Dans un contexte où la désinformation se propage rapidement sur les réseaux sociaux, notamment en période électorale, des chercheurs de l’Université Ben-Gourion du Néguev (BGU) en Israël ont développé un outil innovant qui promet d’améliorer l’efficacité de la lutte contre les fake news.
L'équipe, dirigée par le Dr Nir Grinberg et le professeur Rami Puzis du département de génie logiciel et de systèmes d'information de la BGU, a proposé une approche qui donne la priorité à la surveillance des sources de désinformation plutôt qu'à la concentration sur les publications individuelles.
Cette méthode, basée sur des modèles d’analyse d’audience et de machine learning, est bien plus efficace que les stratégies traditionnelles. Selon l’étude, les modèles ont surpassé les méthodes actuelles de 33 % lors de l’analyse des données historiques et jusqu’à 69 % lorsqu’ils ont été appliqués en temps réel à des sources émergentes.
« Notre objectif était d'aider les vérificateurs de faits à mieux cibler leur attention, car ils sont actuellement surchargés et incapables d'examiner tout le contenu en circulation. Nous avons développé un système qui leur permet d'identifier les sources problématiques plus rapidement et plus facilement », explique Grinberg.
L’un des principaux avantages du système est qu’il maintient le même niveau de précision que les méthodes actuelles, mais nécessite moins d’un quart des ressources allouées. L'étude a été récemment publiée dans les actes de la 30e conférence ACM SIGKDD sur la découverte des connaissances et l'exploration de données, l'une des principales conférences mondiales dans le domaine de l'intelligence artificielle et de l'analyse de données.