Amis, abonnés et fausses nouvelles: instaurer la confiance dans les réseaux en ligne
Comprendre la manière dont les membres du public prennent des décisions est d’une importance cruciale pour toute une série d’applications, de la politique au commerce en passant par les soins de santé. Mais il est difficile de modéliser avec précision les sentiments de vastes groupes de personnes, qui s’appuient souvent sur des données fragmentées, hétérogènes et contradictoires. Le projet DeciTrustNET vise à résoudre ce problème en élaborant des modèles mathématiques capables d’identifier les niveaux de confiance au sein d’un réseau et de consensus parmi les foules. «Les gens ont tendance à définir leurs opinions avec des mots plutôt qu’avec des chiffres», explique le coordinateur du projet, Francisco Chiclana, de l’université De Montfort, à Leicester, au Royaume-Uni. «Mes recherches portent sur la façon de modéliser l’accord entre des personnes dont les préférences sont floues.»
Des liens en ligne
Les réseaux sociaux étant de plus en plus au cœur de la vie moderne, il est important de comprendre comment ils façonnent les attitudes et les décisions afin d’expliquer des phénomènes tels que la diffusion de désinformation en ligne ou le rejet de faits réels considérés comme des «fausses nouvelles». DeciTrustNET est un cadre qui prend en considération les relations actuelles et historiques au sein du réseau pour évaluer avec précision la fiabilité des informations qui y circulent. Selon Francisco Chiclana, la confiance est un élément essentiel de la manière dont les comportements sont influencés par les relations en ligne. «La confiance existe entre amis: parce que je vous connais et que je sais que vous êtes honnête, quand vous dites quelque chose, c’est en principe vrai», ajoute-t-il. La modélisation par le calcul de cette confiance peut aider à construire des réseaux qui résistent à la diffusion de fausses informations en signalant les contenus douteux.
Tâter le terrain
Les modèles ainsi développés peuvent également mesurer le niveau de consensus au sein d’un groupe de personnes, et identifier celles dont les opinions sont les plus éloignées de la moyenne. «Par exemple, si le gouvernement essaye de légiférer sur le salaire minimum, il peut laisser filtrer quelques informations préliminaires dans les médias», explique Francisco Chiclana. «Les gens vont réagir sur Twitter ou Facebook, et le gouvernement pourra ainsi analyser le degré d’acceptation de cette idée. S’il perçoit qu’une majorité de personnes sont favorables à ce changement, il pourra poursuivre dans cette voie.» Des sociétés de marketing pourraient également utiliser des outils d’intelligence artificielle capables d’analyser le niveau de confiance entre les personnes en ligne afin d’identifier les influenceurs les plus aptes à faire croître les ventes de leur produit.
Dossier de publications
Cette recherche a été entreprise avec le soutien du programme Marie Skłodowska-Curie, qui a fourni des fonds pour que la chercheuse Raquel Ureña puisse rejoindre Francisco Chiclana. «Le but principal de ce projet était de développer un cadre mathématique et informatique pour un choix social reposant sur la confiance avec des informations imprécises, et nous sommes parvenus à le rendre efficace», dit-il. «En deux ans, nous avons assuré sept publications dans des revues très réputées.» Selon Francisco Chiclana, les travaux futurs se concentreront sur des modèles qui fonctionnent de manière dynamique et fournissent un feedback, par exemple en informant les décideurs politiques sur la manière dont le public réagira aux nouvelles initiatives, ou sur la manière dont les organisations de soins de santé peuvent le plus efficacement inciter les gens à éviter des comportements nuisibles comme le tabagisme.
Mots‑clés
DeciTrustNET, confiance, en ligne, social, réseau, fausses, nouvelles, décision, social, influenceurs, désinformation