Navigation – Plan du site

AccueilNumérosVol. 17 | N° 1-2Intelligence artificielle et fact...

Intelligence artificielle et fact-checking en Afrique : entre logiques de dépendance et limites de l’automatisation

Artificial intelligence and fact-checking in Africa: between logics of dependence and limits of automation
Inteligencia artificial y fact-checking en África: entre lógicas de dependencia y límites de la automatización
Sokhna-Fatou SECK-SARR
p. 267-288

Résumés

L’article porte sur les initiatives de fact-checking dans un contexte d’essor de l’intelligence artificielle. En référence aux théories de l’économie politique de la communication, des platforms studies, l’étude éclaire l’évolution très embrouillée des initiatives en Afrique. L’approche combine l’analyse de contenu et l’observation distanciée de deux plateformes de vérification des faits, choisies sur la base de leur ancrage local et de l’expérimentation des outils intelligents : Africa Check et Check4Decision. Les résultats soulignent les dépendances économiques et technologiques des plateformes africaines aux GAFAM par les services de fact-checking et un processus d’automatisation loin d’être abouti au regard des réalités locales. Il apparaît que le terrain africain offre un regard différent avec des contraintes structurelles et des biais « culturels » algorithmiques.

Haut de page

Texte intégral

Introduction

1Dans le champ journalistique, la question de savoir si l’intelligence artificielle (IA) va remplacer ou libérer les journalistes suscite des débats (Watine et Gramaccia, 2018), et l’avenir du journalisme est scruté de près (Marconi, 2020). Parallèlement, « les outils liés à l’intelligence artificielle gagnent en popularité dans les salles de nouvelles » (Saint-Germain et White, 2021a, s.p.). En effet, l’éventail des possibilités est très large, comprenant la détection et l’extraction de données, la vérification, la production des récits ou des graphiques, la diffusion (avec des filtres de tri, de sélection, de priorisation) ou encore le classement des articles (automatic tagging). La recherche tend de plus en plus à circonscrire les enjeux de l’IA à l’exonération des tâches fastidieuses ou à la lecture des données impossible à l’échelle humaine.

  • 1 GAFAM est l’acronyme qui désigne les géants du web : Google, Apple, Facebook, Amazon et Microsoft.

2Rares sont les travaux qui interrogent les effets potentiels de l’intelligence artificielle sur les pratiques de vérification de l’information. Pour autant, les outils liés à l’IA proviennent principalement de grandes entreprises médiatiques (Beckett, 2021 ; Keefe et al., 2021) ou des géants du Web, causant une inégalité quant à l’accès à ces outils. Il en ressort le constat que les médias africains peinent à asseoir une stratégie autour du fact-checking automatisé, qu’il s’agisse des technologies d’apprentissage par la machine (machine learning) ou du traitement automatique de la langue. L’accès à ces outils coûte cher et suppose des partenariats spécifiques avec les GAFAM1, lesquels constituent « autant des opportunités que des opportunismes » (Bigot et Nicey, 2020, p. 59). Dans cette perspective, les plateformes spécialisées dans la vérification des faits collaborent avec les géants tels que Google et Facebook, avec un objectif affiché de lutter contre la désinformation en ligne. Toutefois, les initiatives de fact-checking automatisé restent à être découvertes dans un contexte d’essor de l’intelligence artificielle. Sur ce plan, le terrain africain porte un intérêt et peut offrir un regard différent basé sur les initiatives et réalités locales.

3Se pose d’emblée la question de savoir si les initiatives de vérification automatique renforcent les liens de dépendance économique et technologique envers les GAFAM ou s’inscrivent dans des logiques de plateformisation occultant les contextes locaux et l’humanisation des pratiques avec un risque d’échec des expérimentations. L’étude, qui se veut exploratoire, postule, d’une part, que les initiatives déployées par Google et Facebook sont empreintes d’ambiguïtés, de soubassements économiques et de logiques de domination et, d’autre part, l’hypothèse qu’une vérification semi-automatisée reste plus perceptible au regard des contraintes et des réalités à l’échelle africaine.

4À la croisée des théories de l’économie politique de la communication, des platforms studies et de l’intelligence artificielle, la recherche mobilise parallèlement les logiques sociales, afin d’éclairer l’évolution très embrouillée des initiatives de fact-checking automatisé en Afrique. L’étude se focalise sur le site Web spécialisé en vérification des faits Africa Check et le dispositif local Check4decision, expérimenté par des universitaires sénégalais. Dans cet article, nous présenterons tout d’abord l’ancrage théorique et la démarche méthodologique. Nous analyserons ensuite les logiques économiques, de dépendance, de plateformisation et d’expérimentation qui entourent ces initiatives, et nous finirons par établir les limites de la vérification automatique au regard du contexte africain.

Repères théoriques et méthodologiques

5Pour une prise en compte heuristique des enjeux liés à la vérification des faits automatisée, les théories en lien avec l’économie politique de la communication, les platforms studies et le fact-checking basé sur l’intelligence artificielle sont mobilisées.

De l’économie politique de la communication aux platforms studies

6Apparue à la fin des années 1960, l’économie politique de la communication (EPC), que l’on qualifie souvent de « critique », accorde une centralité « à la question des rapports de pouvoir qui structurent tant la production et la diffusion que la réception des textes culturels et médiatiques » (Magis, 2016, p. 48). Dans cette perspective, Vincent Mosco (1996) met en exergue les relations de pouvoir dans l’analyse de la production, de la distribution et des échanges de ressources. En effet, la plupart des travaux sur l’EPC mettent l’accent sur les phénomènes de déséquilibre et de domination. Combinée aux logiques sociales, lesquelles « identifient des mouvements de longue durée, portant aussi bien sur des processus de production que sur des articulations production/consommation, ou sur des mécanismes de formation des usages » (Miège, 1989, p. 2), l’EPC permet ici de mieux cerner la dépendance pouvant exister entre les plateformes de fact-cheking et les GAFAM (Ndiaye et al., 2021) dans un contexte de plateformisation de l’information (Mercier, 2021).

