Què és DeepL i qui el desenvolupa
DeepL és una família de serveis d’intel·ligència artificial per treballar entre idiomes. El producte més conegut, DeepL Translator, converteix un text existent en un altre idioma; DeepL Write revisa l’expressió escrita i DeepL Voice aborda converses. L’empresa responsable és DeepL SE, amb seu a Colònia, Alemanya, dirigida pel seu fundador Jaroslaw, o Jarek, Kutylowski.
Convé distingir tres decisions: quin contingut cal traduir, en quin format s’ha de lliurar i quina revisió exigeix l’ús previst. Traduir un correu per entendre’l, localitzar un catàleg i publicar una instrucció de treball tenen costos d’error diferents, encara que comparteixin el mateix motor lingüístic.
Documentació de referència: DeepL: About us · DeepL Publisher · DeepL: About Translator.
Origen i evolució
El projecte va sorgir de l’entorn de Linguee, que treballava amb textos bilingües abans de l’aparició del traductor. DeepL es va obrir al públic l’agost de 2017; DeepL Pro va arribar el març de 2018 amb subscripció i integració professional. El desembre de 2018 es van afegir rus i portuguès als set idiomes inicials.
- 2023: el 17 de gener es va presentar la beta pública de Write, inicialment en anglès i alemany. Aquell mes es van anunciar nous inversors, entre els quals IVP, Bessemer, Atomico i WiL.
- 2024: Write Pro va aparèixer a l’abril. Al maig la companyia va anunciar una inversió de 300 milions de dòlars amb una valoració de 2.000 milions. Al juliol va presentar la següent generació de traducció basada en un LLM especialitzat, i al novembre va estrenar Voice.
- 2025: l’ampliació de novembre va afegir més de 70 idiomes i va situar el traductor per sobre de 100. El mateix llançament va presentar Customization Hub i DeepL Agent.
- 2026: a l’abril es va anunciar la traducció de veu a veu; al setembre, la connexió de DeepL amb assistents mitjançant MCP. La plataforma va incorporar així més canals de treball, a més del quadre de traducció web.
Aquestes dates descriuen anuncis concrets. La disponibilitat d’una funció en un compte depèn del producte, la modalitat i el desplegament; la història comercial no substitueix la documentació d’accés.
Documentació de referència: Slator: Inside DeepL · DeepL: First language expansion · DeepL launches DeepL Write · DeepL: New investor support · DeepL announces $300 million investment · DeepL: Next-generation language model · DeepL launches Voice · DeepL: New tools and DeepL Agent · DeepL: How we launched over 70 new languages · DeepL: Voice-to-voice translation · DeepL MCP in Microsoft Copilot, ChatGPT and Claude.
Com funciona la traducció
La documentació actual descriu una infraestructura de models de llenguatge especialitzada en traducció. El sistema estima com expressar un contingut en l’idioma de destinació tenint en compte el context; no es limita a consultar un diccionari i substituir cada paraula. Per això dues frases amb la mateixa paraula poden produir traduccions diferents.
DeepL explica que combina arquitectures pròpies, selecció de dades multilingües i mètodes d’entrenament. No publica una descripció suficient per reproduir íntegrament el servei. Les explicacions històriques sobre xarxes neuronals s’han de llegir amb la seva data, sense suposar que detallen el model que processa avui una sol·licitud.
La infraestructura també ha evolucionat: a l’etapa de computació a Islàndia la va seguir la col·laboració amb NVIDIA i EcoDataCenter. La companyia documenta sistemes DGX GB200 i refrigeració líquida. Aquesta capacitat facilita l’entrenament i la inferència, però la potència del maquinari no demostra per si sola la fidelitat d’una traducció concreta.
Documentació de referència: Slator: Inside DeepL · DeepL: About its language model · DeepL: How does it work? · DeepL and NVIDIA infrastructure.
Idiomes, variants i català
La llista actual del traductor inclou català, espanyol i anglès. No totes les combinacions admeten les mateixes funcions: el glossari, la formalitat i les alternatives tenen una cobertura pròpia. També hi ha variants regionals; l’espanyol llatinoamericà s’associa al model de nova generació.
Per a un projecte multilingüe, la comprovació útil és una matriu d’idioma d’origen, destinació, format i funció requerida. Que un idioma aparegui a Translator no implica que estigui disponible a Write o en totes les modalitats de veu. Tampoc convé identificar idioma amb país: el destinatari pot necessitar un vocabulari professional o una variant diferent de la suggerida per la ubicació.
