DeepSeek pour la traduction : ce qui fonctionne et ce qui casse

DeepSeek est un traducteur bon marché et compétent pour les textes longs, en particulier via son API. Ses points faibles ne sont pas ceux que la plupart des tests évaluent. D'après notre expérience, le problème est rarement une phrase maladroite. C'est une sortie qui semble terminée mais ne l'est pas : un mot en gras disparu, un extrait de code qui a été traduit, un caractère issu du mauvais alphabet, ou une phrase répétée pour satisfaire une correction. Rien de tout cela n'apparaît quand vous collez un paragraphe dans un chat. Tout cela apparaît quand vous traduisez un document entier.

Nous le savons parce que DeepSeek traduit ce site. En octobre 2026, nous avons fait passer le pipeline qui produit nos articles localisés (27 langues) et les textes de l'interface d'un autre modèle à l'API DeepSeek, et chaque traduction nouvelle ou corrigée depuis lors en provient. Voici ce qui a cassé lors des premiers essais, les vérifications que nous avons ajoutées, ce que coûterait un travail de la longueur d'un livre aux tarifs actuels de l'API, et à partir de quand DeepSeek cesse d'être l'outil adapté.

Les faits concernant les modèles, les tarifs et les politiques de DeepSeek proviennent de la documentation officielle de DeepSeek, vérifiée le 2026-10-13. DeepSeek modifie souvent ses modèles et ses tarifs, alors vérifiez les liens avant de vous fier à un chiffre.

Ce que DeepSeek propose pour la traduction

Il existe deux façons de l'utiliser, et elles conviennent à des tâches différentes.

Aucune des deux interfaces ne renvoie un EPUB, DOCX ou PDF traduit. Vous obtenez du texte, et reconstruire le fichier vous incombe.

Cinq échecs rencontrés lors des premiers essais de DeepSeek

Notre pipeline envoie chaque paragraphe, titre ou cellule de tableau comme une unité, par lots, et demande une réponse au format JSON. Chaque réponse est vérifiée, et un fichier localisé n'est écrit que si toutes les vérifications passent. Lors du premier essai complet de DeepSeek sur notre blog, la plupart des tâches ont réussi, et la plupart des rejets étaient mécaniques plutôt que dus à une mauvaise traduction. Voici ceux qui nous ont appris quelque chose.

1. Le formatage a disparu alors que les mots étaient corrects

Dans un article en arabe, la traduction était correcte mais le gras sur not avait disparu, la phrase perdait donc son emphase. Dans un article en néerlandais, une phrase en gras est revenue scindée en deux. Rien de tout cela ne semble erroné à la lecture, sauf si l'on compare le balisage avec la source.

La solution : après traduction, chaque paragraphe est analysé à nouveau et doit contenir les mêmes liens, passages en gras, code en ligne et images que l'anglais, dans n'importe quel ordre, car les autres langues réordonnent les mots.

Ce que cela signifie pour vous : si le formatage porte un sens dans votre document, comme des avertissements en gras, des liens ou des marqueurs de note de bas de page, comptez-les dans la source et dans la traduction.

2. Des éléments qui ne devraient jamais être traduits l'ont été

Un article en malais contenait un exemple de code en ligne, [door slams], tiré d'un exemple de sous-titre. DeepSeek l'a traduit. Dans un article en birman, un point final japonais cité 。 dans un segment de code est devenu le point final birman ။. Les deux sont raisonnables pour de la prose et incorrects pour un exemple littéral.

La solution : le code en ligne doit revenir exactement tel qu'il a été envoyé.

Ce que cela signifie pour vous : indiquez au modèle quelles chaînes sont littérales, comme le code, les noms de fichiers, les noms de produits et les exemples cités, et vérifiez-les ensuite.

3. Des mots sont revenus dans le mauvais système d'écriture

DeepSeek a inséré un mot bengali dans une phrase en hindi, et des caractères cingalais dans une phrase en birman. L'hindi et le bengali sont des voisins proches. Le cingalais et le birman ne le sont pas, ce qui rappelle qu'on ne peut pas prédire où cela se produit. Un contrôle ponctuel ne le détecte pas si vous ne lisez pas la langue cible.

