Les grands modèles de langage (LLMs) obtiennent d'excellents résultats dans les tâches de traduction multilingue, mais rencontrent des défis lorsqu'ils traitent le chinois, qui est riche en connotations et sémantiquement complexe. Cet article propose un cadre de traduction inversée basé sur les grands modèles de langage (LLM-BT), fondé sur le processus de traduction « chinois → langue intermédiaire → chinois », pour évaluer la qualité de traduction. L'étude couvre cinq LLM populaires et trois outils de traduction traditionnels, en construisant un corpus diversifié comprenant des résumés scientifiques, des paradoxes historiques et des métaphores littéraires, reflétant la complexité du chinois au niveau lexical et sémantique. Un système d'évaluation NLPMetrics a été élaboré, incorporant les scores d'évaluation bilingues (BLEU), la mesure F1 en caractères (CHRF), le taux d'édition de traduction (TER) et l'indice de similarité sémantique (SS). Les résultats expérimentaux montrent que les LLM surpassent généralement les outils traditionnels dans les tâches littéraires. Une forte dimension comportementale a également été révélée — le paradoxe poétique — où les modèles maintiennent une fluidité apparente de la traduction tout en affaiblissant les métaphores et la profondeur émotionnelle. De plus, certains modèles présentent une tendance à la traduction mot à mot inversée, manifestant, lors de tests répétés ou inter-modèles, une sorte de « quasi-conscience » pilotée par les données. Pour pallier les limites du BLEU dans l'évaluation du chinois, cet article propose une version améliorée combinant la segmentation Jieba et la pondération des fréquences lexicales, augmentant efficacement la sensibilité à la segmentation des mots et à la cohérence terminologique. Des expériences complémentaires montrent qu'à certains niveaux sémantiques, les sorties des LLM approchent la fidélité de la traduction poétique humaine, bien qu'elles manquent encore d'expression métaphorique profonde. Cet article étend l'évaluation classique « fidélité-fluidité » à une analyse comportementale multidimensionnelle des LLM, fournissant un cadre transparent favorable au développement de l'intelligence artificielle interprétable et ouvrant de nouvelles voies de recherche en traitement naturel du langage culturel et en alignement des LLM multilingues.

traduction inversée; traitement du langage naturel chinois; traduction inversée basée sur les grands modèles de langage (LLM-BT); paradoxe poétique; quasi-conscience; traduction mot à mot inverse