The role of prompt engineering in achieving functional equivalence in Arabic-English institutional translation

The expansion of Generative AI has introduced diverse architectures for interlingual tasks. This study evaluates DeepSeek and ChatGPT-5 in translating governmental correspondence from Arabic into English using a Palestinian Ministry of Culture corpus. Employing House’s (2015)House, J. 2015. Translation Quality Assessment: Past and Present. London: Routledge. Translation Quality Assessment model, it examines functional equivalence through Field, Tenor, and Cultural Filter. Findings indicate that architectural differences are less influential than prompting strategies; both models required context-aware instructions to avoid literalism and adapt Arabic honorifics to English administrative conventions. However, because these systems are probabilistic, prompting shapes rather than guarantees consistent performance. Results show that prompt engineering enhances functional translation quality, yet its effectiveness depends on users’ expertise in translation and bureaucratic discourse. The study argues that successful institutional translation depends less on model selection than on strategic mediation through prompt engineering, which encodes register and institutional norms while recognizing that prompting remains an interpretive act capable of privileging particular cultural readings.

L’essor de l’IA générative a donné lieu à diverses architectures pour les tâches de traduction interlinguistique. Cette étude évalue DeepSeek et ChatGPT-5 dans la traduction de correspondances administratives gouvernementales de l’arabe vers l’anglais, à partir d’un corpus du ministère palestinien de la Culture. S’appuyant sur le modèle d’évaluation de la qualité de la traduction de House (2015)House, J. 2015. Translation Quality Assessment: Past and Present. London: Routledge., elle examine l’équivalence fonctionnelle à travers les dimensions du champ, de la relation et du filtre culturel. Les résultats indiquent que les différences architecturales sont moins déterminantes que les stratégies de formulation des invites (prompting) ; les deux modèles nécessitent des instructions tenant compte du contexte afin d’éviter le littéralisme et d’adapter les formules honorifiques arabes aux conventions administratives de l’anglais. Toutefois, étant donné le caractère probabiliste de ces systèmes, le prompting façonne les performances sans pour autant en garantir la constance. Les résultats montrent que l’ingénierie des invites (prompt engineering) améliore la qualité fonctionnelle de la traduction, mais que son efficacité dépend de l’expertise des utilisateurs en matière de traduction et de discours bureaucratique. L’étude soutient que la réussite de la traduction institutionnelle dépend moins du choix du modèle que d’une médiation stratégique par l’ingénierie des invites, laquelle encode le registre et les normes institutionnelles, tout en reconnaissant que le prompting demeure un acte interprétatif susceptible de privilégier certaines lectures culturelles.