Cet article fournit des informations sur la fin de prise en charge du modèle linguistique Classic de DeepL, ainsi que des étapes de dépannage pour chaque problème que vous pourriez rencontrer. Cliquez pour développer chaque problème.
Raisons de l'abandon
Que se passe-t-il ?
DeepL met à niveau le modèle qui traite les Requêtes API en utilisant le modèle LATENCY_OPTIMIZED .
Depuis novembre 2024, les appels API permettent aux utilisateurs de choisir entre deux types de modèles : QUALITY_OPTIMIZED et LATENCY_OPTIMIZED.
Le modèle nouvelle génération traitant les requêtes QUALITY_OPTIMIZED a été mis à niveau en avril 2025, novembre 2025 et mars 2026, et une autre mise à niveau est prévue en juin 2026. Le modèle linguistique classique traitant les demandes LATENCY_OPTIMIZED a plus de deux ans. Il est en cours de mise à niveau vers une variante à faible latence du modèle de nouvelle génération.
| Si vous avez demandé… | Au premier trimestre 2026, votre requête a été traitée par… | Au troisième trimestre 2026, votre requête sera traitée par… |
| QUALITY_OPTIMIZED | Le dernier modèle nouvelle génération | Le dernier modèle nouvelle génération |
| LATENCY_OPTIMIZED (ou aucune sélection explicite de modèle) |
Le modèle Classic (datant de plus de 2 ans) |
Exactement le même modèle nouvelle génération que QUALITY_OPTIMIZED, mais déployé en mode à faible latence. |
Pourquoi changez-vous ?
La qualité de traduction du modèle Classic continue de prendre du retard par rapport au modèle nouvelle génération, car il a été décidé de ne plus investir dans le soutien technique destiné à l'ancien modèle.
En avril, DeepL a mené des tests à l'aveugle réalisés par des humains afin de comparer DeepL Next-gen et DeepL Classic à Google Traduction, MS Translate, OpenAI, Anthropic et Google Gemini. Les modèles linguistiques (LLM) ont été utilisés avec leurs paramètres les plus lents et les plus coûteux. Le modèle de nouvelle génération de DeepL est sorti vainqueur des confrontations directes contre tous ces concurrents. DeepL Classic s'est révélé moins performant que tous ces concurrents, à l'exception d'un seul.
Les fonctionnalités lancées après 2024 ne sont souvent pas prises en charge par le modèle Classic, notamment les nouvelles langues ou les mises à jour du Customization hub de DeepL.
Changements pour QUALITY_OPTIMIZED et LATENCY_OPTIMIZED
Dois-je changer mon code ?
Non. Vous n'avez pas besoin de changer votre code. Toutes les requêtes qui ont abouti avant la mise à jour continueront d'aboutir après celle-ci. Les requêtes LATENCY_OPTIMIZED seront traduites par un nouveau modèle, avec un résultat amélioré.
Dois-je supprimer l'utilisation du paramètre LATENCY_OPTIMIZED ?
Non. Vous n'avez pas besoin de changer votre code. Les types de modèles continueront d'exister. Les utilisateurs pourront toujours choisir entre une réponse plus rapide ou une meilleure qualité. Les requêtes LATENCY_OPTIMIZED seront traitées par un nouveau modèle améliorant les résultats.
Dois-je prendre un forfait supérieur pour l'API v3 ?
Non. Vous n'avez pas besoin de changer votre code. La v2 est toujours disponible. Les requêtes LATENCY_OPTIMIZED pour la v2 seront traitées par un nouveau modèle qui améliore les résultats.
Que se passe-t-il si mon code ne spécifie pas explicitement de modèle ?
À l'heure actuelle, les requêtes sans paramètre de modèle explicite sont réglées par défaut sur LATENCY_OPTIMIZED. Si vous ne faites rien, vous devriez constater une légère amélioration de la qualité.
J'avais l'habitude de sélectionner le modèle Classic comme paramètre API. Comment puis-je continuer à l'utiliser ?
Vous avez sélectionné LATENCY_OPTIMIZED, et non Classic. Historiquement, LATENCY_OPTIMIZED était géré par Classic, mais cela n’a jamais été garanti. Notre modèle de nouvelle génération optimisé pour la latence répondra à l’objectif de nos utilisateurs : des réponses plus rapides. Pour en savoir plus, consultez la documentation API de DeepL .
Qu'en est-il de PREFER_QUALITY_OPTIMIZED ?
PREFER_QUALITY_OPTIMIZED était pertinent pendant les mois compris entre novembre 2024 — date à laquelle la première version de notre modèle nouvelle génération a été lancée pour un nombre limité de langues — et avril 2025 — date à laquelle notre modèle nouvelle génération prenait en charge toutes les langues couvertes par le modèle Classic. Elle permettait aux utilisateurs de se rabattre si leurs langues n'étaient pas encore prises en charge.
La nouvelle génération a atteint la parité avec le modèle classique en avril 2025 et PREFER_QUALITY_OPTIMIZED est devenu fonctionnellement équivalent à QUALITY_OPTIMIZED.
Autres questions
Que faire si j’utilise l’API CAT ?
Vous n’avez pas besoin de changer votre code. Les requêtes API CAT seront traduites par un nouveau modèle améliorant les résultats.
Pourquoi n’ai-je pas été notifié de ce changement de l’API ?
Parce qu’il s’agit d’une mise à niveau, et non d’une dépréciation. Le nouveau modèle présente un profil de latence similaire et une amélioration de la qualité, telle que mesurée par des tests à l’aveugle.
DeepL se réserve le droit de changer discrètement le modèle utilisé, ex. pour une requête de type model_type=quality_optimized, tant que nous estimons que cela constitue un avantage net pour l'utilisateur (ex. : aucune augmentation significative de la latence, mais une amélioration de la qualité, ou une réduction significative de la latence sans perte de qualité, ou avec une perte très légère).
Mais alors, de quoi parlait cet e‑mail du 30 juin ?
L'API permet aux utilisateurs de choisir un objectif, pas un modèle. Ces deux choix seront conservés. Le site web, en revanche, permettait aux utilisateurs de choisir explicitement un modèle. Ce choix va disparaître. Le 30 juin, le menu déroulant « Powered by » sur le web et dans les applications disparaîtra. Tous les utilisateurs web utiliseront le même modèle que celui utilisé pour les requêtes API QUALITY_OPTIMIZED.
Quand les API seront-elles mises à jour ?
Les API sont prises en charge dans le cadre d’un déploiement progressif entre le 27 mai et le 15 juin. Nous ne pouvons pas fournir de date précise pour un client en particulier.