Veille oct 2020 n°2 – Workshop “Covid-19, fake-news & AI” – small report

L’atelier “Covid-19, fake-news and AI” organisé par le SCAI – Sorbonne Center for Artificial Intelligence le 14 sept. 2020 rassemblait en ligne des chercheurs, entrepreneurs et journalistes ayant travaillé sur le phénomène de la désinformation durant la période de confinement afin de mieux traquer les fake-news liées au COVID-19.

L’intérêt de cette mise en synergie des modes d’analyses et des innovations a transparu au cours du workshop. Les différentes présentations montrent en effet qu’il est difficile de mettre au point un système capable de pister automatiquement des fausses informations sans connaître leurs origines, leur nature et leurs enjeux. On perçoit mieux ainsi, l’intérêt des collaborations interprofessionnelles sur ce sujet.

La présentation de V. J. Perrier (CELSA / Sorbonne Université)1, responsable du Département journalisme au CELSA, montre tout d’abord l’intérêt d’une analyse sémiotique et linguistique de l’information pour reconnaître les informations fallacieuses. En s’inspirant d’un roman d’espionnage, V. J. Perrier propose une classification des modes d’intentionnalités des messages véhiculés, tels que la confusion, la dilution du message ou le renforcement de l’opinion d’un public. Ensuite, il faut remarquer que l’identification des fausses nouvelles passe par une analyse de la forme, agencée afin d’atteindre son objectif. Ainsi, l’intervenante nous rappelle que les messages peuvent être analysés en fonction de leurs composants : «comme dans bon smoothie, on doit pouvoir retrouver les différents éléments». Nous pouvons ainsi énumérer quelques-unes des recettes fréquemment utilisées pour la diffusion de fausses nouvelles  :

  • diffusion d’une contre-vérité non vérifiable
  • dénonciation d’une autorité
  • emploi d’une image non sourcée
  • mélange du vrai (ex : donnée chiffrée) et du faux
  • mise en arrière plan d’une partie des propos
  • re-twitt avec une prise de partie
  • source estompée ou sur-valorisée
Vidéo de YT : Password Live [@Password__Live]. 27/04/2020 à 11h41 diffusée sur Twitter testant la performance des masques par le souffle, méthode non validée par la profession médicale. Voir le débunking sur le site Journalistes Solidaires

N. Pailleux, A. Lesplingart et G. Kuster (CheckFirst) présentent l’initiative Journalistes solidaires . Née durant le confinement, suite à la mobilisation d’un ensemble de journalistes alertés par l’ampleur de la diffusion des fake-news, elle consiste en un dispositif innovant, qui, en complémentarité avec d’autres sites de fact-checking, témoigne d’une vision renouvelée du debunking. Sous la forme d’une rédaction décentralisée, ou open newsroom, les journalistes instruisent des bases de données collaboratives afin de documenter pas à pas des cas de nouvelles douteuses et d’étayer une solide démonstration pour les vérifier ou les invalider. Ce travail répond bien à l’enjeu global identifié au début de l’atelier qui est de contribuer à «ré-informer l’information».

Puis, nous plongeons au cœur même des travaux d’intelligence artificielle avec les présentations de représentants des start-up Kap Code et Buster AI et de Pierre-Carl Langlais (CELSA / Sorbonne University, GRIPIC).

Adel Mebarki, Pierre Foulquié and Anaïs Gedik de Kap Code, présentent leurs différents projets liés à l’analyse automatisée des réseaux sociaux et forums de discussion sur la santé basés sur les méthodes d’intelligence artificielle et le traitement automatique des langues. Leur entreprise est spécialisée dans l’innovation en santé offre des solutions autour du big data, des objets connectés et de la santé digitale. Notons que KapCode a récemment lancé la plateforme Épilogue, qui centralise des informations sur la pandémie de Covid-19.

D. Mardas (Buster AI) présente ensuite son API de fact-checking centrée sur la donnée et sur l’intelligence artificielle. La présentation revient sur le contexte général en décrivant la montée en puissance du phénomène de la désinformation sur le web, la mise en place de règlementations anti fake-news au niveau national et international et la pression pour la réalisation de dispositifs informatiques permettant de tracer les fake-news. Sans les citer toutes, nous donnons ici deux exemples chiffres à l’appui : «en 2022, nous consommerons vraisemblablement plus de fausses nouvelles que de vraies», par ailleurs l’action d’une vingtaine d’émetteurs mal intentionnés pourrait atteindre à elle seule près d’une centaine de millier de personnes. Tracer l’information devient donc un véritable enjeu, aussi bien pour les décideurs politiques, les médias que les entreprises tenant à préserver la crédibilité de leurs marques.

