read-frog : traduction immersive et analyse d'articles dans le navigateur, alimentées par votre propre clé API

Le problème : lire une page étrangère sans quitter la page

La traduction par navigateur existe depuis longtemps, mais elle produit deux résultats peu utiles pour apprendre une langue. Soit elle remplace le texte d'origine, et vous perdez la version source. Soit elle ouvre un second onglet, et vous passez votre temps à comparer deux fenêtres. Le README de read-frog positionne le projet sur un troisième chemin : afficher la traduction à côté du texte d'origine, dans la page elle-même, et ajouter par-dessus des outils d'analyse. Le projet se décrit comme une extension « AI-powered language learning » qui prend en charge la « immersive translation » et l'« article analysis ». Le public visé est explicite dans le README : les apprenants de tous niveaux, avec une insistance sur le chinois, l'anglais et le japonais dans les topics du dépôt. Ce n'est donc pas un outil de traduction professionnelle. C'est un outil de lecture assistée, où la langue cible est aussi la langue que l'on essaie d'apprendre.

Traduction contextuelle et requêtes par lots : la mécanique visible

Deux fonctionnalités du README méritent l'attention, parce qu'elles décrivent un traitement et pas seulement une promesse. La première est la « Context-Aware Translation ». Une traduction phrase par phrase ignore ce qui précède et ce qui suit, ce qui produit des erreurs sur les pronoms, les termes ambigus et les tournures idiomatiques. Le nom de la fonction indique que le contexte est transmis au modèle, mais le README fourni ici ne détaille pas la taille de la fenêtre de contexte ni la manière dont elle est découpée. C'est une zone d'ombre à combler en lisant le code. La seconde est « Batch Requests ». Un appel réseau par paragraphe serait lent et coûteux ; regrouper plusieurs segments en une requête réduit la latence, au prix d'un risque : si un lot échoue, c'est tout le lot qu'il faut rejouer. Le README ne décrit pas la stratégie de reprise. Le projet cible également la « Subtitle Translation » et le « Text-to-Speech », ce qui élargit la surface bien au-delà du texte statique. Sur le plan technique, le dépôt est en TypeScript et utilise WXT, un framework pour extensions de navigateur, avec React côté interface. Cette combinaison indique une base moderne et un code partagé entre Chrome, Edge et Firefox, mais elle implique aussi que la compatibilité entre les trois moteurs de navigateur est un travail continu, pas un acquis.

Vingt fournisseurs et une clé API à votre charge

Le README annonce « 20+ AI Providers », et les topics du dépôt mentionnent OpenAI, GPT, DeepSeek et LLM de façon générique. Le point important n'est pas le nombre : c'est que l'extension ne fournit pas le modèle. Vous branchez votre propre fournisseur et votre propre clé. Cela a trois conséquences directes. La qualité de traduction n'est pas une propriété de read-frog, elle est une propriété du modèle que vous choisissez ; deux utilisateurs de la même version peuvent obtenir des résultats très différents. Le coût par page dépend de votre tarif fournisseur et de la consommation réelle, que le README ne chiffre pas. Enfin, vos clés et le texte que vous traduisez transitent vers le fournisseur que vous avez configuré, pas vers l'éditeur de l'extension. Pour un lecteur qui veut éviter de dépendre d'un service de traduction unique, c'est l'argument principal. Pour un lecteur qui veut installer et oublier, c'est une étape de configuration de plus, et une facture à surveiller.

Installation : ce que le dépôt permet réellement de faire

Le README oriente d'abord vers les magasins d'extensions : Chrome Web Store, Microsoft Edge Addons, Firefox Add-ons, avec un miroir tiers pour la Chine continentale. C'est la voie normale et elle ne demande aucune commande. Le dépôt sert de source pour la compilation depuis les sources, et l'usage de WXT implique les scripts habituels de ce framework, mais le README fourni ici ne les liste pas. Je ne peux donc pas donner de commande d'installation depuis les sources sans l'inventer. Ce qui est confirmé : le projet est sur la branche main, il publie des versions fréquentes (v1.46.7, v1.46.8, v1.46.9 entre le 2 et le 9 septembre 2026 selon les données de release), et il propose une documentation sur readfrog.app/docs ainsi qu'un changelog lié aux releases GitHub. Pour un utilisateur, la question de la configuration se résume à choisir un fournisseur et saisir une clé. Pour un développeur qui veut modifier le comportement, la documentation à lire en premier est celle des « Custom AI Actions », qui transforme un texte sélectionné en outil réutilisable.