7La dynamique de la « plateformisation » (platforms studies) (Rebillard et Smyrnaios, 2019 ; Helmond, 2015)

marque le passage, pour la production et la diffusion d’information, d’un processus de choix éditoriaux à un processus guidé par la demande au sein duquel le contenu est continuellement modulé et réassemblé sur la base de données collectées à propos des utilisateurs et de leurs pratiques (Poell et al., 2017, p. 10).

8La plateformisation s’inscrit dans des logiques d’industrialisation et de marchandisation (Bullich, 2018). Ainsi, les oppositions récurrentes entre les éditeurs de presse et les plateformes comme Facebook ou Google News fustigent les pratiques d’intermédiation, à la fois informationnelles et commerciales. Il apparaît par ailleurs que la plupart des travaux sur l’intermédiation/l’infomédiation se focalisent sur l’aval « des filières au sein desquelles elles s’intègrent […] » et que « les autres phases de la chaîne de production sont fréquemment oblitérées » (Bullich et Schmitt, 2019, p. 11). Le fait de prendre en compte la phase en amont permet de comprendre ce qui est en jeu et de mesurer la portée des mutations que la « plateformisation » conjuguée à l’IA est susceptible d’induire sur les pratiques de fact-cheking. D’un point de vue technosémiotique, la plateformisation permet de cerner la modélisation/l’homogénéisation des formats médiatiques (Rebillard et Smyrniaos, 2019), y compris ceux des faits vérifiés (« fact-checks »).

  • 2 Utilisation de l’intelligence artificielle pour modéliser et reproduire les capacités de communicat (...)
  • 3 Donner à un programme informatique les capacités d’apprentissage en se basant sur des connaissances (...)

9Historiquement, le fact-checking est envisagé comme un ensemble de pratiques journalistiques consistant à vérifier ponctuellement la véracité des propos tenus par des responsables politiques, des personnes publiques, ou encore, par extension, à décrypter des rumeurs circulant en ligne (technique aussi nommée « debunking » ou « chasse aux rumeurs »). Aujourd’hui, le concept de fact-checking a « opéré un glissement pour désigner, non plus la vérification exhaustive et systématique des contenus journalistiques a priori, mais le contrôle ponctuel de citations publiques a posteriori » (Bigot, 2017, p. 132). La pratique de la vérification des faits a pris de l’importance face à la propagation des « fake news », se déplace progressivement vers la périphérie du journalisme et reste de plus en plus effectuée par des acteurs externes au champ des médias (Cheruiyot et Conill, 2018). Pour les sciences informatiques (SI), l’objet du fact-checking fait référence à l’intelligence artificielle, laquelle n’est nouvelle qu’en apparence, ses origines remontant aux travaux de Turing (1936). Plus connue sous l’acronyme IA et popularisée par John Mac Carthy (1956), l’intelligence artificielle désigne la « capacité d’une unité fonctionnelle à exécuter des fonctions généralement associées à l’intelligence humaine, telles que le raisonnement et l’apprentissage » (Norme ISO 2382-28, 1995), qu’il s’agisse du traitement automatique de la langue naturelle (TALN)2 (Dufour, 2020 ; Enjalbert, 2005), du machine learning3 ou de l’apprentissage par la machine (Sarker, 2021). L’IA appliquée au fact-checking à travers les processus de quantification des données (Coddington, 2015 ; Ferrer-Conill, 2017) et les pratiques algorithmiques apparaissent comme « une forme d’évaluation automatisée de la véracité » (Ciampaglia et al., 2015), contribuant à forger des imaginaires autant dystopiques qu’utopiques (Dierickx, 2021). Ce sont précisément ces logiques économiques et technosémiotiques, ainsi que les limites reliées à la vérification automatique des faits, qui sont étudiées dans le présent article.

Approche exploratoire des initiatives de fact-checking automatisé

10Dès lors qu’on s’intéresse à un phénomène aussi complexe que la vérification des faits basée sur l’IA, l’approche exploratoire qualitative semble être plus appropriée. Ainsi, une démarche diptyque est privilégiée : elle combine l’analyse de contenu et l’observation distanciée de deux plateformes de vérification des faits déployées en Afrique.

  • 4 Une plateforme destinée au fact-checking financée par le Centre d’Excellence Africain en Mathématiq (...)
  • 5 Les établissements concernés sont l’Université Iba der Thiam de Thiès (UIDT), l’Université Assane S (...)
  • 6 Voir à ce sujet : https://www.ceamitic.sn/

11Ces dernières sont choisies sur la base de deux critères : l’ancrage local et l’expérimentation du fact-checking automatisé grâce aux outils intelligents. La plateforme de vérification des faits Africa Check, considérée comme pionnière dans le domaine du fact-checking sur le continent et créée en Afrique du Sud en 2012, couvre trois autres pays subsahariens (le Sénégal, le Nigéria et le Kenya). Sa notoriété et ses partenariats avec les GAFAM en font un programme pertinent à étudier. Le projet de recherche Check4Decision4, lancé en novembre 2019 par un consortium de quatre universités, dont trois sénégalaises et une française5, est financé par le Centre d’Excellence Africain en Mathématiques, Informatique et TIC (CEA-MITIC)6. Sa dimension locale (centrée sur la presse sénégalaise) et son statut de plateforme d’expérimentation en font un dispositif intéressant à explorer.