L’ampliació de 2025 va requerir adaptar la detecció automàtica i l’experiència de selecció d’idiomes, segons l’equip de DeepL. En textos breus, sigles o barreges lingüístiques, indicar expressament l’idioma d’origen ajuda a evitar que tota l’operació parteixi d’una detecció inadequada.
Documentació de referència: DeepL: How we launched over 70 new languages · DeepL: Translator languages.
Textos, documents i formats de sortida
S’hi pot accedir des del web, aplicacions d’escriptori i mòbil, extensions del navegador i integracions. El flux més senzill consisteix a introduir text, triar idioma i revisar la traducció. Amb documents, a més del contingut lingüístic importa l’estructura de l’arxiu final.
DeepL documenta Word, PowerPoint i PDF, entre altres formats, amb condicions diferents segons el pla. Excel i formats addicionals no estan habilitats en totes les modalitats; els arxius traduïts amb compte gratuït poden no ser editables. L’API manté límits propis, diferents de l’ús web.
En un lliurament professional, conservar l’arxiu editable d’origen sol facilitar la correcció de taules, títols i salts. Una traducció pot ocupar més espai que l’original: revisar la maquetació és una tasca diferent de revisar el significat. Per a un lot, provar primer un document amb taules, notes i referències representatives permet detectar problemes abans de multiplicar-los.
Documentació de referència: DeepL: File formats · DeepL: About Translator.
Glossaris, memòria i coherència editorial
Un glossari estableix traduccions preferides de termes i expressions, adaptades al context i la gramàtica. Una memòria de traducció conserva correspondències de segments; les regles d’estil orienten convencions de redacció. Customization Hub reuneix aquests recursos, que actuen sobre nivells diferents del llenguatge.
Una bona base terminològica identifica concepte, traducció acordada, context, responsable i data. Per exemple, el nom d’un equip es pot conservar com a marca, mentre que la descripció funcional necessita traducció. Barrejar totes dues coses en una única equivalència crea instruccions poc clares.
Convé resoldre variants contradictòries abans de compartir un glossari. Una preferència no s’ha de convertir en una ordre universal si el terme canvia de significat segons l’activitat. Les memòries també necessiten manteniment: reutilitzar una frase aprovada fa anys no garanteix que continuï descrivint el procediment vigent.
Documentació de referència: DeepL glossary · DeepL: New tools and DeepL Agent.
DeepL Write: revisió del mateix idioma
Write proposa millores de formulació, gramàtica, to i estil. La pàgina de producte consultada enumera anglès, alemany, francès, espanyol, italià i portuguès; no enumera català. L’objectiu és millorar com s’expressa un text, mentre que Translator en canvia l’idioma.
A la pràctica, una seqüència raonable és aclarir primer l’original, traduir després i revisar el resultat. Reformular repetidament una frase pot fer que una obligació sembli un suggeriment o que desaparegui una condició. Per a comunicacions operatives, acceptar els canvis d’un en un permet mantenir el propòsit, encara que una proposta alternativa soni més elegant.
Documentació de referència: DeepL Write product.
Veu, converses i reunions
Voice va començar el novembre de 2024 amb productes per a reunions virtuals i converses presencials, centrats a traslladar la parla entre idiomes. L’ampliació d’abril de 2026 va incorporar sortida de veu, converses en grup i una API per integrar traducció oral.
En una reunió, traduir mentre algú parla exigeix gestionar context incomplet, torns i retard. Per a una prova realista cal incloure noms propis, accents i vocabulari del treball; una demostració en una sala silenciosa no representa necessàriament una conversa en una zona de producció.
Sabentis proposa utilitzar aquests recursos per facilitar preguntes en una sessió multilingüe i confirmar després els acords per escrit. Quan el missatge determini una actuació immediata, cal acordar una manera de confirmar allò entès i un canal alternatiu. La disponibilitat de veu no acredita que el sistema sigui adequat com a únic mitjà de comunicació d’emergència.
Documentació de referència: DeepL launches Voice · DeepL: Voice-to-voice translation.
API, assistents i fluxos connectats
L’API rep text i un idioma de destinació, amb opcions d’idioma d’origen, glossari i context. El camp de context pot orientar la traducció sense traduir-se; els elements d’un lot es processen independentment. Resulta útil conservar la relació entre cada identificador d’origen i el resultat.
