Le Private Translation Cloud (PTC) de WPML obtient 90,0 sur 100 lors d’une évaluation indépendante de la traduction. DeepL — largement considéré comme le moteur de traduction IA grand public le plus performant — obtient 77,7 sur le même contenu. PTC surpasse DeepL de 12,3 points au total, l’emporte sur chacune des neuf dimensions de qualité évaluées par nos linguistes et réduit d’environ 18× le nombre d’erreurs par page.
En un coup d’œil
| Indicateur |
DeepL
|
PTC
|
|---|---|---|
| Score moyen de qualité de traduction (0–100) | 77.7 | 90.0 |
| Nombre moyen de problèmes par page traduite | 1.27 | 0.07 |
| Dimensions de qualité où PTC a obtenu un score supérieur à DeepL | — | 9 sur 9 |
| Langues testées où PTC a obtenu un score supérieur à DeepL | — | 6 sur 6 (arabe, anglais, français, allemand, italien, espagnol) |
Pourquoi nous avons mené cette étude
DeepL est considéré par la plupart des secteurs WordPress et logiciels comme la référence en matière de traduction IA. Lorsque des clients demandent s’ils peuvent publier du contenu traduit par IA sans relecture humaine, DeepL sert généralement de référence implicite.
WPML a créé son propre moteur de traduction IA — le Private Translation Cloud (PTC) — parce que « suffisamment bon » ne l’était pas. PTC est le moteur par défaut du mode Traduire tout de WPML et alimente 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 PTC se compare-t-il réellement à DeepL ? Cette étude est cette réponse. Les chiffres ci-dessus sont l’essentiel ; le reste de cet article explique comment ils ont été obtenus et ce qu’ils signifient pour un site en production.
Ce que nous avons mesuré et comment
Nous avons évalué la qualité de traduction à l’aide d’un système basé sur MQM (Multidimensional Quality Metrics), le même cadre que l’équipe linguistique de WPML utilise pour les revues continues des sites clients PTC. Chaque page traduite est notée selon neuf dimensions :
- Grammaire — y avait-il des erreurs grammaticales ?
- Sens — le sens de la source a-t-il été préservé ?
- Naturel — est-ce naturel et idiomatique pour un locuteur natif ?
- Ton — le ton de la source a-t-il été respecté ?
- Niveau de formalité — le bon registre a-t-il été utilisé, à la fois dans l’adresse au lecteur et dans les formes grammaticales d’adresse ?
- Terminologie — la terminologie appropriée a-t-elle été utilisée ?
- Cohérence — la terminologie a-t-elle été appliquée de manière cohérente sur la page ?
- Majuscules — les conventions de la langue cible ont-elles été respectées ?
- Localisation des nombres, unités et dates — les conventions de la langue cible ont-elles été respectées ?
Chaque dimension est notée de 1 à 10 par un linguiste humain, locuteur natif de 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, associée à des niveaux de qualité en langage courant :
| Score | Signification |
|---|---|
| 90–100 | Très bon à parfait — prêt à publier sans relecture |
| 80–89 | Bon — prêt à publier 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 des non-natifs |
| En dessous de 50 | Défauts suffisamment importants pour nécessiter une reprise |
Pour situer : la moyenne publiée pour une traduction humaine générique se situe autour de 76. Le 77,7 de DeepL le place juste au-dessus de ce niveau. Le 90,0 de PTC le place exactement à la limite de la catégorie « très bon — prêt à publier sans relecture ».
Taille de l’échantillon et sélection
Pour évaluer DeepL, nous avons pris 800 sites aléatoires traduits avec DeepL au cours des 12 derniers mois, les avons regroupés par ancienneté du site, volume de contenu et activité de traduction, puis avons échantillonné dans chaque groupe. Nos linguistes ont ensuite relu manuellement les pages principales des sites échantillonnés — 227 pages web au total, évaluées en arabe, anglais, français, allemand, italien et espagnol.
Pour comparer DeepL et PTC en face à face, nous avons retraduit 73 de ces mêmes pages avec PTC et les avons réévaluées à l’aveugle, avec les mêmes linguistes travaillant à partir du même contenu source. L’échantillon PTC est plus petit que l’échantillon DeepL, car chaque mesure PTC correspond à une version précise de PTC, et le moteur continue d’évoluer — voir la section Nous n’avons pas terminé ci-dessous.