Là où l'outil ne convient pas

Trois cas de figure posent problème. Le premier est l'usage professionnel en entreprise : le dépôt contient une section « Commercial License Grant », ce qui signale que la GPL-3.0 seule ne couvre pas tous les usages commerciaux, et il faut lire cette section avant tout déploiement en organisation. Le second est la traduction à valeur contractuelle ou médicale. Le résultat dépend d'un modèle externe, avec un risque d'erreur qui n'est ni mesuré ni documenté dans le matériel fourni. Aucun mécanisme de vérification n'est décrit. Le troisième est le lecteur qui n'a pas de clé API et ne veut pas en obtenir une : sans fournisseur configuré, l'extension n'a pas de moteur. Le README précise aussi que le projet est « currently under active development », ce qui est cohérent avec un rythme de publication soutenu mais implique que l'interface et les clés de configuration peuvent bouger entre deux versions.

Face à Immersive Translate, la différence est le modèle économique

Le topic « immersive-translate » figure dans le dépôt, ce qui rend la comparaison légitime. Immersive Translate est le concurrent direct sur la fonction principale : afficher la traduction sous le texte original dans la page. La différence d'approche porte sur qui paie le modèle. Immersive Translate propose un service de traduction géré, avec un quota gratuit et des offres payantes, donc une qualité homogène et aucune clé à gérer. read-frog prend le chemin inverse : le code est ouvert sous GPL-3.0, vous apportez votre fournisseur, et vous contrôlez à la fois la facture et la destination des données. Aucun des deux n'est meilleur dans l'absolu. Le premier convient à qui veut un résultat constant sans configuration. Le second convient à qui veut pouvoir changer de modèle, auditer ce qui est envoyé, ou faire tourner l'outil avec un fournisseur régional comme DeepSeek. Le coût caché de read-frog est le temps de réglage ; celui d'Immersive Translate est la dépendance à un service tiers.

Maintenance, licence et coût réel dans le temps

Le rythme de publication est élevé : trois versions en une semaine selon les données de release fournies. Pour un utilisateur du magasin, cela signifie des mises à jour fréquentes et un risque de régression ponctuelle. Pour un développeur qui maintient un fork, cela signifie des rebases réguliers, et le choix de WXT comme framework impose de suivre ses propres évolutions en parallèle. La licence est GPL-3.0, ce qui implique que toute redistribution modifiée doit rester sous la même licence. La section « Commercial License Grant » du dépôt suggère qu'un usage commercial est encadré séparément ; je ne peux pas en décrire les termes, ils ne figurent pas dans le matériel fourni. Le coût récurrent le plus concret n'est ni la licence ni la maintenance : c'est la consommation d'API. Elle dépend du nombre de pages traduites, de la taille des lots et du tarif du fournisseur choisi. Aucun de ces chiffres n'est donné par le README, et les estimer demanderait de mesurer soi-même sur un échantillon de pages.

Conclusion éditoriale

read-frog convient aux lecteurs qui veulent une traduction bilingue dans le navigateur sans transmettre leur trafic à un service propriétaire, et qui acceptent de gérer eux-mêmes une clé API. Ce n'est pas l'outil adapté si vous cherchez une qualité de traduction garantie sans configuration : le rendu dépend entièrement du modèle que vous branchez. Avant d'adopter, vérifiez deux choses concrètes : le contenu de la section « Commercial License Grant » du dépôt, puisque la GPL-3.0 ne couvre pas votre usage en entreprise, et le comportement de la traduction contextuelle sur une page dense en texte technique, car c'est là que le découpage en lots se voit.

Sources officielles

1. License: GPL-3.0
2. mengxi-ream/read-frog on GitHub
3. Project website
4. README
5. Releases