12L’étude s’est d’abord focalisée sur l’analyse des contenus médiatiques et promotionnels de ces plateformes publiés dans le périmètre du Web. À travers le moteur de recherche Google, une dizaine d’articles en lien avec le lancement des projets de fact-checking automatisé ou présentant les promoteurs sert de données. L’analyse repose également sur des documents produits par les plateformes et leurs partenaires. En ce qui concerne la plateforme Africa Check, les rubriques « Fact-checks du programme META », « Comment nous sommes financés » et « Notre impact » ont permis de mieux saisir les logiques économiques et marketing. Par la suite, la démarche s’est appuyée sur une observation distanciée des plateformes sur la période de juillet 2022 à août 2023. Sur ce plan, il s’est agi de relever les modules ou les fonctionnalités de fact-checking, désignés comme étant basés sur l’IA.

13Le caractère expérimental et évolutif du fact-checking automatisé nécessite d’envisager le dispositif dans une perspective large. En effet, pour une prise en compte heuristique des enjeux liés à la vérification automatisée des faits, les logiques sociales contribuent à « dénouer des situations très imbriquées, où des enjeux de natures diverses se superposent et se concurrencent » (Miège, op. cit., p. 3). Ainsi, diverses logiques ont orienté l’analyse : les jeux de pouvoir, les soubassements économiques, les modules intelligents introduits dans les dispositifs, les cadres d’expérimentation et de formation. Une démarche transversale évite de limiter l’analyse à la dimension technique et prolonge la réflexion sur les limites du fact-checking automatisé dans un contexte africain.

Fact-checking : logiques, dépendance et limites

Logiques économiques et dépendance

14Pionnier dans le domaine de la vérification des faits, Africa Check a fait le choix d’acquérir le statut d’organisation indépendante à but non lucratif et non pas celui d’entreprise de presse. Nonobstant ce statut, le programme dispose de partenaires stratégiques qui participent au financement de ses activités. La version française du site Web a été conçue et développée par la Fondation de l’Agence Française de Presse (AFP) avec le soutien de l’Open Society Initiative for West Africa (OSIWA). Africa Check est membre de l’International Fact-Checking Network (IFCN), une entité du Poynter Institute qui « a contribué à l’institutionnalisation du métadiscours autour de la vérification » (Petters, 2020, p. 2). Les initiatives certifiées par l’IFCN doivent respecter cinq principes : mettre à disposition les sources employées, expliquer la méthodologie mobilisée lors des vérifications, adopter une politique explicite en cas d’erreur, avoir un caractère non partisan et exposer les sources de revenus financiers. L’IFCN existe en grande partie grâce au soutien de Facebook et au référencement bienveillant de Google (IFCN, 2015). Dans le même sillage, les ressources financières du programme Africa Check proviennent essentiellement des GAFAM. En 2022, le programme affiche des revenus confortables7 répartis entre les programmes des géants du Web, Tri Facts8 et Meta (26 %), Bill et Melinda Gates Foundation (15 %), Google (13 %), Luminate (10 %)9 et Full Fact (3 %)10. En effet, Africa Check11 collabore avec ces derniers à travers notamment le Google News Initiative12, le Facebook Third-Party Fact-Checking Program13 et le Meta Journalism Project14.

15Accusé de contribuer au déclin de la presse et de laisser proliférer la désinformation, le moteur de recherche Google « s’est lancé dans une vaste refonte de ses “News” avec l’intelligence artificielle » (BBC News, mai 2018). Dans la continuité de son programme Google News Initiative (GNI), amorcé en 2016, le géant du Web a mis en place pour les médias un moteur de recherche spécialisé dans la vérification, Fact Check Explorer15, mais aussi Claim Review16 (conjointement avec Bing), permettant d’étiqueter les articles de vérification pour les promouvoir, ou encore Google Advanced Search. Google dispose également d’un programme spécifique dédié à l’IA, Google AI Impact Challenge, consistant en un appel à projets visant à soutenir la mise en place de techniques d’intelligence artificielle pour lutter activement contre la désinformation dans le monde. Africa Check fait partie des lauréats de l’édition 2019 (Africa Check, mai 2019). Le programme est coordonné par Full Fact et bénéficie d’une subvention d’un montant de deux millions de dollars américains répartis sur une période de trois ans.

16Africa Check est aussi partenaire de l’initiative Facebook Third-Party Fact-Checking Program, destinée aux principaux fact-checkers mondiaux pour vérifier, puis supprimer les fausses informations partagées et/ou signalées par les utilisateurs (Facebook, 2016). Ce programme « vise à détecter et à traiter la désinformation virale, en particulier les canulars évidents qui ne reposent sur aucun fait » (Bigot, 2019, p. 122-123). Selon Facebook, ce partenariat aurait permis de réduire de 80 % les « infox » publiées sur ses pages17. Dans son prolongement, le Meta Journalism Project « travaille avec des éditeurs du monde entier pour resserrer les liens entre les journalistes et le public qu’elles et ils informent. Il aide également à relever les principaux défis économiques auxquels fait face le secteur du journalisme »18. La collaboration avec Africa Check a permis de vérifier 127 faits et semble s’être renforcée durant la pandémie du coronavirus avec la vérification des faits en ce qui a trait à l’application WhatsApp.