El connector MCP anunciat el setembre de 2026 permet utilitzar DeepL des d’assistents compatibles, entre els quals ChatGPT, Claude i Microsoft Copilot, vinculant-hi un compte. Pot traslladar textos i documents amb ajustos terminològics. Això afegeix un proveïdor al flux: cal entendre quin contingut rep cada servei connectat.
Translation Flow connecta projectes amb emmagatzematge i gestors de contingut, i ofereix seguiment i revisió. DeepL Agent, anunciat el 2025, aborda tasques en aplicacions empresarials. Són propostes diferents de traduir un arxiu manualment; abans d’automatitzar, cal definir qui revisa, quin esdeveniment inicia el treball i quina acció publica el resultat.
Un disseny que es pugui mantenir registra versió d’origen, idiomes, estat de revisió i destinació. Si el procés falla a mig lot, aquestes dades permeten reprendre’l sense confondre una traducció pendent amb una d’aprovada ni substituir una versió revisada per una sortida nova sense comprovar.
Documentació de referència: DeepL API: Translate text · DeepL MCP in Microsoft Copilot, ChatGPT and Claude · DeepL Translation Flow · DeepL: New tools and DeepL Agent.
Recepció, estudis i reconeixement
La recepció inicial va destacar la naturalitat de les traduccions. Slator va matisar el 2021 que la valoració professional depèn del parell lingüístic i del contingut. Una opinió favorable sobre la fluïdesa no demostra superioritat en qualsevol tasca.
Heiss i Soffritti van estudiar traduccions d’italià a alemany amb resultats disponibles el gener de 2018. Van trobar possibilitats educatives i errors que exigien postedició. El seu treball és un antecedent d’avaluació i formació, no una mesura del servei de 2026.
L’estudi WMT24++, publicat el 2025, va comparar sistemes, entre els quals DeepL, en 55 idiomes i variants mitjançant mètriques automàtiques. Els LLM van encapçalar els resultats; els autors van deixar l’avaluació humana com a treball posterior. La recopilació de traduccions tradicionals es va fer el setembre de 2024.
DeepL va rebre premis Webby de 2020 en Best Practices i Technical Achievement. El comunicat de setembre de 2025 recull la presència a Forbes AI 50 i Cloud 100. Els reconeixements descriuen recepció i posició empresarial; no certifiquen una instrucció traduïda.
Per triar amb criteri, Sabentis proposa avaluar una mostra pròpia i classificar els errors segons l’efecte: una preferència estilística, un terme incorrecte i una negació perduda no tenen la mateixa importància. El temps estalviat s’ha de mesurar després de la revisió, no només fins a obtenir el primer esborrany.
Documentació de referència: Slator: Inside DeepL · Heiss and Soffritti: DeepL in translator teaching, 2018 · Deutsch et al.: WMT24++, 2025 · The Verge: Webby Awards 2020 winners · DeepL: Forbes recognition 2025.
Dades i condicions del servei
La política distingeix els serveis web gratuïts de Translator i Write, que poden utilitzar contingut per millorar models i no permeten introduir dades personals, de Translator Pro, API Pro i Write Pro, els textos dels quals no s’utilitzen per a aquesta millora. El tractament de dades personals a Pro exigeix justificació i condicions contractuals adequades.
En una organització convé separar documents publicables, informació interna i informació identificable. Eliminar noms visibles no garanteix anonimat si el context identifica una persona. A més, un compte corporatiu autoritzat per traduir textos no autoritza automàticament a connectar altres sistemes o traslladar-ne les dades.
La revisió d’accés ha de preveure els recursos que es guarden deliberadament, com glossaris o memòries, a més del text d’una traducció puntual. En converses, els participants i l’administrador han de conèixer l’ús previst de l’àudio i de les transcripcions. La decisió s’ha de prendre sobre el producte contractat, no sobre una afirmació general de privacitat de la marca.
Documentació de referència: DeepL: Privacy policy.
Aplicacions en seguretat i salut en el treball
Pot ajudar a preparar versions entenedores d’informació preventiva per a equips multilingües. En SST, traduir exigeix conservar el significat d’obligacions, prohibicions, condicions i unitats; una versió fluida s’ha de comprovar amb algú que conegui tant l’idioma com l’activitat i la terminologia del sector.
