour votre flux de travail
Le flux de travail conventionnel du contenu multilingue est traduire → réviser → publier. L’étape de révision est là car chaque moteur d’IA — et la plupart des traducteurs humains — produit un travail qui nécessite un second regard avant d’être publié. Cette étape de révision est également là où se concentrent la majeure partie des coûts et de la latence du contenu multilingue.
D’après nos mesures, avec DeepL, une étape de révision est conseillée. Notre évaluation a révélé une moyenne de 1,27 problème par page ; si ceux-ci ne sont pas révisés, les lecteurs sont susceptibles de les rencontrer. Avec le PTC, l’étape de révision est facultative pour la plupart des contenus. Certaines équipes effectuent toujours une révision — pour les pages à fort enjeu ou les secteurs réglementés — mais le flux de travail par défaut devient traduire → publier, la révision étant réservée aux cas qui en ont réellement besoin.
C’est la différence opérationnelle que les chiffres décrivent. Elle n’est pas négligeable.
Ce que cela signifie pour vos coûts
Le coût de traduction comprend deux éléments : le coût de production de la traduction et le coût de sa révision. Les deux doivent être payés avant que le contenu ne soit mis en ligne.
Dans la plupart des contextes professionnels, la révision humaine coûte quelques centimes par mot — que les relecteurs facturent au mot, à la page ou au site, c’est à peu près là que le calcul aboutit. Une traduction humaine complète (traduire, puis réviser par un second humain) coûte généralement autour de 0,10 €–0,20 € par mot pour les paires de langues principales, la partie révision seule se situant dans la fourchette de 0,04 €–0,08 €.
Voici ce que chaque flux de travail coûte réellement en ces termes.
Traduction humaine seule — la référence. Autour de 0,10 €–0,20 € par mot. Les deux étapes sont humaines.
DeepL (ou tout moteur d’IA) plus révision humaine. L’IA gère l’étape de traduction ; un humain doit toujours réviser chaque page, car avec 1,27 problème par page, les problèmes atteindront les clients si personne ne les repère avant. L’étape de traduction est pratiquement gratuite ; l’étape de révision coûte toujours de 0,04 € à 0,08 € par mot. Économie totale par rapport à une traduction entièrement humaine : environ 60 %. C’est l’argument standard « l’IA vous fait économiser de l’argent sur la traduction » — et c’est vrai — mais le plafond de coût se situe au niveau de l’étape de révision que la qualité de DeepL exige toujours.
PTC, aucune révision nécessaire. Le PTC coûte de 0,0012 € à 0,003 € par mot — 4 crédits de traduction par mot multipliés par 0,30 € à 0,75 € pour 1 000 crédits selon le volume, les premiers 2 000 crédits par mois étant gratuits. (Consultez les tarifs de traduction automatique de WPML pour le tableau complet des paliers.) Étant donné que la qualité mesurée du PTC (score TQ de 90,0, 0,07 problème par page, écart de +12,3 points par rapport à DeepL) est suffisamment élevée pour ignorer l’étape de révision dans la plupart des cas, le coût de révision tombe à zéro. Économie totale par rapport à une traduction entièrement humaine : environ 99 %.
Il ne s’agit pas d’une amélioration marginale du flux de travail IA plus révision. C’est un régime de coûts différent.
En un coup d’œil — Coût de publication d’un mot traduit
| Flux de travail | Traduction | Révision | Total | Économie par rapport à l’humain |
|---|---|---|---|---|
| Traduction humaine complète | 0,10 €–0,20 € | inclus | 0,10 €–0,20 € | — |
| DeepL + révision humaine | ~0 € | 0,04 €–0,08 € | 0,04 €–0,08 € | ~60 % |
| PTC, aucune révision | 0,0012 €–0,003 € | 0 € | 0,0012 €–0,003 € | ~99 % |
Les tarifs de traduction humaine sont des estimations typiques du secteur pour les paires de langues principales. Les tarifs du PTC proviennent des tarifs publiés par WPML.