17Ces logiques économiques démontrent que « dans le domaine de l’IA, les médias se rendent encore une fois dépendants » (Bremme, 2019)19. Ces partenariats viennent ainsi confirmer la suprématie des GAFAM, dans le champ de l’information en ligne, largement soulignée par les travaux antérieurs, mais aussi dans les initiatives de vérification des faits. Ce qui interpelle le plus et qui paraît paradoxal dans ces logiques de partenariat, c’est que les GAFAM, qui contribuent grandement à la prolifération de fausses nouvelles, détiennent l’essentiel du savoir technique autour de la vérification des faits et de l’IA. En effet, ces outils intelligents promus par les géants du Web véhiculent une grande masse de fausses informations, soit des rapports de pouvoir qui structurent la production et la diffusion des outils intelligents de vérification des faits pouvant renforcer les phénomènes de déséquilibre. Le projet de recherche Check4Decision, déjà financé par le Centre d’Excellence Africain en Mathématiques, Informatique et TIC (CEA-MITIC) et qui a reçu un financement de la Banque mondiale, semble pour l’instant être moins dépendant des GAFAM. Ce programme, censé intervenir sur le fact-checking dans le champ de la presse sénégalaise en ligne, tarderait à dépasser le niveau expérimental.

Logiques techniques et expérimentales

  • 20 Page « Africa Check : séparer la réalité de la fiction », site du Centre d’études stratégiques de l (...)

18La vérification automatique est basée sur le recours aux algorithmes, au traitement automatique des langues ou encore à l’apprentissage automatique (Graves, 2018 ; Thorne et Vlachos, 2018). Pour sa part, Africa Check a opté pour une stratégie de vérification des faits basée sur neuf étapes, décrites sur son site Internet20 : (1) choisir une affirmation à vérifier ; (2) retranscrire exactement les propos tenus ; (3) rechercher des preuves ; (4) vérifier les archives ainsi que d’autres sources ; (5) discuter des preuves avec des experts ; (6) rédiger un rapport mettant en exergue point par point les éléments de preuve et fournir des liens ; (7) mener une enquête indépendante en interne ; (8) publier et (9) surveiller les commentaires. À y regarder de près, deux, voire trois des étapes semblent recourir à des données automatiques : le choix du fait à vérifier, la recherche des preuves et la vérification des archives et des sources. Au regard de la méthodologie d’évaluation, le processus de vérification privilégié n’est pas entièrement automatisé. De ce fait, la méthode de vérification des faits peut être considérée comme semi-automatisée, dans la mesure où « la vérification automatique concerne davantage la vérification de l’information et le verdict à propos de sa véracité » (Kolli et al., 2022).

19Pour autant, lauréat 2019 du Google AI Impact Challenge, Africa Check est accompagné pour mettre en place « des techniques d’intelligence artificielle ». Mais, dans les faits, les initiatives sont pilotées par des plateformes du Nord et se limitent à l’expérimentation d’outils préconçus et de modules de formation. En fait, le géant du Web contribue, selon le modèle du courtage, à développer des activités d’intermédiation sur deux plans : dans la professionnalisation et les formatages en correspondance au marché. Ainsi, dans le cas d’Africa Check, Full Fact assure l’accompagnement avec des des experts en intelligence artificielle de Google. À travers leurs offres technologiques et la mise à disposition d’outils clés, les GAFAM s’inscrivent dans des logiques de plateformisation et d’industrialisation (Bullich, 2018), accentuant ainsi la dépendance technologique. C’est d’ailleurs la raison pour laquelle Africa Check fustige le fait que « les solutions technologiques aux problèmes ont très souvent été développées dans et pour le Nord » et voudrait s’assurer que les solutions développées correspondent bien aux besoins de l’Afrique (Africa Check, 7 mai 2019)21. Dans une perspective pédagogique, Africa Check propose des « guides » aux internautes afin de « repérer des images (photos ou vidéos) générées par l’IA ou d’éviter les fausses informations » 22sur WhatsApp.

Check4Decision : une expérimentation pédagogique

20Le projet de recherche Check4Decision23, développé dans un cadre universitaire, consiste à utiliser l’intelligence artificielle pour favoriser l’automatisation de la vérification des faits. La plateforme Check4Decision est composée de cinq modules : un crawler intelligent, un module de classification automatique basé sur le machine learning, un module de stockage, un module d’indexation et un tableau de bord. Les modules d’extraction et de classification semblent être les seuls à être basés exclusivement sur l’IA. À ce propos, le crawler intelligent Crawler4Senegal recourt au machine learning afin de localiser les contenus pertinents24. Il gère l’acquisition des données à partir d’une liste «seed» de sites prédéfinis comportant 145 sites d’information en ligne.

21Cependant, l’évaluation du dispositif expérimental montre que la plateforme ressemble davantage à un moteur de recherche sur la presse en ligne au Sénégal. En effet, un moteur de recherche générique25 est inclus dans le dispositif et contient plus de 500 000 articles de presse26 agrégés, stockés, puis classés par catégorie et par thématique, grâce aux techniques du machine learning27. Le volet fact-checking apparaît marginal, car le sous-moteur qui y est consacré présente 395 articles de presse déjà vérifiés par des journalistes fact-checkers confirmés. En réalité, le dispositif est interfacé directement avec des plateformes de référence spécialisées dans le fact-checking telles que Africa Check, Factuel AFP, etc. Toutefois, on retrouve parmi les sources des sites d’information non spécialisés dans le fact-checking comme France 24, BBC News, ICI Radio-Canada et des portails sénégalais comme Pressafrik et Seneweb, une pluralité de sources qui a fait ressortir une redondance de l’information. À titre d’exemple, le Crawler4Senegal, à travers une modélisation des articles, a relevé des doublons, appelés aussi « les ensembles de données de Frankenstein28 » pour désigner des données assemblées à partir de plusieurs sources et pouvant contenir des doublons.

22À ce stade de l’analyse, force est de reconnaître que des efforts substantiels ont été consentis dans la recherche d’une solution de vérification automatique des faits. Cependant, l’utilisation des technologies intelligentes demeure pour l’instant au stade expérimental avec un processus semi-automatisé nécessitant certainement une part d’humanisation.

