Claude vs GPT-6 vs Gemini vs DeepL pour la traduction Django (2026)

Claude, GPT-6, Gemini et DeepL savent tous bien traduire vos fichiers Django .po. En septembre 2026, les différences qui comptent sont le prix, le niveau de modèle choisi et la possibilité de transmettre le contexte de votre projet. Ce comparatif couvre les modèles actuels de chaque fournisseur, ce que les benchmarks de traduction WMT ont réellement montré, et ce que coûte la traduction d'un projet Django typique avec chacun d'eux.

Tous les modèles présentés ici fonctionnent avec TranslateBot, soit via LiteLLM, soit via le fournisseur DeepL intégré. Si vous configurez les traductions Django pour la première fois, le guide complet de localisation Django couvre la mise en place avant le choix d'un fournisseur.

Une remarque sur les sources : nous n'avons pas mené notre propre benchmark sur ces versions de modèles. Les affirmations sur la qualité ci-dessous proviennent des tâches partagées WMT et d'un vaste jeu de données issu de l'industrie, tous cités en lien. Les prix proviennent de la page tarifaire de chaque fournisseur au 26 septembre 2026.

Réponse rapide

Le modèle par défaut de TranslateBot est gpt-6-luna : un projet qui ne précise aucun modèle utilise donc déjà la bonne option la moins chère.

Ce que disent les benchmarks

L'évaluation la plus rigoureuse de la traduction automatique est la tâche partagée annuelle WMT. Des annotateurs professionnels notent la sortie de chaque système soumis, et les résultats sont publiés sous forme de clusters de qualité plutôt que d'un classement unique.

WMT24 : Claude 3.5 Sonnet l'emporte

Lors de la tâche WMT24 de traduction automatique générale, Claude 3.5 Sonnet a été le meilleur système global et a remporté 9 des 11 paires de langues. C'était la première fois qu'un LLM généraliste battait tous les systèmes de traduction dédiés de la compétition.

WMT25 : Gemini 2.5 Pro l'emporte

À WMT25, Gemini 2.5 Pro s'est classé dans le cluster de tête pour 14 des 16 paires de langues. Les traductions humaines de référence n'ont atteint le cluster de tête que pour 6 des 15 paires où elles étaient disponibles. Les organisateurs notent que cela pourrait refléter « the stylistic or lexical preferences of the annotators » (les préférences stylistiques ou lexicales des annotateurs), mais la tendance est claire : les LLM de pointe égalent ou dépassent désormais les références humaines professionnelles sur ces tests.

WMT26 : pas encore publié

WMT26 se tient les 28 et 29 octobre 2026 à Budapest. L'article de synthèse n'est pas encore sorti, et les organisateurs ne publient pas de classement préliminaire. Nous mettrons cet article à jour dès sa parution.

Ce que disent les données de production

Alconost a publié 5 632 évaluations de qualité issues de projets clients réels couvrant 85 paires de langues en mai 2026. Leur indice de qualité place Gemini à 77,7, Claude à 75,6, GPT à 73,1 et DeepL à 70,8. Ils ne donnent que les fournisseurs, pas les versions de modèles, et présentent ces chiffres comme descriptifs de leur échantillon plutôt que comme un benchmark de l'industrie. Considérez les écarts comme faibles.

Là où les LLM sont encore en retrait

Les langues à faibles ressources restent le point faible. Dans une étude, la traduction anglais-khmer par un LLM a obtenu 39,10 sur XCOMET contre 65,88 pour Google Translate. Si vous ciblez le khmer, le lao ou le birman, testez soigneusement et faites relire par un locuteur natif.

Les scores automatiques peuvent aussi être trompeurs. Un segment ayant obtenu un score COMET de 0,86 s'est avéré contenir une erreur de compréhension critique lors de la relecture par des professionnels. Les benchmarks sont un point de départ, pas un substitut à un lecteur natif.

Les modèles actuels

Anthropic Claude

Source : présentation des modèles Claude.

Le point fort de Claude a toujours été de produire des traductions qui se lisent comme si elles avaient été écrites dans la langue cible, et il suit de près les règles de ton et de terminologie d'un fichier TRANSLATING.md. Sonnet 5 coûte moins cher au token que le Sonnet 4.5 qu'il remplace, ce qui en fait le modèle par lequel commencer.

OpenAI

Source : tarifs de l'API OpenAI.

L'arrêt de gpt-4o-mini et gpt-4o n'est pas prévu, mais OpenAI retire certains snapshots datés de GPT-4o (gpt-4o-2024-05-13 disparaît le 23 octobre 2026, selon la page des dépréciations). Si vous avez figé un snapshot daté, vérifiez cette liste.

Google Gemini

Sources : modèles Gemini, tarifs Gemini.

Gemini a remporté WMT25 et arrive en tête des données d'Alconost, il mérite donc une place dans votre sélection. C'est aussi le seul fournisseur de cette liste à proposer un tier gratuit permanent : les deux modèles Flash ci-dessus peuvent être utilisés gratuitement, avec des limites de débit, et Google peut utiliser les données du tier gratuit pour améliorer ses produits. Les modèles Gemini 2.5 ne sont désormais accessibles qu'aux projets qui les utilisaient déjà ; les nouveaux projets doivent donc démarrer sur 3.5 Flash-Lite ou 3.8 Flash.

DeepL

DeepL utilise désormais un modèle LLM de nouvelle génération pour toutes ses langues (model_type=quality_optimized dans l'API) et prend en charge plus de 100 langues.

Les offres ont changé en 2026. Les nouveaux inscrits obtiennent l'offre Developer : un crédit unique de 1 million de caractères, et non plus les 500 000 caractères mensuels d'autrefois. Ensuite, l'offre Growth coûte €23.80 par mois en facturation annuelle, inclut 12 millions de caractères par an et facture €22 par million de caractères supplémentaire (prix UE TTC ; voir les offres de l'API DeepL).

