Le machine learning à la rescousse de Facebook
La réparation de Facebook ne connaît pas de pause. Alors que l’entreprise s’efforce de montrer patte blanche sur la protection des données personnelles après le scandale de l’affaire Cambridge Analytica, elle continue sa lutte sur le front des fake news. Il convient de rappeler que c’est notamment ce phénomène qui a poussé Mark Zuckerberg à consacrer l’année 2018 à la réparation de sa plateforme.
Plus de vérification des faits
Jeudi 21 juin, Tessa Lyons, chef de produits chez Facebook, a annoncé une série de mesures censées illustrer l’accroissement de leurs efforts dans la lutte contre les fake news. Tout d’abord, leur programme de vérification des faits s’étend à 14 nouveaux pays. Facebook dispose désormais dans ces pays d’équipes de fact-checking composées de professionnels certifiés et indépendants. Ils sont chargés d’évaluer le niveau de véracité des histoires racontées sur Facebook. Ils ont déjà démontré leur efficacité en réduisant de 80 % la distribution des articles jugés faux.
En outre, Facebook étend ses tests de vérification des faits relative aux photos et aux vidéos à quatre nouveaux pays. Une des difficultés posée par la désinformation est qu’elle est particulière à chaque pays, ce qui implique de faire des tests locaux. Dans tous les cas, ils portent sur les images ou des vidéos qui ont été soit manipulées, soit utilisées hors contexte.
Le machine learning contre les fake news de masse
Quand bien même les équipes de fact-checking feraient un travail de qualité, elles n’ont pas la capacité pour traiter la masse de contenus qui circulent chaque jour sur Facebook. Avec plus d’un milliard de publications à examiner, il est nécessaire de se doter d’outils permettant une gestion à une échelle plus large. Cet outil est le machine learning. En l’occurrence, cette technologie d’intelligence artificielle permet de détecter automatiquement les fausses informations produites par imitation. En effet, l’aspect massif du phénomène est en partie dû au fait qu’une fake news est souvent dupliquée en plusieurs exemplaires. Dès lors, il n’est plus nécessaire d’examiner chacun des contenus avec l’apprentissage machine qui est capable de reconnaître la fausse information produite à la chaîne. En l’espèce, Facebook déclare avoir identifié un faux circulant en France selon lequel un accident vasculaire cérébral pourrait être soigné en perçant les doigts d’une personne. Grâce au machine learning, 20 domaines et plus de 1 400 liens partageant cette information ont pu être détectés.
L’apprentissage machine apporte une aide non négligeable au travail humain de vérification des faits alors que les faux par imitation sont une tendance en augmentation depuis 2017. Ils sont l’une des armes favorites des spammeurs pour inonder les socionautes de publicités mensongères.
L’autre atout du machine learning est de repérer les caractéristiques des pages qui organisent des campagnes de fake news en utilisation le gestionnaire de publicité Facebook. Dans une interview pour Buzzfeed, Tessa Lyons dit en distinguer deux. En premier lieu, les sites dont ces pages sont tirées, sont parsemés de publicités de faible qualité. En second lieu, ces pages visent d’autres pays que celui dans lequel elles sont basées.
En dépit de ses apports, le machine learning n’est pas pour autant la panacée et le risque d’erreur n’est pas à exclure. C’est pourquoi le travail humain reste indispensable dans l’identification et la compréhension. Sur ce dernier point, Facebook a d’ailleurs lancé un programme de recherche en partenariat avec des universitaires pour étudier le rôle des réseaux sociaux dans les élections.
Pour finir, il ne faut pas oublier le volet « action » de la lutte contre les fake news. L’idée générale est de dégrader les Pages qui diffusent des fausses informations par de la publicité payante pour des audiences situées à l’extérieur du territoire dans lequel elles sont localisées.
Comment ?
En utilisant le machine learning.
Article de Thierry Randretsa