Limites de l’automatisation versus l’humanisation

23Les fact-checkers sont conscients des limites de leurs pratiques, car de nombreuses informations deviennent bien trop complexes pour être catégorisées comme « vraies » ou « fausses ». A priori, « la perception humaine n’est désormais plus en capacité de faire la distinction entre le vrai et le faux » (Lloveria, 2022, p. 3). Le phénomène du deepfake, une forme d’apprentissage machinique exploitant des réseaux de neurones artificiels (Giles, 2018) capables de traiter de larges échantillons d’exemples en vue notamment d’imiter les expressions faciales, corporelles et vocales d’une personne (Westerlund, 2019), exacerbe les limites de la vérification des faits. Combinée à la blockchain, l’IA peut permettre d’authentifier une information avec, par exemple, des applications comme Truepic et Serelay, utilisées par l’équipe du Wall Street Journal pour authentifier les images.

24Dans un cadre logique, le fact-checking nécessite l’existence de bases de données et de ressources numériques fiables et structurées (Goasdoué et al., 2013), et repose sur les pratiques du datajournalism. Or ni ce type de données ni les techniques et les pratiques associées ne sont assez établies dans l’environnement médiatique en Afrique (Kooli et al., 2022). Il est évident que les « outils qui sont d’usage dans les pays occidentaux sont parfois inefficaces dans la sphère culturelle locale » (Ibid., s.p). Par ailleurs, comme le constate Serres (2015, « ces applications semblent repousser très loin la part de l’humain dans le jugement de fiabilité et introduire “du sens” dans la machine » (p.4). Or l’existence de biais algorithmiques nécessite une intervention humaine. Antonin Descampe et François Standaert (2021) démontrent combien il peut être facile de tromper certains algorithmes (de classification) et invitent les journalistes à être garants des « décisions algorithmiques ». Ce consensus sur la nécessité d’un « humain dans la boucle » pour les systèmes IA est supposé « être un remède à plusieurs maux algorithmiques : elle permettrait de détecter des erreurs algorithmiques, de rendre le processus algorithmique “plus juste”, et de contribuer à une meilleure responsabilisation des décisions algorithmiques » (Maxwell, 2022, s.p.). On reconnaît dès lors une forme d’humanisation de la vérification qui ne peut être que bénéfique dans la recherche de la vérité (Diakhaté et Kouakou, 2021). Cependant, on saisit difficilement comment l’humain, renvoyant ici au journaliste, peut tirer profit de ces technologies alors qu’il est éloigné des espaces de développement des applications et qu’il ignore ce qui se cache derrière les algorithmes et les données massives.

Conclusion

25Cette étude postulait que les partenariats entre les GAFAM et les plateformes de vérification des faits en Afrique sont teintés de logiques économiques et d’enjeux de domination, mais aussi que les processus innovants annoncés par l’IA renforcent la dépendance technologique et ne permettent pas pour l’instant une automatisation complète de la vérification des faits au regard des contraintes et des réalités locales. Les résultats de l’étude exploratoire confirment ces hypothèses. Il apparaît que la vérification des faits « navigue entre logiques commerciales […] et marketing » (Bigot et Nicey, 2020, p. 11) et de plateformisation. Les revenus issus des pratiques de vérification de faits provenant des GAFAM, de même que la mainmise de ces derniers sur la conception et le déploiement des outils intelligents, confirment leur statut de géants dominants dans le processus de plateformisation de l’information en ligne. Bigot et Nicey considèrent que Facebook et Google « tirent de leurs soutiens au fact-checking un bénéfice à la fois réglementaire (de conformité aux demandes d’institutions), symbolique (d’image de marque) et économique » (2020, p. 67).

26Concernant l’automatisation des pratiques de vérification promues par les géants, nous convenons avec Graves (2018) que la recherche d’une solution entièrement automatique reste un objectif lointain, voire incertain. À ce propos, l’analyse a montré que, dans le contexte africain et « ailleurs » certainement, un « humain dans la boucle » (Maxwell, 2022) semble être indispensable, d’où la préconisation d’une approche homme-machine. La solution serait peut-être, comme le suggère Maxwell, que « l’humain et la machine gardent chacun leurs spécificités et leur valeur ajoutée » (2022, p. 1) dans le processus de vérification des faits. Dans un autre registre, la collaboration entre acteurs (médias, journalistes, universités, usagers, informaticiens) pourrait être un facteur clé du processus innovant. Comme l’atteste Laurence Dierickx, « si les productions automatisées ne rencontrent pas l’intérêt ou les attentes des journalistes, indistinctement du contexte socioculturel ou organisationnel dans lequel se déploie l’innovation, le projet semble bel et bien voué à l’échec » (2021, p. 19). Des entretiens avec les acteurs du fact-checking pourraient permettre d’élargir la réflexion.

  • 29 Information issue du site dédié : https://www.facebook.com/formedia/blog/third-party-fact-checking- (...)

27La perspective d’étudier d’autres plateformes, à l’instar de l’application WhatsApp, semble se dégager. En effet, la pandémie du coronavirus a « amené les fact-checkeurs à adopter cette messagerie dans leur quotidien de travail dans une tentative d’établir un canal d’échange plus direct avec les publics et un canal de diffusion des vérifications également utilisé dans la circulation des rumeurs » (Petters, 2020). WhatsApp, en partenariat avec l’Alliance CoronaVirusFacts de l’IFCN, a investi 1 500 000 $ pour soutenir les organismes de vérification des informations luttant contre les fausses informations29.

  • 30 Traduction française : « Qu’est-ce que c’est cette merde ? » Au sujet de l’application, voir le sit (...)
  • 31 Page « Africa Check : séparer la réalité de la fiction », site du Centre d’études stratégiques de l (...)

