Nous présenterons les résultats d’une étude dans laquelle nous avons comparé, à travers une analyse manuelle et automatique sur corpus, la production de deux moteurs de traduction automatique statistique sur des textes du domaine médical, les revues systématiques Cochrane. Le moteur générique Google, qui s'appuie sur l'immense corpus Web, ainsi qu'un moteur développé spécifiquement pour ces textes et intégrant plusieurs corpus spécialisés (EMEA, UMLS, corpus de traduction et de post-édition Cochrane), ont été comparés tant en termes de qualité des textes post-édités résultants que d'effort de post-édition. Nous démontrerons comment l’utilisation ciblée faite des corpus dans le développement du moteur dédié Cochrane permet d’obtenir des gains tant au niveau de la cohérence terminologique, à travers l'élimination de certaines erreurs récurrentes, que de la productivité des post-éditeurs, en réduisant le nombre d'opérations d'édition effectuées.