Proposition d'un système de détection des fausses informations

Abstract

Dans ce contexte, l'intelligence artificielle offre des solutions prometteuses. Les approches basées sur le Traitement Automatique du Langage Naturel (NLP) permettent d'analyser le contenu textuel et d'identifier des incohérences sémantiques, tandis que les Réseaux de Neurones Graphiques (GNN) exploitent la structure des interactions sociales pour repérer des schémas de diffusion suspects. Combinées à des techniques multimodales (texte, image, audio, vidéo), ces approches hybrides ouvrent de nouvelles perspectives pour renforcer la robustesse des systèmes de détection. Afin de mieux comprendre et proposer une solution adaptée, ce mémoire est structuré en quatre chapitres principaux : Chapitre 1 : Les fausses informations Ce chapitre constitue la base théorique du travail. Il présente la définition des fausses nouvelles, leurs principales catégories (rumeurs, propagande, satire trompeuse, clickbait, etc.), ainsi que leurs caractéristiques spécifiques. Une attention particulière est accordée aux impacts des fake news sur les sociétés modernes, que ce soit sur le plan social, politique, économique ou sécuritaire. Ce chapitre met également en évidence les défis liés à leur identification et à leur classification. Chapitre 2 : Les réseaux sociaux et la diffusion des fake news Le deuxième chapitre se concentre sur les réseaux sociaux, qui représentent aujourd'hui le canal privilégié de propagation des fausses informations. Il en propose une définition, une classification et une analyse de leurs usages. Les enjeux liés à leur rôle (sociaux, économiques, politiques) y sont discutés en détail. Ce chapitre examine également les différentes approches de détection déjà mises en place par les plateformes et les chercheurs, tout en soulignant leurs limites face à l'évolution des techniques de désinformation. Chapitre 3 : Approches hybrides pour la détection des fausses informations Dans ce chapitre, nous pré- sentons les fondements théoriques et méthodologiques des approches hybrides. Nous expliquons comment le NLP permet de traiter et analyser les contenus textuels, tandis que les GNN offrent la possibilité de modéliser et exploiter les graphes d'interactions et de propagation des messages. L'apport des méthodes multimodales est également discuté, notamment pour la prise en charge des contenus visuels et audio. Le chapitre met en évidence les avantages d'une telle approche intégrée, mais aussi les défis techniques qu'elle implique (complexité computationnelle, qualité des données, scalabilité). Chapitre 4 : Proposition et conception d'un système hybride Le dernier chapitre est consacré à la proposition d'un modèle hybride pour la détection des fausses informations sur les réseaux sociaux. L'architecture du système est décrite en détail, en présentant ses principaux modules : collecte et prétraitement des données, analyse multimodale, détection via NLP et GNN, puis décision et réponse (alerte, blocage, notification). Une réflexion est menée sur la mise en œuvre pratique de ce système, en abordant les choix technologiques possibles, les contraintes de performance et les perspectives d'amélioration. Enfin, une simulation est esquissée afin de montrer la faisabilité de la solution proposée. En somme, ce travail s'inscrit dans une dynamique de recherche visant à renforcer les outils de cybersécurité et de fiabilité de l'information. L'objectif est de contribuer, à travers une approche hybride et multimodale, à limiter la propagation de la désinformation, et ainsi à préserver l'intégrité de l'espace numérique et social.