28À ce propos, Africa Check annonce un projet pilote avec l’application What’s Crap30. Le dispositif identifie les informations mensongères publiées sur les réseaux WhatsApp sud-africains et envoie en retour des informations vérifiées sous la forme d’un message oral31. D’une part, cette perspective pour l’oral est intéressante du fait de l’ancrage culturel de l’oralité dans les sociétés africaines et, d’autre part, elle pourrait permettre de limiter les biais culturels liés aux algorithmes.

Articles web

Haut de page

Bibliographie

Adweknow (2019, 13 mai). Google AI Impact Challenge : Africa Check se lance dans le fact checking automatisé. Repéré à https://adweknow.com/google-ai-impact-challenge-africa-check-se-lance-fact-checking-automatise/

AFP (2015, communiqué du 13 novembre). La Fondation AFP annonce le lancement d’Africa Check en français. Repéré à https://www.afp.com/fr/lagence/communiques-de-presse/la-fondation-afp-annonce-le-lancement-dafrica-check-en-francais.

Africa Check (2019, 7 mai). Africa Check parmi les lauréats du Google AI Impact – Africa Check. Repéré à https://africacheck.org/fr/fact-checks/blog/africa-check-parmi-les-laureats-du-google-ai-impact

Bigot, L. (2017).  Le fact-checking ou la réinvention d’une pratique de vérification. Communication & langages, 192(2), 131-156.

Bigot, L. et Nicey, J. (2019). Un pour tous, tous pour un ? Les pratiques inédites de « coalition » des journalistes fact-checkers français durant la campagne présidentielle de 2017. Dans Anaïs Theviot (dir.), Médias et élections. Les campagnes présidentielles et législatives de 2017 (pp. 121-141). Paris, France : Les éditions du Septentrion.

Bigot, L. et Nicey, J. (2020). Le soutien de Google et de Facebook au factchecking français : Entre transparence et dépendance. Sur Le Journalisme, 9(1), 58-73. Repéré à https://doi.org/10.25200/SLJ.v9.n1.2020.418

Bremme, K. (2019, 26 mai). IA dans les médias, un peu, beaucoup, passionnément ? Une cartographie des applications d’Intelligence Artificielle – Méta-media | La révolution de l’information. Repéré à https://www.meta-media.fr/2019/05/26/ia-dans-les-medias-un-peu-beaucoup-passionnement-une-cartographie-des-applications-dintelligence-artificielle.html

Bullich, V. (2018). La plateformisation de la formation. Distances et médiations des savoirs, (21). doi : https://doi.org/10.4000/dms.2096

Bullich, V. et Schmitt, L. (2019). Les industries culturelles à la conquête des plateformes ? Introduction. tic&société, 13(1-2), 1-12.

Cheruiyot, D. et Ferrer-Conill, R. (2018). Fact-Checking Africa. Digital Journalism, 6(8), 964-975. Doi : 10.1080/21670811.2018.1493940.

Ciampaglia, G. et al. (2015). Computational Fact Checking from Knowledge Networks. PLoS ONE, 10(6). Doi : 10.1371/journal.pone.0128193.

Coddington, M. (2015). Clarifying Journalism’s Quantitative Turn: A Typology for Evaluating Data Journalism, Computational Journalism, and Computer-Assisted. Digital Journalism 3(3). 331–348. Doi :10.1080/21670811.2014.976400.

Diakhaté, D. et Kouakou, K. S. (2021). Détection des fake news : Pour une alternative humaine aux approches technologiques. Information : Enjeux et nouveaux défis. hal-03496333

Dialimpa Badji, S. (2023, 13 mai). L’intelligence artificielle, un amplificateur d’infox mais aussi un atout pour la vérification des faits. Repéré à https://africacheck.org/fr/fact-checks/blog/technologies-internet-intelligence-artificielle-ia-algorithmes-journalisme-medias-infox

Dierickx, L. (2021, 6 avril). Intelligence artificielle et journalisme : une course avec les machines. Equal Times. Repéré à https://www.equaltimes.org/intelligence-artificielle-et?lang=fr

Dufour, R. (2020). Traitement Automatique du Langage : Études et apports aux frontières de l’interdisciplinarité (Mémoire en vue de l’habilitation à diriger des recherches), Laboratoire Informatique d’Avignon (LIA), Université d'Avignon.

Enjalbert, P. (2005). Sémantique et TALN. Dans P. Enjalbert et B. Victorri. (dir.), Compréhension des langues et interaction (Édition: Traité IC2, 267-308). Paris, France : Hermès Pub. 

Facebook (2016). Facebook’s Third-Party FactChecking Program. Repéré à https://www.facebook.com/formedia/mjp/programs/third-party-fact-checking, consulté le 20 décembre 2023.

Facebook. Découvrez le Meta Journalism Project (facebook.com). Repéré à https://www.facebook.com/formedia/mjp, consultéle 20 décembre 2023.

Ferrer-Conill, R. (2017). Quantifying Journalism? A Study on the Use of Data and Gamification to Motivate Journalists. Television et New Media, 18, 706-720. Doi : 10. 1177/1527476417697271.

Giles, M. (2018, 21 février). The GANfather: The Man Who’s given Machines the Gift of Imagination. MIT Technology Review. Repéré à https://www.technologyreview.com/2018/02/21/145289/the-ganfather-the-man-whos-given-machines-the-gift-of-imagination/

Goasdoué, F. et al. (2013, juin). Fact checking and analyzing the web. Proceedings of the 2013 ACM, p. 997-1000.

