Cet article vise à combler le manque de recherches sur l'évaluation qualitative de la traduction linguistique à faibles ressources à l'aide de modèles linguistiques à grande échelle (MLH) tels que Gemini, GPT et Google Translate. Nous avons sélectionné des œuvres littéraires majeures en langues indiennes, telles que le sanskrit, le télougou et l'hindi, bien traduites par des experts, telles que la Bhagavad Gita, le Tamas et le Maha Prasthanam, et les avons traduites en anglais à l'aide de LLM, puis les avons comparées et analysées avec des traductions expertes. Grâce à une analyse sémantique et des sentiments, nous avons confirmé que les LLM amélioraient la précision de la traduction, mais ont constaté qu'ils avaient du mal à préserver l'intégrité de l'émotion et du sens, en particulier dans des contextes métaphoriques et philosophiques tels que la Bhagavad Gita. Les résultats de l'analyse des sentiments ont montré que le modèle GPT maintenait mieux la polarité émotionnelle que les traductions expertes et, globalement, qu'il maintenait mieux l'émotion et le sens que Google Translate. Cette étude peut contribuer au développement de systèmes de traduction précis et culturellement sensibles pour les modèles linguistiques à grande échelle.
