Ce mémoire évalue s'il existe une corrélation entre la longueur des segments et la qualité des traductions automatiques neuronales. Un corpus anglais-espagnol a été créé pour effectuer des évaluations humaines et automatiques. Pour l'évaluation humaine, les mesures de fluidité, fidélité et réutilisabilité ont été utilisées et pour l'évaluation automatique celle de BLEU. Les tendances les plus marquées sont que les segments d'une longueur de 1 à 10 mots obtiennent de meilleurs scores que les segments plus longs (jusqu'à 40 mots) et que DeepL est plus performant que Microsoft Translator. En outre, dans cette étude, les segments courts (20 mots ou moins) ont obtenu des scores plus élevés que les segments longs (21-40 mots) tout au long des évaluations humaines.