Graves, D. (2018). Understanding the promise and limits of automated fact-checking. Reuters Institute for the Study of Journalism. Doi : 10.60625/risj-nqnx-bg89

Helberger, N., Pierson, J. et Poell, T. (2018). Governing online platforms: From contested to cooperative responsibility. The Information Society, 34(1), 1-14.

Helmond, A. (2015). The platformization of the web: Making web data platform ready. Social Media + Society, 1(2), 1-11.

Kooli, A., Toumi, I. et Zamit, F. (2022). Les médias de vérification en Tunisie : organisation des rédactions et méthodes à l’œuvre. Les cahiers du journalisme. doi : 10.31188/CaJsm.2(8-9). 2022.R173.

Lloveria, V. (2022). Le deepfake et son métadiscours: l’art de montrer que l’on ment. Interfaces numériques, 11(2). Repéré à https://www.unilim.fr/interfaces-numeriques/4876

Maali, M. (2018). Résumé automatique multi-document dynamique. Traitement du texte et du document (Thèse de doctorat). CEA-LIST, Université Paris-Saclay.

Mac Carthy, J. (1956). Mesures de la valeur de l’information. Proceedings of the National Academy of Sciences42(9), 654-655.

Magis, C. (2016). Économie politique de la communication et théorie critique des médias : Épistémologie d’un héritage théorique critique. Réseaux, (199), 43-70. Repéré à https://doi.org/10.3917/res.199.0043

Marconi, F. (2020). Flux de travail : processus évolutif de transformation de la salle de rédaction. Newsmakers: Artificial Intelligence and the Future of Journalism. New York, Columbia University Press.

Maxwell, W. (2022). Le contrôle humain des systèmes algorithmiques – un regard critique sur l’exigence d’un « humain dans la boucle » (Mémoire en vue de l’habilitation à diriger des recherches), Université Paris 1 Panthéon-Sorbonne, Paris.

Miège, B. (1989). Logiques sociales et information télévisée. Études de communication. Langages, information, médiations, (10), 61-66.

Ndiaye, E.-H.-M. (2022). Ce que les GAFAM font aux médias africains. Enjeux socioéconomiques, éditoriaux et politiques de l’infomédiation. Paris, France : L’Harmattan.

Nicey, J. (2020). Les pratiques de fact-checking journalistique participatif, entre contraintes et intérêts. Interfaces numériques, 9(2), 1-15. Repéré à 10.25965/interfaces-numeriques.4283

Petters, L. (2020). Injonction à la transparence dans le fact-checking : de l’idéal de l’objectivité à une tentative de proximité. SociologieS. Repéré à doi.org/10.4000/sociologies.14951

Poell, T., Nieborg, D., Brooke, E. D., Prey, R. et Cunningham, S. (2017). The Platformization of Cultural Production. Selected Papers of #AoIR2017 – The 18th Annual Conference of Internet Researchers. Repéré à http://www.gamespace.nl/content/AoIR2017-Platformization-of-Cultural-Production.pdf

Poynter Institute. Repéré à https://ifcncodeofprinciples.poynter.org

Rebillard, F., Smyrnaios, N. (2019). Quelle « plateformisation » de l’information ? Collusion socioéconomique et dilution éditoriale entre les entreprises médiatiques et les infomédiaires de l’internet. tic&société, 13(1-2). Repéré à https://journals.openedition.org/ticetsociete/4080

Saint-Germain, N. et White, P. (2021a). Les impacts de l’intelligence artificielle sur les pratiques journalistiques au Canada. SSRN. Repéré à https://ssrn.com/abstract=3840582 ou http://dx.doi.org/10.2139/ssrn.3840582

Saint-Germain, N. et White, P. (2021b). Intégration des outils liés à l’intelligence artificielle en journalisme : usages et initiatives. Les Cahiers du Journalisme et de l’information, 7, 11-121. Doi : 10.31188/CaJsm.2(7).2021.R111

Sarker, I. H. (2021). Machine learning: Algorithms, real-world applications and research directions. SN Computer Science, 2(3), 1-21.

Serres, A. (2015). Réflexions Sur Le I de l’EMI. Repéré à https://archivesic.ccsd.cnrs.fr/sic_01179987

Thorne, J. et Vlachos, A. (2018). Automated fact checking: Task formulations, methods and future directions. Proceedings of the 27th International Conference on Computational Linguistics. Repéré à https://aclanthology.org/C18-1283/

Turing, A. M. (1936). On Computable Numbers with an Application to the Entscheidungsproblem. Proceedings of the London Mathematical Society, 42, 230-265.

Watine, T. et Gramaccia, J. A. (2018). L’intelligence artificielle va-t-elle remplacer… ou libérer les journalistes ? Les Cahiers du journalisme, 2(2). doi :10.31188/CaJsm.2(2).2018.D021

Westerlund, M. (2019). The Emergence of Deepfake Technology: A Review. Technology Innovation Management Review, 9(11), 40-53. Repéré à https://doi.org/10.22215/timreview/1282

BBC News Afrique (2018, 21 mai). Google promet l’intelligence artificielle au service du journalisme. Repéré à https://www.bbc.com/afrique/monde-44192620

IFCN (International Fact-Checking Network) (2015). Commit to transparency - sign up for the IFCN’s code of principles. Poynter Institute. Répéré à https://www.ifcncodeofprinciples.poynter.org/

SocialNetlink (mai 2019). Fact-checking : Africa Check lauréat du Google AI Impact – Actualités technologiques et startup au Sénégal et en Afrique. Repéré à https://www.socialnetlink.org/2019/05/12/fact-checking-africa-check-laureat-du-google-ai-impact/

Haut de page

Notes

1 GAFAM est l’acronyme qui désigne les géants du web : Google, Apple, Facebook, Amazon et Microsoft.

2 Utilisation de l’intelligence artificielle pour modéliser et reproduire les capacités de communication langagière des humains.