Par langue : PTC l’emporte dans chaque paire
Les scores agrégés sont intéressants ; la vue par langue est ce qui indique à une équipe de contenu multilingue à quoi s’attendre.
Scores TQ par langue
PTC obtient un score supérieur à DeepL dans chaque paire de langues testée. L’écart le plus important est en arabe (+22,4 points), où DeepL a historiquement sous-performé et où l’investissement de WPML dans la qualité des langues RTL se voit clairement. L’allemand (+11,5) et le français (+9,9) suivent. L’écart le plus faible est en anglais (+6,0 points) — et même là, PTC fait passer la page de « acceptable, visiblement imparfait » à la catégorie prête à publier.
La variance compte également. La distribution de DeepL présente une longue queue basse en arabe, avec des pages individuelles bien en dessous de la moyenne — des pages qu’un utilisateur allemand ou français considérerait comme cassées. Les distributions de 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 budgéter des cas extrêmes.
PTC surpasse également DeepL sur chacune des neuf dimensions de qualité que nous évaluons : grammaire, sens, naturel, ton, niveau de formalité, terminologie, cohérence, majuscules et conventions locales. Les gains les plus importants concernent les dimensions qui comptent le plus pour un humain lisant une page sur un site réel — 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 suit le rythme, et aucune où PTC ne fait que devancer de justesse.
Taux d’erreurs : la réalité opérationnelle
Les scores moyens sont utiles ; le nombre d’erreurs l’est encore plus pour quiconque gère un site réel. Nos évaluateurs ont consigné chaque problème distinct identifié sur chaque page — grammaire, sens, terminologie, tout.
Nombre moyen de problèmes par page
DeepL produit en moyenne 1,27 problème par page. PTC produit 0,07 — soit une réduction d’environ 18× du nombre d’erreurs par page sur le même contenu source.
Pour un site de 200 pages, cela correspond approximativement à :
- DeepL : ~254 problèmes à trouver, décider et corriger avant publication.
- PTC : ~14 problèmes sur l’ensemble du site.
C’est la différence entre la traduction IA comme premier jet et la traduction IA comme workflow. DeepL est un bon premier jet — chaque page comporte encore des problèmes à repérer avant mise en ligne. PTC, selon cette mesure, est un workflow : le nombre d’erreurs est suffisamment faible pour que l’étape de relecture humaine devienne facultative pour la plupart des contenus, plutôt qu’obligatoire pour tous.
Ce que signifie réellement une « bonne traduction »
Les descriptions de niveaux du cadre MQM constituent un contrepoids utile au langage marketing qui entoure la traduction IA. Une page « 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 « 7/10 » est acceptable telle quelle, mais visiblement imparfaite. Une page « 5/10 » est une page où un non-natif peut repérer des erreurs.
La moyenne de DeepL se situe dans les 7 élevés — acceptable, mais visiblement imparfaite pour un natif attentif. La moyenne de PTC est de 90,0, exactement à la limite de « très bon — prêt à publier sans relecture ». C’est l’écart de qualité mesuré par nos évaluateurs. Il correspond à une différence concrète : la sortie de DeepL est un point de départ qui nécessite une relecture humaine avant publication ; la sortie de PTC est, dans la plupart des cas, la publication elle-même.
Pourquoi WPML peut produire cette qualité
Nous savons que « nous avons construit notre propre moteur IA » est une affirmation que beaucoup d’entreprises font en ce moment. PTC est atypique pour deux raisons précises.
Échelle et revue continue. WPML équipe plus de 1,5 million de sites, et ce depuis plus de dix ans. L’équipe linguistique de WPML examine en continu la qualité de traduction de PTC — en échantillonnant les sorties, en les notant avec le même cadre MQM que celui utilisé dans cette étude, et en surveillant les schémas où le moteur produit systématiquement des résultats de moindre qualité pour un terme, une paire de langues ou un type de contenu donné.
