Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

A Framework for Auditing Recommendation Engines under the DSA

Description du projet

Cadre pour la mise en œuvre de la DSA

L’émergence récente des grands modèles de langage (LLM) et de l’intelligence artificielle (IA), ainsi que leur rôle croissant dans les réseaux sociaux et les moteurs de recherche (MR), soulignent la nécessité de surveiller et d’assurer leur fonctionnement en toute sécurité. La mise en œuvre de la loi européenne sur les services numériques (DSA) constitue un élément moteur essentiel dans le cadre de cet effort. Le projet FARE_DSA, financé par le CER, vise à développer un cadre de pipeline permettant d’auditer de manière approfondie les MR et les LLM basés sur la conversation instantanée, en fournissant un outil de validation de principe qui soutiendra et encouragera la mise en œuvre de l’article 40 de la DSA. Le projet étudiera le rôle et l’influence des algorithmes dans les LLM et les MR sur les processus électoraux et fournira des conseils pratiques pour surmonter les difficultés liées à la mise en œuvre de la DSA.

Objectif

This proposal presents a novel pipeline framework designed to systematically audit Search Engines (SEs) and chat-based Large Language Models (LLMs), serving as a proof-of-concept tool to support the implementation of Article 40 of the EU's Digital Services Act (DSA). The project addresses two critical goals: 1) to investigate how proprietary algorithms in SEs and LLMs influence electoral processes, and 2) to provide practical guidance to overcome complex DSA implementation challenges.

SEs, such as Google, and LLMs, such as ChatGPT, have become primary channels for accessing information. Yet, both rely on opaque and fast-evolving algorithms that are difficult to audit. This raises significant concerns regarding the fairness, transparency, and neutrality of information they offer, particularly in contexts critical to democracy, such as elections: given their widespread use, even minor algorithmic biases can have significant impacts, influencing voter perceptions and electoral outcomes.

The proposed framework leverages resources developed in two ERC-funded projects, including an advanced bot-based auditing tool. Previous studies conducted during high-stakes events, such as the 2024 EU Parliamentary elections, show systematic biases in search results and LLM responses and it is crucial to better understand the origin and implications of these observations. With FARE_DSA we want to probe this systemic bias by combining our independent auditing tool with the first-ever instances of granted access to platform data, through Article 40.

In collaboration with different stakeholders, we will address key technical and procedural hurdles and deliver actionable insight on DSA implementation. Overall, this proposal seeks to establish a rigorous, reproducible auditing methodology capable of informing policy decisions, enhancing transparency, and bolstering democratic resilience through improved regulation and oversight of algorithm-driven platforms.

Champ scientifique (EuroSciVoc)

Programme(s)

Thème(s)

Régime de financement

HORIZON-ERC-POC - HORIZON ERC Proof of Concept Grants

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) ERC-2025-POC

Voir tous les projets financés au titre de cet appel

Institution d’accueil

LABORATORIO DE INSTRUMENTACAO E FISICA EXPERIMENTAL DE PARTICULAS LIP
Contribution nette de l'UE
€ 150 000,00
Coût total
Aucune donnée

Bénéficiaires (1)