Les fausses nouvelles se propagent comme des virus, selon une étude

Lorsqu’un individu contracte un virus, celui-ci se propage généralement à d’autres individus, se propageant inexorablement à travers la population. Des recherches récentes soulignent que cette dynamique de propagation s’apparente à celle des fausses informations circulant en ligne. Les chercheurs ont même utilisé un modèle mathématique utilisé en épidémiologie pour examiner la viralité des faux contenus.

À l’ère du numérique, où les réseaux sociaux captent une vaste audience et enregistrent un flux important de visites quotidiennes, ils se sont imposés comme des plateformes privilégiées de diffusion fulgurante d’informations, mais aussi de campagnes de désinformation. Les progrès technologiques, notamment dans le domaine de l’intelligence artificielle, rendent de plus en plus difficile la distinction entre vrai et faux. L’époque où les images étaient authentiques s’efface peu à peu. En outre, certains analystes affirment que les contenus trompeurs sont souvent étroitement liés à un élément de vérité, ce qui rend la détection des fausses nouvelles d’autant plus difficile.

Les plateformes sociales telles que Facebook et X ont mis en place des mesures pour lutter contre la désinformation, en optimisant leurs algorithmes et en déployant des stratégies de vérification des faits. Cependant, l’efficacité de ces initiatives reste discutable. Dans une étude récemment publiée dans la revue Plos Unles chercheurs ont adopté un modèle mathématique inspiré de l’épidémiologie pour évaluer l’impact de ces mesures. Leurs recherches ont commencé par une analyse minutieuse du système de diffusion de fausses informations en ligne, basée sur un modèle mathématique dérivé de l’épidémiologie.

:: LE T-SHIRT QUI SOUTIENT LA SCIENCE ! ::

Le modèle SIR appliqué à l’étude de la désinformation

En épidémiologie, le modèle Susceptible-Infected-Removed (SIR) est couramment utilisé pour disséquer la propagation des virus. Ce modèle segmente la population en trois catégories : les individus non exposés au virus mais susceptibles de le contracter, les personnes infectées qui propagent l’agent pathogène et enfin, celles qui, bien qu’exposées, ne propagent plus la maladie.

De la même manière, la propagation de la désinformation sur les réseaux sociaux suit un schéma similaire. Il y a des utilisateurs qui n’ont pas encore rencontré de fausses nouvelles, ceux qui y ont été exposés et les partagent activement, et ceux qui, bien qu’exposés, ne les diffusent pas. Dans leur étude, les chercheurs ont appliqué ce modèle à la théorie du complot « 5G-Coronavirus », qui liait faussement la pandémie de COVID-19 à l’installation de réseaux 5G. Les résultats ont montré que le modèle épidémiologique pouvait être utilisé efficacement pour caractériser la diffusion des contenus liés à cette théorie.

Quelles mesures peuvent être prises pour lutter contre la désinformation ?

Quant à l’efficacité des mesures contre la désinformation en ligne, les auteurs de l’étude soulignent que le fact-checking s’est avéré particulièrement efficace dès les premières étapes de la diffusion des contenus. La suppression des tweets liés aux théories du complot s’est avérée moins efficace, quel que soit le moment de l’intervention.

Cependant, dans un autre étude publié dans la revue Natureles chercheurs affirment que la suppression de contenu peut être efficace, à condition qu’elle soit effectuée rapidement. Selon eux, si une publication est supprimée dans les 30 minutes suivant sa détection, le risque de voir d’autres publications associées au contenu original peut être réduit d’environ 94 %. Ils ajoutent que la lutte contre la désinformation est plus efficace lorsque plusieurs techniques sont utilisées conjointement. Ils proposent simultanément la mise en œuvre d’un système de « coupe-circuit viral » pour freiner la diffusion des contenus, la suppression des publications et l’émission d’avertissements lorsque des informations erronées proviennent de comptes vérifiés comptant plus de 100 000 abonnés.

Source : Plos Un