Focalisation. PTC n’est pas un projet annexe chez WPML. Il dispose d’une équipe dédiée — ingénieurs, MLOps et linguistes humains. Lorsque les linguistes signalent un schéma récurrent, l’équipe d’ingénierie le traite comme un bug : étendre le glossaire, ajuster le modèle de formalité, ajouter une exception, livrer le correctif. Cette boucle tourne en continu, ce qui explique pourquoi la qualité de PTC s’est améliorée au cours des 12 derniers mois, passant de « aussi bonne que la traduction humaine moyenne » aux chiffres de cette étude.
Cette combinaison — revue humaine continue à une échelle significative, associée à une équipe qui traite chaque constat comme un ticket d’ingénierie — produit les chiffres de qualité ci-dessus. Ce n’est pas l’architecture du modèle ; c’est le modèle opérationnel.
Nous n’avons pas terminé
Le 90,0 place PTC exactement à la limite de « très bon — prêt à publier sans relecture ». Nous sommes satisfaits de ce résultat. Nous ne pensons pas que ce soit un plafond.
La boucle QA → ingénierie décrite ci-dessus fonctionne toujours. L’équipe linguistique de WPML continue d’analyser les modifications que les clients apportent aux sorties de PTC sur des sites réels, identifie les schémas que ces modifications révèlent, et l’équipe d’ingénierie livre les correctifs — extensions de glossaire, ajustements de formalité, réglages spécifiques à certaines paires de langues. Nous nous attendons à ce que la prochaine mesure soit supérieure à celle-ci.
Ce que cela signifie pour votre workflow
Le workflow classique de contenu multilingue est traduire → relire → publier. L’étape de relecture existe parce que chaque moteur IA — et la plupart des traducteurs humains — produit un travail qui nécessite un second regard avant mise en ligne. Cette étape de relecture est aussi celle où se concentrent la majeure partie des coûts et de la latence du contenu multilingue.
Avec DeepL, une étape de relecture est nécessaire. Les 1,27 problèmes par page doivent être détectés quelque part ; si l’équipe ne les détecte pas, les clients le feront. Avec PTC, l’étape de relecture est facultative pour la plupart des contenus. Certaines équipes relisent encore — pour des pages à fort enjeu ou des secteurs réglementés — mais le workflow par défaut devient traduire → publier, la relecture étant réservée aux cas qui en ont réellement besoin.
C’est la différence opérationnelle décrite par les chiffres. Elle n’est pas marginale.
Ce que cela signifie pour vos coûts
Le coût de traduction se compose de deux éléments : le coût de production de la traduction et le coût de sa relecture. Les deux doivent être payés avant la mise en ligne du contenu.
Dans la plupart des contextes professionnels, la relecture 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 se situe le calcul. Une traduction humaine complète (traduction, puis relecture par un second humain) se situe généralement autour de 0,10–0,20 € par mot pour les principales paires de langues, la seule relecture se situant dans une fourchette de 0,04–0,08 €.
Voici ce que coûte réellement chaque workflow, selon ces termes.
Traduction humaine seule — la référence. Environ 0,10–0,20 € par mot. Les deux étapes sont humaines.
DeepL (ou tout moteur IA) + relecture humaine. L’IA gère l’étape de traduction ; un humain doit tout de même relire chaque page, car avec 1,27 problème par page, les problèmes atteindront les clients si personne ne les détecte avant. L’étape de traduction est essentiellement gratuite ; l’étape de relecture coûte toujours 0,04–0,08 € par mot. Économie totale par rapport au tout-humain : environ 60 %. C’est l’argument standard « l’IA vous fait économiser sur la traduction » — et il est vrai — mais le plafond de coût se situe à l’étape de relecture, que la qualité de DeepL impose encore.
PTC, sans relecture nécessaire. PTC coûte 0,0012–0,003 € par mot — 4 crédits par mot multipliés par 0,30–0,75 € par 1 000 crédits selon le volume, avec les 2 000 premiers crédits mensuels gratuits. (Voir la tarification de la traduction automatique de WPML pour le tableau complet des paliers.) Comme la qualité mesurée de PTC (score TQ de 90,0, 0,07 problème par page, écart de +12,3 points sur DeepL sur le même contenu source) est suffisamment élevée pour sauter l’étape de relecture dans la plupart des cas, le coût de relecture tombe à zéro. Économie totale par rapport au tout-humain : environ 99 %.