Œuvre dans le style GAN – Série “Neural Decay”, Mario Klingemann, CC- BY-NC. Source : Flickr

L’intervenant présente le projet spécifique lié au COVID-19 de Buster AI. Les novices pourront découvrir au passage l’existence les GAN – Generative Adversial Network, les Réseaux antagonistes génératifs2 ou du Deep-fake 3

Pierre-Carl Langlais (GRIPIC/ CELSA, Sorbonne Université), étudie la circulation des fake-news sur twitter au prisme de l’intelligence artificielle et montre en cela les potentialités des logiciels de traitement automatique de la langue en analyse stylistique. Il a contribué à des expériences de génération automatique de pastiches littéraires.

L’atelier se clôture avec l’intervention d’Alexandre Faye (BnF). Tout d’abord, il est rappelé que la BnF collecte les sites web français dans le cadre du dépôt légal. L’objectif est de produire une archive représentative des évolutions du web et de la diversité des contenus. Près de 5 millions de sites sont ainsi régulièrement archivés et consultables dans les enceintes de l’établissement ou des bibliothèques habilitées. La BnF met également en place des collectes ciblées sur des thématiques particulières et couvre l’actualité dans le cadre d’une collecte dynamique dite « collecte de l’actualité éphémère ». La collecte de contenu web lié au coronavirus a été réalisée dans ce cadre avec la participation de 80 contributeurs provenant des départements des collections de la BnF ou des bibliothèques habilitées. De février à juillet 2020, ce sont environ 15 téraoctets d’archives en données compressées (dont une collecte vidéos estimée à 1 To), qui ont été produits. Cette collecte est liée au projet d’archivage International mis en place par l’Internet Preservation Consortium (IIPC) en association avec Internet Archive : Novel Coronavirus (Covid-19). Les captures couvrent aussi bien les sites institutionnels, médias, associatifs, que les expressions libres exprimées sur des blogs ou sur les réseaux sociaux. Les contenus sélectionnés abordent l’ensemble des conséquences de cette crise inédite (aspects politiques, sociaux, économiques) et témoignent aussi de leurs dimensions territoriales. L’ensemble de ces archives suscitent d’emblée l’intérêt des participants qui ont souhaité plus d’information sur les formats de données et les possibilités de ré-utilisation permises par le statut juridique de cette collection.

Pour en savoir plus sur cette collecte et découvrir des exemples de sites collectés dans ce cadre, consultez le billet dédié sur le carnet de recherche Webcorpora. Pour une présentation des archives produites par l’INA, qui collecte le web en complémentarité de la BnF, consultez l’article dédié paru dans la revue WARCnet Papers.



  1. Valérie Jeanne-Perrier a récemment édité avec E. Souchier, E. Candel, et G. Gomez-Mejia. Le numérique comme écriture : Théories et méthodes d’analyse. Armand Colin, 2019. Concernant l’analyse informatique des controverses sur Twitter, nous pouvons consulter par exemple : Julliard, Virginie. « Les apports de la techno-sémiotique à l’analyse des controverses sur Twitter ». Hermès, La Revue n° 73, no 3 (11 décembre 2015): 191‑200. Ces méthodes d’analyse de contenu sont apparues dès les années 1990 et le lecteur pourra se reporter au travaux de Jacques Jenny :  « Methodes et pratiques formalisées d’analyse de contenu et de discours dans la recherche sociologique française contemporaine. Etat Des Lieux Et Essai De Classification ». Bulletin of Sociological Methodology-Bulletin de Méthodologie Sociologique 54, no 1 (1 mars 1997): 64‑122 []
  2. Utilisés dans l’art ou pour la recherche, les GAN sont définis comme suit : « En intelligence artificielle, les réseaux adverses génératifs (en anglais generative adversarial networks ou GANs) sont une classe d’algorithmes d’apprentissage non-supervisé. Ces algorithmes ont été introduits par Goodfellow et al. 2014. Ils permettent de générer des images avec un fort degré de réalisme. » Source :  Contributeurs de wikipédia, « Réseaux antagonistes génératifs », Wikipédia, l’encyclopédie libre, URL : https://fr.wikipedia.org/wiki/R%C3%A9seaux_antagonistes_g%C3%A9n%C3%A9ratifs, consulté le 30 septembre 2020 à 14h34 []
  3. « Le deepfake, ou hypertrucage, est une technique de synthèse d’images basée sur l’intelligence artificielle. Elle sert à superposer des fichiers audio et vidéo existants sur d’autres vidéos (par exemple : le changement de visage d’une personne sur une vidéo). » Source : Contributeurs de wikipédia, « Deepfake », Wikipédia, l’encyclopédie libre, URL : https://fr.wikipedia.org/wiki/Deepfake , consulté le 30 septembre 2020 à 14h34 []

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.