La solution : chaque requête nomme la langue cible et son système d'écriture, pas seulement un code (le nôtre ressemble à « twi (code de locale tw, écrit en alphabet latin) »). Un contrôle du système d'écriture rejette ensuite toute sortie contenant des caractères d'un système que cette langue n'utilise pas.

Ce que cela signifie pour vous : écrivez « Traduire en portugais brésilien », pas « traduire en pt ». Si vous ne lisez pas la langue cible, vérifiez au moins que le système d'écriture est correct.

4. Les nouvelles tentatives ont répété l'erreur, ou l'ont mal « corrigée »

Lorsqu'une vérification rejetait une réponse, une nouvelle tentative à température 0 renvoyait la même réponse erronée mot pour mot, y compris le mot bengali en hindi. Une température basse rend la sortie reproductible, et cela inclut l'erreur. Un message de rejet vague n'a pas fait mieux. Et une fois, alors qu'on lui demandait de restaurer une phrase en gras manquante, DeepSeek a ajouté une copie en gras de toute la phrase après l'originale. Le gras était revenu, et la phrase apparaissait maintenant deux fois.

La solution : l'invite de nouvelle tentative nomme exactement ce qui manque ou est inattendu, comme « code en ligne manquant 。 », les tentatives suivantes utilisent une température de 0,4, et une vérification finale rejette les phrases que l'anglais ne répète pas.

Un piège connexe : le mode réflexion de DeepSeek est activé par défaut, et en mode réflexion temperature n'a aucun effet (mode réflexion). Nous désactivons la réflexion pour la traduction avec "thinking": {"type": "disabled"}, ce qui réduit aussi la latence.

5. Le JSON était valide mais pas les clés

Nous envoyons des unités numérotées comme body:0059 et demandons les mêmes clés en retour. Parfois, DeepSeek renvoyait chaque valeur traduite dans le bon ordre mais renommait une clé en simple body, ou ajoutait une clé que nous n'avions jamais envoyée. Le JSON était analysable. Un script naïf aurait supprimé ou mal placé un paragraphe.

La solution : les clés renommées sont réassociées par position uniquement lorsque toutes les autres clés sont à leur place attendue, et les clés supplémentaires sont ignorées.

Ce que cela signifie pour vous : si vous scriptez des traductions, vérifiez que chaque unité envoyée est revenue sous son propre ID avant d'assembler le document.

Une leçon précède DeepSeek. Notre pipeline découpait autrefois les phrases à chaque lien et passage en gras, et le modèle que nous utilisions avant DeepSeek renvoyait sans cesse des fragments vides comme « for reading », car dans la langue cible leur sens s'était déplacé dans le morceau voisin. N'importe quel modèle fera cela. N'envoyez jamais une demi-phrase. Si vous découpez un livre, coupez aux limites de paragraphe.

Une liste de contrôle pour traduire un long document avec DeepSeek

Utilisez ceci que vous travailliez dans l'application de chat ou que vous écriviez un script contre l'API :