Ce n’est pas une amélioration marginale du workflow IA + relecture. C’est un autre régime de coûts.
En un coup d’œil — coût pour livrer un mot traduit
| Workflow | Traduction | Relecture | Total | Économie vs. humain |
|---|---|---|---|---|
| Traduction humaine complète | 0,10–0,20 € | incluse | 0,10–0,20 € | — |
| DeepL + relecture humaine | ~0 € | 0,04–0,08 € | 0,04–0,08 € | ~60 % |
| PTC, sans relecture | 0,0012–0,003 € | 0 € | 0,0012–0,003 € | ~99 % |
Les tarifs de traduction humaine sont des estimations typiques du secteur pour les principales paires de langues. La tarification de PTC provient des tarifs publiés par WPML.
Remarque sur la relecture faite par vous-même : lorsqu’un dirigeant relit lui-même au lieu de payer un relecteur, le coût n’est pas nul — il est simplement moins visible. Les heures passées à relire sont des heures non consacrées au reste de l’activité, et à tout taux horaire raisonnable, le coût implicite est généralement plus élevé que celui d’un relecteur externalisé, pas plus faible. L’économie de PTC s’applique quel que soit l’acteur qui paie aujourd’hui l’étape de relecture.
Ce que cela rend possible. Lorsque la traduction coûte 0,10 €+ par mot, vous traduisez de manière sélective — la page d’accueil, les principales catégories de produits, quelques articles de blog à fort trafic. Tout le reste reste dans la langue source, car le calcul ne tient pas. Lorsque la traduction coûte 0,002 € par mot et produit une sortie meilleure que la traduction humaine typique, le calcul devient viable pour des contenus qui ne l’étaient pas auparavant :
- Traduction complète du catalogue en e-commerce — chaque description produit de longue traîne, chaque variante.
- Portails de documentation complets dans toutes les langues qu’un client peut parler, pas seulement les trois principales.
- Bases de connaissances, FAQ support, archives de blog — la longue traîne qui génère du trafic de recherche mais ne justifiait jamais son coût de traduction.
- Contenu éditorial localisé pour des éditeurs opérant sur des marchés où le revenu par page d’audience ne pouvait pas couvrir une traduction humaine.
Depuis des décennies, le contenu multilingue est une question de « que pouvons-nous nous permettre de traduire ». Avec PTC, la question devient « qu’est-ce qui vaut la peine d’être traduit » — ce qui est différent et plus intéressant.
Comment obtenir cette qualité sur votre propre site
PTC est le moteur par défaut du mode Traduire tout de WPML, un réglage 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 nécessaire, en plus d’activer Traduire tout, consiste à passer environ une minute à décrire l’audience et le ton de votre site dans les réglages de Traduire tout — par exemple : « une entreprise logicielle s’adressant à des développeurs, ton formel, terminologie technique conservée en anglais ». PTC utilise cette description pour aligner les traductions sur la voix de votre marque.
C’est toute la configuration. Le résultat est celui mesuré par cette étude.
Remarque sur ce que nous n’avons pas fait
Nous n’avons pas comparé PTC à Google Translate, 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. Nous avons réalisé la comparaison avec DeepL parce que DeepL est la référence la plus citée pour la traduction IA en production, et parce que c’est DeepL 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 des fonctionnalités et nos pages de comparaison, et elles racontent leur propre histoire.
Essayez
Si vous gérez un site WordPress multilingue et souhaitez voir la sortie de PTC sur votre propre contenu, installez WPML, activez Traduire tout et comparez le résultat à ce que vous utilisez aujourd’hui. L’écart de qualité décrit ici est celui que vous devriez constater.
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, relues par des linguistes locuteurs natifs ; 73 d’entre elles retraduites avec la version actuelle de PTC et réévaluées à l’aveugle sur le même contenu source. Langues : arabe, anglais, français, allemand, italien, espagnol. Notation : cadre de qualité de traduction basé sur MQM, 9 dimensions, 1–10 par dimension, moyenne et mise à l’échelle pour un résultat de 0 à 100.