Una primera aplicació és traduir materials d’acollida mantenint la terminologia de llocs de treball, equips i espais. Una altra és preparar versions d’enquestes o comunicacions per a una revisió lingüística posterior, sense assumir equivalència psicomètrica dels qüestionaris. També facilita una lectura inicial de documentació tècnica estrangera. Aquests escenaris proposats per Sabentis requereixen distingir traducció per comprendre de traducció destinada a orientar actuacions en el treball.
Exemple desenvolupat i comprovacions
Per exemple, l’equip tradueix una instrucció d’acollida per a treballadors de diversos països. El revisor compara cada pas amb l’original, manté un glossari de termes crítics i comprova amb una persona destinatària que l’explicació s’entén en el context real.
- Partir d’una instrucció vigent i editable, amb versió i responsable identificats; eliminar comentaris interns innecessaris.
- Crear un glossari revisat per a equips, ubicacions, noms propis i conceptes que no admeten traduccions intercanviables.
- Traduir un bloc representatiu abans de processar tot el document.
- Comparar original i resultat, comprovant negacions, condicions, xifres, unitats, seqüència i referències a il·lustracions.
- Revisar visualment el fitxer i comprovar-ne la comprensió amb destinataris abans d’aprovar-ne l’ús.
Si una frase admet dues interpretacions, convé corregir primer l’original i tornar-la a traduir. En un quadre bilingüe, registrar la decisió terminològica evita que cada revisor introdueixi una variant diferent. El criteri d’acceptació no és que el text soni natural: ha de conservar qui fa cada acció, quan i sota quina condició, sense afegir ni treure instruccions.
Per mantenir les versions alineades, assignar a cada bloc traduït l’identificador de l’original. Quan canviï una condició o una xifra, revisar aquell bloc en tots els idiomes i comprovar les referències creuades. Aquesta disciplina evita que una traducció lingüísticament correcta continuï circulant després que la instrucció d’origen hagi estat substituïda o ampliada.
Avaluació de qualitat i límits
DeepL descriu un projecte de Translation Quality Evaluation amb un model separat del traductor: compara segments i assenyala possibles errors amb nivells de gravetat per a revisió humana. La documentació presenta desenvolupament, API i accés a un entorn de proves; no s’ha de donar per inclosa aquesta avaluació en cada traducció ordinària.
El límit pràctic principal és que un text incorrecte pot semblar perfectament natural. Revisar només ortografia i estil no detecta necessàriament omissions, referents confusos o canvis d’abast. Una retraducció a l’idioma original pot aportar pistes, però dos sistemes poden reproduir el mateix error i donar una falsa sensació de concordança.
Les comprovacions han de correspondre a l’ús: informació general per llegir, text que es publicarà i document que dirigeix una tasca requereixen criteris diferents. En contingut crític, registrar discrepàncies i la seva resolució aporta més traçabilitat que un vistiplau genèric a l’arxiu complet.
Documentació de referència: DeepL: Translation Quality Evaluation research.
Limitacions i condicions d’ús
La traducció automàtica pot alterar negacions, abreviatures o termes tècnics ambigus. També cal revisar taules i formats després de traduir documents. Una traducció automàtica sense revisió no s’ha de presentar com a traducció jurada, validació legal o garantia de comprensió.
Un glossari incorrecte pot propagar un error de manera consistent. La conservació del format tampoc no garanteix que taules, salts o llegendes siguin llegibles. Cal confirmar l’idioma i la funció concrets abans de comprometre un lliurament, perquè no tots els productes comparteixen suport lingüístic. Per a informació interna, revisar el servei contractat i les condicions de tractament de dades abans de carregar fitxers.
Documentació de referència: DeepL: File formats.
Com triar i complementar l’eina
Convé triar DeepL quan el treball principal sigui traslladar contingut existent entre idiomes amb terminologia controlada. Microsoft Word complementa la comparació, edició i aprovació del document final. Grammarly pot donar suport a la revisió lingüística quan sigui compatible, mantenint separades la correcció d’estil i la verificació tècnica. Cap combinació evita conservar un original vigent i un registre de revisions.
Preguntes freqüents
Un glossari substitueix la revisió d’una traducció tècnica?
No. Ajuda a mantenir termes coherents, però no valida relacions entre frases, condicions o instruccions completes.
Puc traduir qualsevol fitxer?
Hi ha formats i límits específics per producte i pla. Canviar una extensió no converteix un fitxer incompatible en un de vàlid.
La traducció conserva automàticament el valor d’un qüestionari?
No s’ha d’assumir. L’equivalència lingüística i l’adequació de l’instrument al nou context són qüestions diferents.