1. Découpez aux limites de paragraphe ou de section. Ne coupez jamais une phrase. Gardez chaque requête suffisamment petite pour que la sortie traduite tienne bien en dessous de la limite de sortie.
2. Placez le glossaire dans chaque requête. Les noms, les termes inventés et les traductions fixes vont en tête de chaque segment. Un modèle ne voit que la requête qui lui est présentée.
3. Nommez la langue et l'écriture en toutes lettres, ainsi que le registre souhaité (formel, familier, littéraire).
4. Demandez une sortie structurée si vous scriptez le processus. Avec l'API, définissez response_format sur {"type": "json_object"}, incluez le mot « json » dans l'invite et montrez la forme exacte attendue (sortie JSON).
5. Considérez les réponses vides, tronquées ou non analysables comme des échecs. Une réponse qui atteint max_tokens s'arrête simplement, donc vérifiez finish_reason, et DeepSeek note que le mode JSON « peut occasionnellement renvoyer un contenu vide » (sortie JSON). Relancez plutôt que d'enregistrer l'un ou l'autre.
6. Quand une nouvelle tentative échoue de la même manière, changez quelque chose : dites ce qui n'allait pas et augmentez la température en mode non-réflexion.
7. Vérifiez mécaniquement chaque segment avant de le lire : rien de vide, aucun caractère d'une mauvaise écriture, le même nombre de liens, de chiffres et de titres que la source.
8. Puis examinez le sens. Les vérifications mécaniques détectent les sorties défectueuses, pas les contresens. Pour tout ce qui sera publié, un lecteur à l'aise dans la langue doit encore vérifier les noms, les chiffres et le ton. Notre guide de cohérence terminologique explique comment garder les termes stables d'un chapitre à l'autre.

Ce que coûte un livre sur l'API DeepSeek

L'API est assez bon marché pour que le coût décide rarement de la question. Voici une estimation approximative pour un livre anglais de 100 000 mots traduit avec deepseek-flash aux tarifs de pointe : 0,30 $ par million de jetons d'entrée (échec de cache) et 1,20 $ par million de jetons de sortie (tarification).

Les tarifs hors pointe sont la moitié de cela. Les ratios de jetons varient beaucoup selon la langue, donc considérez ceci comme un ordre de grandeur, pas comme un devis. Le vrai coût d'une traduction par API, c'est votre temps : écrire le découpage, les vérifications et le code qui reconstruit un fichier utilisable.

Vérifiez la confidentialité avant de téléverser

La politique de confidentialité de DeepSeek (dernière mise à jour le 10 février 2026) indique que l'entreprise collecte, traite et stocke les données personnelles « en République populaire de Chine », et mentionne l'entraînement et l'amélioration de ses modèles comme utilisation de ce que vous soumettez. Elle mentionne aussi un droit de refuser l'entraînement, que vous exercez en envoyant un e-mail à DeepSeek plutôt que via un paramètre dans l'application (politique de confidentialité de DeepSeek).

Pour les contrats, les manuscrits non publiés ou les fichiers clients, tranchez la question avant de téléverser quoi que ce soit. Les poids du modèle DeepSeek peuvent aussi être exécutés par d'autres fournisseurs ou sur votre propre matériel, où ces conditions ne s'appliquent pas, mais il vous faut alors vérifier les conditions de ce fournisseur. La liste de contrôle pour la confidentialité de la traduction de documents énumère les questions à poser à tout outil, y compris le nôtre.

Quand DeepSeek est l'outil adapté, et quand il ne l'est pas

Savoir quel modèle traduit le mieux votre paire de langues est une question distincte. Notre guide du meilleur LLM pour la traduction explique comment le tester vous-même. Si vous hésitez entre des outils de chat, les guides ChatGPT, Claude et Gemini abordent les mêmes questions pour chacun d'eux.

DeepSeek est l'outil adapté lorsque vous pouvez voir et corriger chaque défaillance : un passage que vous lirez attentivement, ou un pipeline dont vous contrôlez les vérifications. Ce n'est pas le bon outil principal lorsque vous voulez un fichier traduit complet sans construire ce pipeline. C'est le travail que fait BookTranslator. Vous téléversez le PDF, l'EPUB, le DOCX ou un autre fichier pris en charge, il traduit tout le document avec le contexte et un glossaire cohérent, et vous récupérez un fichier traduit, ainsi qu'une version bilingue lorsque le format le permet. Pour les PDF numérisés, le mode OCR reconstruit un PDF traduit propre à partir du contenu reconnu plutôt que de copier exactement la mise en page d'origine. Vous voyez le prix avant le paiement, vous pouvez donc téléverser le fichier et décider à partir de là. Quel que soit l'outil utilisé, faites relire par un humain tout ce qui est important.