DeepL a également ajouté des règles de style, des instructions personnalisées et jusqu'à 5 glossaires par requête. Ces fonctions aident, mais restent plus limitées qu'un fichier TRANSLATING.md, qui peut décrire votre produit, votre public et votre terminologie préférée en langage courant.

Comparaison directe

Ce que coûte un projet Django

Prenons un projet Django de taille moyenne : 500 chaînes, environ 10 000 mots, traduites dans 5 langues. Nous supposons environ 15 000 tokens en entrée (les chaînes plus le prompt de TranslateBot) et 20 000 tokens en sortie par langue, car la plupart des langues consomment plus de tokens que l'anglais.

Ces chiffres sont des estimations. Les modèles qui raisonnent avant de répondre, comme Claude Opus 5.5, facturent ce raisonnement comme des tokens de sortie et peuvent donc coûter plus que ce qu'indique le tableau. Après la première exécution, TranslateBot ne traduit que les chaînes nouvelles ou modifiées, donc les exécutions suivantes coûtent généralement quelques centimes au plus.

Lequel choisir

Commencez par claude-sonnet-5 ou gpt-6-sol si la qualité compte et que payer environ un dollar par exécution complète du projet ne vous gêne pas. Claude a le meilleur palmarès aux benchmarks (Claude 3.5 Sonnet a remporté WMT24), même s'il n'existe pas encore de résultats WMT pour ces versions précises. Les deux coûtent le même prix.

Utilisez gpt-6-luna pour les projets perso, les outils internes ou une première passe que vous relirez de toute façon. À environ six centimes pour le projet d'exemple, le coût est pratiquement nul.

Essayez Gemini si vous traduisez dans de nombreuses langues ou n'avez aucun budget. Il a remporté WMT25, a obtenu le meilleur score dans les données d'Alconost, et 3.5 Flash-Lite est bon marché sur le tier payant et gratuit sur le tier gratuit.

Utilisez DeepL si votre entreprise a déjà un contrat DeepL, ou si vous voulez une traduction automatique dédiée avec des glossaires natifs. Sans l'ancien tier gratuit mensuel, ce n'est plus le choix évident pour les projets sans budget.

Mixez les fournisseurs selon la langue. Vous pouvez utiliser un modèle pour les langues européennes et un autre pour le japonais ou le coréen. Lancez la commande de traduction une fois par fournisseur, en ciblant des langues différentes à chaque fois, et changez TRANSLATEBOT_MODEL et TRANSLATEBOT_API_KEY entre les exécutions.

Comment changer de fournisseur dans TranslateBot

Changer de fournisseur revient à modifier deux paramètres dans votre settings.py :

import os

# Claude Sonnet 5
TRANSLATEBOT_MODEL = "claude-sonnet-5"
TRANSLATEBOT_API_KEY = os.getenv("ANTHROPIC_API_KEY")

# GPT-6 Luna
TRANSLATEBOT_MODEL = "gpt-6-luna"
TRANSLATEBOT_API_KEY = os.getenv("OPENAI_API_KEY")

# Gemini 3.5 Flash-Lite
TRANSLATEBOT_MODEL = "gemini/gemini-3.5-flash-lite"
TRANSLATEBOT_API_KEY = os.getenv("GEMINI_API_KEY")

# DeepL
TRANSLATEBOT_PROVIDER = "deepl"
TRANSLATEBOT_API_KEY = os.getenv("DEEPL_API_KEY")

Pour DeepL, vous devez aussi installer l'extra DeepL :

uv add --dev translatebot-django[deepl]

Pour essayer un autre modèle du même fournisseur le temps d'une exécution sans modifier vos paramètres, utilisez --llm-model. TRANSLATEBOT_API_KEY reste utilisée, le modèle doit donc correspondre au fournisseur de votre clé :

python manage.py translate --target-lang ja --llm-model gpt-6-sol

Conseils pratiques

Comparez sur une branche. --dry-run n'appelle pas le modèle ; pour comparer de vraies sorties, retraduisez sur une branche jetable et lisez le diff :

git switch -c try-gpt-6-sol
python manage.py translate --target-lang nl --overwrite --llm-model gpt-6-sol
git diff -- '*.po'

Rédigez un TRANSLATING.md avant de payer pour un modèle plus gros. Des instructions de terminologie et de ton (« traduire 'cart' par 'Warenkorb' », « utiliser le 'du' informel en allemand ») corrigent souvent ce qui ressemblait à un problème de qualité du modèle.

Faites vérifier un échantillon par un locuteur natif. Les benchmarks mesurent des moyennes. Votre page de paiement est un ensemble de chaînes bien précis.

Surveillez le changement de prix de Gemini. Le prix de Gemini 3.8 Flash double le 1er janvier 2027. Il restera bon marché pour la traduction, mais mettez vos estimations à jour.

Conclusion

Claude a remporté WMT24, Gemini a remporté WMT25, et en 2026 l'écart entre les meilleurs fournisseurs est faible. Pour la plupart des projets Django, le choix pratique se fait entre claude-sonnet-5 ou gpt-6-sol pour la qualité et gpt-6-luna pour le coût, avec Gemini comme alternative solide et meilleure option gratuite. DeepL reste bon, mais les nouveaux comptes n'ont plus de tier gratuit mensuel. Avec TranslateBot, passer de l'un à l'autre se résume à changer un paramètre.

Une fois votre fournisseur choisi, automatisez votre workflow de traduction Django pour que les nouvelles chaînes ne s'accumulent plus jamais.