3 Donner à un programme informatique les capacités d’apprentissage en se basant sur des connaissances existantes.

4 Une plateforme destinée au fact-checking financée par le Centre d’Excellence Africain en Mathématiques, Informatique et TIC (CEA-MITIC), URL : https://www.ceamitic.sn ; https://check4decision.univ-thies.sn/

5 Les établissements concernés sont l’Université Iba der Thiam de Thiès (UIDT), l’Université Assane SECK de Ziguinchor (UASZ), l’Université Gaston Berger de Saint Louis (UGB) et l’Université de Technologie de Troyes (UTT).

6 Voir à ce sujet : https://www.ceamitic.sn/

7 Rubrique « Comment nous sommes financés » du site d’Africa Check : https://africacheck.org/fr/qui-nous-sommes/comment-nous-sommes-finances

8 Tri Facts est la filiale de formation, de recherche et d’information d’Africa Check. Elle propose une gamme d’ateliers de vérification des faits, de services de vérification, de recherche et de consultation axés sur l’identification et la communication des faits : https://trifacts.info/

9 Luminate est une organisation philanthropique mondiale fondée en 2018 par le Groupe Omidyar, créé par les philanthropes Pierre et Pam Omidyar. Pierre Omidyar est le fondateur d’eBay. https://luminategroup.com/about

10 À propos de Full Fact : https://fullfact.org/

11 À propos d’Africa Check : https://africacheck.org/fr/ce-que-nous-faisons

12 À propos de Google News Initiative : https://newsinitiative.withgoogle.com/fr-fr/

13 À propos du Programme Facebook de vérification tierce : https://www.facebook.com/journalismproject/programs/third-party-fact-checking

14 À propos du Meta Journalism Project : https://www.facebook.com/formedia/mjp

15 Au sujet de ce moteur : https://newsinitiative.withgoogle.com/fr-ca/resources/trainings/google-fact-check-tools/

16 À propos du projet ClaimReview : https://www.claimreviewproject.com/

17 Voir à ce sujet « À propos de la vérification des informations sur Facebook et Instagram » : https://www.facebook.com/business/help/2593586717571940

18 Citation extraite du site dédié au Meta Journalism Project : https://www.facebook.com/formedia/mjp

19 https://www.meta-media.fr/2019/11/19/journalisme-augmente-a-lia-un-etat-de-lieux.html

20 Page « Africa Check : séparer la réalité de la fiction », site du Centre d’études stratégiques de l’Afrique, 23 mars 2021 : https://africacenter.org/fr/publication/africa-check-separer-la-realite-de-la-fiction/, consulté le 29 juin 2023.

21 Page « Africa Check parmi les lauréats du Google AI Impact » : https://africacheck.org/fr/fact-checks/blog/africa-check-parmi-les-laureats-du-google-ai-impact

22 https://africacheck.org/fr/fact-checks/guides/afrique-technologies-internet-intelligence-artificielle-photos-videos-generees-par-IA

23 Au sujet du projet : https://check4decision.univ-thies.sn/

24 Un crawler est un robot (un algorithme informatique) capable de parcourir et d’indexer le Web afin d’en établir la cartographie. Les « robots d’indexation ou data crawler » en IA explorent le Web (« data mining ») de manière autonome à la recherche de données non structurées.

25 À propos de ce moteur : https://check4decision.univ-thies.sn/search/search-engine-home.php

26 Sur la page d’accueil, il est fait mention de 111 sources et de 248 687 articles en date du 3 août 2021.

27 Un sous-moteur de recherche sur l’actualité régionale du coronavirus affichait 48 315 articles au mars 2021, mais les données ne semblent pas avoir été mises à jour depuis le mois de mai 2020.

28 Les outils d’intelligence artificielle conçus pour lutter contre le COVID-19, inefficaces ? (actuia.com), 11 août 2021.

29 Information issue du site dédié : https://www.facebook.com/formedia/blog/third-party-fact-checking-industry-investments

30 Traduction française : « Qu’est-ce que c’est cette merde ? » Au sujet de l’application, voir le site dédié : https://www.whatscrap.africa/

31 Page « Africa Check : séparer la réalité de la fiction », site du Centre d’études stratégiques de l’Afrique, 23 mars 2021 : https://africacenter.org/fr/publication/africa-check-separer-la-realite-de-la-fiction/, consulté le 29 juin 2023.

Haut de page

Pour citer cet article

Référence papier

Sokhna-Fatou SECK-SARR, « Intelligence artificielle et fact-checking en Afrique : entre logiques de dépendance et limites de l’automatisation »tic&société, Vol. 17 | N° 1-2 | -1, 267-288.

Référence électronique

Sokhna-Fatou SECK-SARR, « Intelligence artificielle et fact-checking en Afrique : entre logiques de dépendance et limites de l’automatisation »tic&société [En ligne], Vol. 17 | N° 1-2 | 1er semestre 2023 - 2ème semestre 2023, mis en ligne le 31 mai 2024, consulté le 20 juin 2025. URL : http://journals.openedition.org/ticetsociete/8317 ; DOI : https://doi.org/10.4000/11r9g

Haut de page

Auteur

Sokhna-Fatou SECK-SARR

Sokhna Fatou SECK-SARR est enseignante chercheuse en sciences de l’information et de la communication à l’Université Gaston Berger de Saint-Louis du Sénégal. Ses travaux abordent l’appropriation des technologies numériques par les organisations, les médias et les sociétés en Afrique subsaharienne. sokhna-seck.sarr@.ugb.edu.sn

Haut de page

Droits d’auteur

CC-BY-NC-ND-4.0

Le texte seul est utilisable sous licence CC BY-NC-ND 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search