Une note sur le fait d’effectuer la révision vous-même : lorsqu’un propriétaire d’entreprise effectue la révision lui-même plutôt que de payer un relecteur, le coût n’est pas nul — il est simplement moins visible. Les heures consacrées à la révision sont des heures qui ne sont pas consacrées au reste de l’entreprise, et à tout taux horaire raisonnable, le coût implicite est généralement supérieur à ce qu’un relecteur externalisé facturerait, et non inférieur. L’économie du PTC s’applique, peu importe qui paie pour l’étape de révision aujourd’hui.
Ce que cela rend possible. Lorsque la traduction coûte 0,10 € et plus par mot, vous traduisez de manière sélective — la page d’accueil, les principales catégories de produits, une poignée d’articles de blog à fort trafic. Tous les autres contenus restent dans la langue source car l’opération n’est pas rentable. Lorsque la traduction coûte 0,002 € par mot et produit un résultat supérieur à une traduction humaine typique, l’opération devient rentable pour des contenus qui n’étaient pas viables auparavant :
- La traduction complète du catalogue dans le commerce électronique — chaque description de produit de longue traîne, chaque variante.
- Des portails de documentation complets dans toutes les langues qu’un client pourrait parler, et pas seulement les trois principales.
- Les bases de connaissances, les FAQ d’assistance, les archives de blog — la longue traîne qui stimule la recherche mais n’a jamais justifié son coût de traduction.
- Du contenu éditorial localisé pour les éditeurs opérant sur des marchés où les revenus par audience et par page ne pouvaient pas couvrir la traduction humaine.
Le contenu multilingue a été une question de « que pouvons-nous nous permettre de traduire » pendant des décennies. Avec le PTC, la question devient « qu’est-ce qui vaut la peine d’être traduit » — ce qui est une question différente et plus intéressante.
Comment obtenir cette qualité sur votre propre site
Le PTC est le moteur par défaut du mode Tout traduire de WPML, qui est un paramètre global unique qui traduit chaque page de votre site, automatiquement, en arrière-plan. Il n’y a aucune configuration par page à gérer.
Pour obtenir la qualité mesurée dans cette étude, la seule configuration dont vous avez besoin en plus de l’activation de Tout traduire est de consacrer environ une minute à décrire le public et le ton de votre site dans les paramètres de Tout traduire — par exemple, « une entreprise de logiciels s’adressant aux développeurs, ton formel, terminologie technique conservée en anglais ». Le PTC utilise cette description pour aligner les traductions sur la voix de votre marque.
C’est toute la configuration requise. Le résultat est ce que cette étude a mesuré.
Une note sur ce que nous n’avons pas fait
Nous n’avons pas comparé le PTC à Google Traduction, Azure Translator ou à des services basés sur des LLM via leurs API publiques. La raison : ces moteurs changent fréquemment et une mesure ponctuelle serait obsolète en quelques mois. La comparaison avec DeepL est celle que nous avons effectuée car DeepL est la référence la plus citée pour la traduction IA de niveau production, et parce que DeepL est ce que la plupart de nos concurrents utilisent en coulisses.
Nous n’avons pas non plus mesuré la vitesse, le coût ou l’expérience développeur dans cette étude — uniquement la qualité. Ces comparaisons existent sur notre page de fonctionnalités et sur nos pages de comparaison, et elles racontent leur propre histoire.
Essayez-le
Si vous gérez un site WordPress multilingue et souhaitez voir le résultat du PTC sur votre propre contenu, installez WPML, activez Tout traduire et comparez le résultat à ce que vous utilisez aujourd’hui. La différence de qualité décrite ici est la différence de qualité à laquelle vous devez vous attendre.
Questions sur la méthodologie ou demandes de données : contactez l’équipe WPML.
Étude menée par l’équipe linguistique de WPML, avril 2026. Échantillon : 227 pages web traduites par DeepL révisées par des linguistes de langue maternelle, comparées à 73 évaluations de sites de production du PTC notées avec la même méthodologie. Langues : arabe, anglais, français, allemand, italien, espagnol. Notation : cadre de qualité de traduction basé sur les MQM, 9 dimensions, de 1 à 10 par dimension, moyennées et ramenées à un résultat de 0 à 100.